-
-
公开(公告)号：CN107445621A
公开(公告)日：2017-12-08
申请号：CN201710796075.9
申请日：2017-09-06
Applicant: 济南大学
IPC: C04B35/547 , C04B35/622
Abstract: 本发明属于热电材料技术领域，具体涉及一种Cu-Te纳米晶/Cu2SnSe3热电复合材料及其制备方法，该复合材料中Cu-Te纳米晶在复合材料中的体积比为0.2-1.2%。本发明制备的Cu-Te纳米晶/Cu2SnSe3型热电复合材料表现出较好的热电性能，大幅提升了Cu2SnSe3基体的ZT值；制备所需工艺操作简单、参数可控、适用于较大规模生产。
-
公开(公告)号：CN103793764B
公开(公告)日：2017-05-17
申请号：CN201410046395.9
申请日：2014-02-10
Applicant: 济南大学
Abstract: 本发明公开了基于GPU与邻近海量数据快速分析的套餐优化系统与方法，所述系统包括参数输入模块，所述参数输入模块将参数信息分别传输给数据生成模块和套餐优化模块，所述数据生成模块将数据传输给套餐优化模块，所述参数输入模块和数据生成模块均从客户信息数据库提取信息；所述套餐优化模块包括彼此通信的进化算法模块和GPU加速模块，所述GPU加速模块包括若干个套餐适应值评估模块，每个套餐适应值评估模块均包括相似度计算模块；本发明能够实现对海量电信数据的自动化高速处理，得到与目标用户群体需求高度匹配的套餐方案，避免采用复杂模型进行建模带来的高时间复杂度问题，并提高优化结果的可靠性。
-
公开(公告)号：CN103793513B
公开(公告)日：2017-04-05
申请号：CN201410046626.6
申请日：2014-02-10
Applicant: 济南大学
Abstract: 本发明公开了基于邻近海量数据快速分析的电信套餐优化系统与方法，系统包括参数输入模块，参数输入模块将参数信息分别传输给数据生成模块和套餐优化模块，数据生成模块将数据传输给套餐优化模块，参数输入模块和数据生成模块均从客户信息数据库中提取数据；套餐优化模块用于根据参考历史数据、目标历史数据以及参数设置进行套餐优化；所述进化算法模块用于根据适应值不断产生新的可行套餐并对套餐进行优化；所述套餐适应值评估模块采用基于邻近数据的快速分析法，用于评价每一款可行套餐的好坏；所述相似度计算模块用于度量两个向量之间的向量相似度。本发明能够实现对海量电信数据的自动化高速处理，得到与目标用户群体需求高度匹配的套餐方案。
-
公开(公告)号：CN103793764A
公开(公告)日：2014-05-14
申请号：CN201410046395.9
申请日：2014-02-10
Applicant: 济南大学
Abstract: 本发明公开了基于GPU与邻近海量数据快速分析的套餐优化系统与方法，所述系统包括参数输入模块，所述参数输入模块将参数信息分别传输给数据生成模块和套餐优化模块，所述数据生成模块将数据传输给套餐优化模块，所述参数输入模块和数据生成模块均从客户信息数据库提取信息；所述套餐优化模块包括彼此通信的进化算法模块和GPU加速模块，所述GPU加速模块包括若干个套餐适应值评估模块，每个套餐适应值评估模块均包括相似度计算模块；本发明能够实现对海量电信数据的自动化高速处理，得到与目标用户群体需求高度匹配的套餐方案，避免采用复杂模型进行建模带来的高时间复杂度问题，并提高优化结果的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119205281B
公开(公告)日：2025-04-04
申请号：CN202411718037.8
申请日：2024-11-28
Applicant: 济南大学
IPC: G06Q30/0601 , G06Q40/00 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/08
Abstract: 本发明涉及时间序列预测技术领域，提供了一种基于半高斯采样的金融产品推荐方法、系统、设备及介质。基于半高斯采样的金融产品推荐方法包括，获取多种金融产品的历史属性数据和历史热度数据，并进行预处理，构建样本集，将样本集划分为训练集和测试集，将训练集中的样本序号映射到半高斯分布的x轴区间[μ‑3σ，μ]内，计算每个样本的权重，并将权重转化为概率值；多项式分布利用所述概率值进行有放回的抽取若干个样本；基于抽取的若干个样本和每个样本对应的真实值，对动态时间卷积网络进行训练，得到训练好的动态时间卷积网络，用于预测所有金融产品的排名，并加排名靠前的若干金融产品推荐给用户。本发明能够生成更加精准的推荐结果。
-
公开(公告)号：CN119274724A
公开(公告)日：2025-01-07
申请号：CN202411823163.X
申请日：2024-12-12
IPC: G16C60/00 , G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/0985 , G06V20/69 , G06V10/44 , G06V10/52 , G06V10/82 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种基于神经网络与多尺度特征约束的水泥微结构设计方法，包括获取水泥微结构二维图像，建立水泥微结构数据集；根据预定约束尺度数目，得到随机步数的超参数组，根据约束规则和超参数组训练神经网络模型，得到微结构特征重构算子；根据约束规则建立重构算法，对神经网络模型进行测试，选择符合预设模型的神经网络模型并保存；使用重构算法和微结构特征重构算子，经过预定约束尺度数目重构后得到水泥微结构。本发明使用重构算法和微结构特征重构算子，重构水泥微结构，并支持水泥微结构中物相分布的灵活定制，打破了水泥水化模型初状态合成中神经网络方法的技术壁垒，显著节省水泥制造行业的时间与人力成本、降低碳排放。
-
公开(公告)号：CN119251073A
公开(公告)日：2025-01-03
申请号：CN202411782968.4
申请日：2024-12-06
IPC: G06T5/60 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种水泥水化微结构图像的跨设备风格化增强方法及系统，属于数字图像处理技术领域。包括：获取第一水泥水化微结构图像和第二水泥水化微结构图像，第一水泥水化微结构图像通过低配置的CT设备采集，第二水泥水化微结构图像通过高配置的CT设备采集；将第一水泥水化微结构图像和第二水泥水化微结构图像输入跨设备图像增强模型进行处理，通过输入层、表示层和输出层，分别对两种图像计算特征位置编码、特征提取、融合和上采样还原，最终获取跨设备风格化增强后的水泥水化微结构图像。能够得到逼近高配置的CT设备成像质量的水泥水化微结构图像，解决了水泥水化微结构图像跨设备增强的问题。
-
公开(公告)号：CN115147399B
公开(公告)日：2024-10-25
申请号：CN202210906370.6
申请日：2022-07-29
Applicant: 济南大学 , 山东秋淇分析仪器有限公司
IPC: G06T7/00 , G06T5/70 , G06T3/4007 , G06T3/4046 , G06N3/04 , G06N3/08 , G06N3/126
Abstract: 本发明公开了水泥微观图像像素点的元素含量预测方法及系统；所述方法，包括：获取待预测水泥的微观结构图像；对获取的微观结构图像进行预处理；将预处理后的微观结构图像，输入到对应的训练后的神经网络模型中，得到每个像素点的化学元素的含量。该方法从图像本身出发，直接找到水泥微观结构图像和内在元素含量之间的关系，直接预测得到每个像素点处的元素含量。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.024 seconds)
