公开(公告)号：CN111960421A

公开(公告)日：2020-11-20

申请号：CN202010877236.9

申请日：2020-08-27

Applicant: 北京理工大学

Inventor： 贺川 ,  杨敏 ,  刘金旭 ,  冯新娅 ,  蔡奇

IPC: C01B33/02 ,  C01B32/05 ,  H01M4/38 ,  H01M4/62 ,  H01M10/0525 ,  B82Y30/00 ,  B82Y40/00

Abstract: 本发明提供了一种包覆型碳硅负极材料的制备方法，包括以下步骤：将聚四氟乙烯颗粒和硅颗粒混合后进行球磨，得到混合粉体；将所述混合粉体点燃，进行氧化还原反应，得到包覆型碳硅负极材料。本发明提供的制备方法先将聚四氟乙烯颗粒和硅颗粒进行球磨处理，实现混合粉体的均匀分散，再以混合粉体作为反应物，将其点燃后发生爆燃，在爆燃过程中聚四氟乙烯与部分硅发生剧烈的氧化还原反应，生成碳壳，同时爆燃放出的能量使得未反应的硅在高温下破碎形成硅微粒子，得到了包覆型碳硅负极材料，简化了工艺。实验表明，本发明的包覆型碳硅负极材料用于锂离子电池负极材料在400mA/g电流密度下，400个循环后容量为1200mAh g-1。

公开(公告)号：CN110705704A

公开(公告)日：2020-01-17

申请号：CN201910912280.6

申请日：2019-09-25

Applicant: 北京理工大学

Inventor： 杨旭 ,  王宇晗 ,  杨敏 ,  陈潇雅

IPC: G06N3/08

Abstract: 一种基于相关性分析的神经网络自组织遗传进化算法，构建初始神经网络，初始神经网络只包含输入层和输出层；采用BP算法训练网络，并记录训练日志数据；获取连接相关性，优化神经网络；复杂化神经网络；融合遗传进化算法迭代神经网络，输出最优神经网络模型。本发明输出最优模型的迭代次数优于NEAT输出最优模型的迭代次数，输出最优的神经网络模型之前所进行的BP调节次数少于普通的BP神经网络所需要的调节次数，通过使用不同数据集进行相关实验对算法性能(准确率)进行验证，实验结果表明算法在分类问题方面的表现相对优秀，可以应用于现在人工智能领域分类问题的研究。

公开(公告)号：CN105654139B

公开(公告)日：2019-04-05

申请号：CN201511029753.6

申请日：2015-12-31

Applicant: 北京理工大学

Inventor： 贾云得 ,  杨敏 ,  裴明涛

IPC: G06K9/62

Abstract: 本发明涉及一种采用时间动态表观模型的实时在线多目标跟踪方法。本发明将多目标跟踪过程中每个目标的表观信息看作是一个时间有序的表观序列，通过考虑目标表观信息在跟踪过程中随时间变化的规律，建立有强判别力的表观模型来表达表观序列的时间动态变化特性；同时通过多个隐状态的观测模型建模目标表观在特征空间中的结构多样性，为目标与检测结果之间的数据关联提供精确的表观匹配信息；通过将检测结果逐帧地与目标进行关联完成实时在线多目标跟踪的任务，可实时准确的跟踪视频中的多个感兴趣目标。在保证跟踪性能的同时具有很高的计算效率，能够实际应用于各种实时系统。