-
公开(公告)号：CN113161543A
公开(公告)日：2021-07-23
申请号：CN202110297316.1
申请日：2021-03-19
Applicant: 北京理工大学
IPC: H01M4/58 , H01M4/62 , H01M10/054
Abstract: 本发明提供了一种高能量密度钠离子电池正极材料及制备方法和应用。该高能量密度钠离子电池正极材料，是通过可激发V4+/V5+(4.0V vs.Na+/Na)电压平台的金属离子取代Na3V2(PO4)3中不提供此高电压平台容量的V3+得到的。其中，通过将Na3V2(PO4)3中不提供V4+/V5+电压平台容量的V3+用可激发出此电压平台的金属离子取代，一方面，使得该高能量密度钠离子电池正极材料可以激发出V4+/V5+(4.0V vs.Na+/Na)的电压平台，另一方面，使得到的正极材料具有较高的理论比容量、优异的循环稳定性和倍率性能以及较高的能量、功率密度等优点。因此，本发明提供的高能量密度钠离子电池正极材料具有极高的应用前景。
-
公开(公告)号：CN109697697B
公开(公告)日：2020-10-16
申请号：CN201910162197.1
申请日：2019-03-05
Applicant: 北京理工大学
Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的重构方法，属于计算摄像学领域。本发明实现方法如下：建立光谱成像系统的前向传播模型；构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络；制作训练集；配置高光谱图像重构网络训练所需参数；训练高光谱图像重构网络；使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。本发明能够综合利用系统观测模型的结构洞察力和神经网络的建模能力，在保证重建结果具备高空间分辨率和高光谱保真度的同时，提高高光谱图像重建的效率，扩展高光谱图像的应用范围。本发明适用于遥感、医学成像、视觉检查、污水检测、植被研究、大气监测等多个领域。
-
Patent Agency Ranking
公开(公告)号：CN109886898B
公开(公告)日：2020-10-02
申请号：CN201910162261.6
申请日：2019-03-05
Applicant: 北京理工大学
Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的成像方法，属于计算摄像学领域。本发明实现方法为：建立光谱成像系统的前向传播模型，用网络实现所述前向传播模型，构建编码孔径优化网络；构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络；制作训练集；配置高光谱图像重构网络训练所需参数；训练高光谱图像重构网络；建立编码孔径优化网络与高光谱图像重构网络之间的连接，构建联合网络；配置联合网络训练所需参数；训练联合网络；取出训练后得到的编码模板，并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制；使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。
-
公开(公告)号：CN109883548B
公开(公告)日：2020-04-21
申请号：CN201910162204.8
申请日：2019-03-05
Applicant: 北京理工大学
Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的编码优化方法，属于计算摄像学领域。本发明实现方法如下：建立光谱成像系统的前向传播模型，用网络实现所述前向传播模型，构建编码孔径优化网络；构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络；制作训练集；配置高光谱图像重构网络训练所需参数；训练高光谱图像重构网络；建立编码孔径优化网络与高光谱图像重构网络之间的连接，构建联合网络；配置联合网络训练所需参数；训练联合网络；取出训练后得到的编码模板，并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制；使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。
-
公开(公告)号：CN109886898A
公开(公告)日：2019-06-14
申请号：CN201910162261.6
申请日：2019-03-05
Applicant: 北京理工大学
Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的成像方法，属于计算摄像学领域。本发明实现方法为：建立光谱成像系统的前向传播模型，用网络实现所述前向传播模型，构建编码孔径优化网络；构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络；制作训练集；配置高光谱图像重构网络训练所需参数；训练高光谱图像重构网络；建立编码孔径优化网络与高光谱图像重构网络之间的连接，构建联合网络；配置联合网络训练所需参数；训练联合网络；取出训练后得到的编码模板，并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制；使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。
-
公开(公告)号：CN109883548A
公开(公告)日：2019-06-14
申请号：CN201910162204.8
申请日：2019-03-05
Applicant: 北京理工大学
Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的编码优化方法，属于计算摄像学领域。本发明实现方法如下：建立光谱成像系统的前向传播模型，用网络实现所述前向传播模型，构建编码孔径优化网络；构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络；制作训练集；配置高光谱图像重构网络训练所需参数；训练高光谱图像重构网络；建立编码孔径优化网络与高光谱图像重构网络之间的连接，构建联合网络；配置联合网络训练所需参数；训练联合网络；取出训练后得到的编码模板，并基于CASSI系统成像过程完成由高光谱图像到二维压缩图像的调制；使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。
-
公开(公告)号：CN109697697A
公开(公告)日：2019-04-30
申请号：CN201910162197.1
申请日：2019-03-05
Applicant: 北京理工大学
Abstract: 本发明公开的基于优化启发的神经网络的光谱成像系统的重构方法，属于计算摄像学领域。本发明实现方法如下：建立光谱成像系统的前向传播模型；构建基于优化启发的、并同时考虑高光谱图像空间相关性和光谱相关性的高光谱图像重构网络；制作训练集；配置高光谱图像重构网络训练所需参数；训练高光谱图像重构网络；使用训练得到的高光谱图像重构网络逐块重构目标高光谱图像。本发明能够综合利用系统观测模型的结构洞察力和神经网络的建模能力，在保证重建结果具备高空间分辨率和高光谱保真度的同时，提高高光谱图像重建的效率，扩展高光谱图像的应用范围。本发明适用于遥感、医学成像、视觉检查、污水检测、植被研究、大气监测等多个领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
