超润滑水凝胶微球、制备方法及在骨关节炎治疗中的应用

    公开(公告)号:CN119174738A

    公开(公告)日:2024-12-24

    申请号:CN202411197969.2

    申请日:2024-08-29

    Inventor: 王江林 陈佳

    Abstract: 本发明公开了一种超润滑水凝胶微球、制备方法及在骨关节炎治疗中的应用,涉及超润滑水凝胶界面技术领域,其中,超润滑水凝胶微球具有核壳结构,包括内核和外壳;所述内核为海藻酸钠水凝胶微球,外壳为水合层。海藻酸钠水凝胶微球作为内核,提供了稳定的结构基础,而水合层作为外壳,能够保持水分,从而在运动过程中减少摩擦。本发明提供的超润滑水凝胶微球具有超润滑性、优良的生物相容性和可降解性,能够为关节软骨间摩擦提供缓冲,将滑动摩擦变为滚动摩擦,减轻软骨磨损,延缓骨关节炎进展。

    一种手势识别模型训练方法、手势识别方法及系统

    公开(公告)号:CN108629288B

    公开(公告)日:2020-05-19

    申请号:CN201810314455.9

    申请日:2018-04-09

    Abstract: 本发明公开了一种手势识别模型训练方法、手势识别方法及系统,其中训练方法包括采集多种场景下的手势图片样本,在手势样本上进行随机裁剪,得到新的手势样本,将手势图片样本和新的手势样本作为样本集;构建Light YOLO网络,利用样本集对Light YOLO网络进行训练,得到第一Light YOLO网络;在第一Light YOLO网络的每一层卷积层后面加一个selective‑dropout层,得到第二Light YOLO网络,利用样本集对第二Light YOLO网络进行训练收敛,然后进行通道裁剪,进而得到手势识别模型。本发明提升了网络对分辨率较小的手势的检测性能。使得本发明的手势识别方法准确率高以及实时性好。同时使得本发明系统能直接从图片得到识别结果,可以进行端到端的优化。

    一种基于忆阻器阵列的K-means分类器及其分类方法

    公开(公告)号:CN111027619B

    公开(公告)日:2022-03-15

    申请号:CN201911248887.5

    申请日:2019-12-09

    Abstract: 本发明公开了一种基于忆阻器阵列的K‑means分类器及其分类方法,将K‑means算法的聚类中心的维度信息作为训练权重,映射并存储在忆阻器阵列中,以神经网络权重模拟聚类中心的维度信息,基于忆阻器的渐变特性实现欧氏距离的计算,并且直接在硬件电路上实现聚类中心各权重的在线更新,实现了大量非归一化数据在硬件电路基础上的数据聚类,减小了由于数据归一化带来的计算复杂度,以及由于外部电路计算权重变化所带来的电路复杂性,同时也减小了数据距离计算过程中的数据复杂度,降低了数据存储的时间和运算功耗,省去了数据交互的消耗,计算时间较短。

    一种基于1T1R的卷积神经网络电路及其操作方法

    公开(公告)号:CN110852429B

    公开(公告)日:2022-02-18

    申请号:CN201911032508.9

    申请日:2019-10-28

    Inventor: 李祎 陈佳 缪向水

    Abstract: 本发明公开了一种基于1T1R的卷积神经网络及其操作方法,包括输入模块、卷积计算模块、池化计算模块、全连接计算模块,其中,卷积计算模块、池化计算模块、全连接计算模块均由1T1R阵列构成,能够原位存储突触权重信息,实现计算和存储的相融合,省去了数据交互的消耗,极大的缩短了计算时间,同时减少能耗。另外,本发明通过调控1T1R器件中晶体管的栅极电压实现双向渐变调整忆阻器电导值大小,可以使得在实现电导减小的过程中,无需将1T1R器件重新操作到最低电导状态,直接通过调整1T1R器件中晶体管的栅极电压,使电导减小即可达到目标电导,功耗较低。

    一种手势识别模型训练方法、手势识别方法及系统

    公开(公告)号:CN108629288A

    公开(公告)日:2018-10-09

    申请号:CN201810314455.9

    申请日:2018-04-09

    Abstract: 本发明公开了一种手势识别模型训练方法、手势识别方法及系统,其中训练方法包括采集多种场景下的手势图片样本,在手势样本上进行随机裁剪,得到新的手势样本,将手势图片样本和新的手势样本作为样本集;构建Light YOLO网络,利用样本集对Light YOLO网络进行训练,得到第一Light YOLO网络;在第一Light YOLO网络的每一层卷积层后面加一个selective-dropout层,得到第二Light YOLO网络,利用样本集对第二Light YOLO网络进行训练收敛,然后进行通道裁剪,进而得到手势识别模型。本发明提升了网络对分辨率较小的手势的检测性能。使得本发明的手势识别方法准确率高以及实时性好。同时使得本发明系统能直接从图片得到识别结果,可以进行端到端的优化。

    一种基于参考线的水电站确定性优化调度方法

    公开(公告)号:CN104537577B

    公开(公告)日:2018-03-09

    申请号:CN201410826730.7

    申请日:2014-12-25

    Abstract: 本发明公开了一种基于参考线的水电站确定性优化调度方法,属于水利电力技术领域。本发明包括以下步骤:(1)确定调度期,设置调度期内约束条件;(2)建立水库确定性长期优化调度发电量最大模型;(3)以减少弃水能量和入能损失为原则,获得防弃水线和最小决策限制线;(4)对防弃水线进行相应调整,确定最优运行参考线;(5)根据最优运行参考线,获得最优决策,指导电站运行。本发明将专家经验和水库调度规则融入方法本身,容易为调度人员理解并掌握;任意时刻可根据水电站当前蓄水状态作出相应的决策,具有更强的可执行性和更大的指导意义。

Patent Agency Ranking