-
公开(公告)号：CN109446923B
公开(公告)日：2021-09-24
申请号：CN201811176393.6
申请日：2018-10-10
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于训练特征融合的深度监督卷积神经网络行为识别方法，属于人工智能计算机视觉领域。本方法提取目标视频的多层卷积特征，设计局部演化池化层，利用局部演化池化层将视频卷积特征映射到一个包含时间信息的向量上，从而提取到目标视频的局部演化描述符；通过使用VLAD编码方法，将多个局部演化描述符编码成基于元动作的视频级表示；利用卷积网络多层级之间信息的互补性，将多层级分类结果集成得到最终分类结果。本发明充分利用时间信息构建视频级表示，有效提高了视频行为识别的准确率。同时，通过集成多层级的预测结果提高了网络中间层的判别性，从而提高了网络整体的性能。
-
公开(公告)号：CN109793739A
公开(公告)日：2019-05-24
申请号：CN201910029611.1
申请日：2019-01-14
Applicant: 北京理工大学
IPC: A61K31/498 , A61P3/10 , C07D241/44
Abstract: 本发明提供了一种喹喔啉酮衍生物(如式Ⅰ所示化合物)的结构、制备方法、及其药学上可以接受的盐在制备预防和/或治疗糖尿病并发症药物中的用途，这种化合物作为醛糖还原酶抑制剂和抗氧化剂，通过抑制醛糖还原酶的活性，同时有效地清除自由基、脂质过氧化物以及抑制活性氧，从而达到预防和/或治疗糖尿病并发症的作用。
-
公开(公告)号：CN102970724B
公开(公告)日：2015-04-15
申请号：CN201210479393.X
申请日：2012-11-22
Applicant: 北京理工大学
IPC: H04L12/721 , H04W40/10
CPC classification number: Y02D70/00
Abstract: 本发明涉及一种绿色路由单步选择方法，属于计算机网络领域。其操作步骤为：①获取节点vi的协作节点集合H(vi)；②获取协作节点集合H(vi)中所有节点的当前寿命；③从协作节点集合H(vi)中依次选取1个或2个寿命最大的节点作为中继节点vj，进行数据传输；④计算协作节点集合H(vi)中各节点的剩余能量；⑤在步骤④操作的基础上，将步骤③指定的下一跳节点作为源节点，回到步骤一，开始下一轮的路由选择及数据传输，直到数据传输到目的节点。本发明提供的方法，与已有的路由选择算法相比，具有以下优点：①避免了网络中单一节点因频繁参与协作路由而耗尽能量；②提升了网络整体的生存时间。
-
公开(公告)号：CN102916957B
公开(公告)日：2015-03-11
申请号：CN201210390940.7
申请日：2012-10-15
Applicant: 北京理工大学
Abstract: 本发明中公开了一种安全可靠、低成本的RFID双向认证方法，属于无线网络通信技术领域。本发明提出的RFID双向认证方法是一种基于线性反馈移位寄存器、物理不可克隆函数和映射数组技术的RFID双向认证协议，经过读写器和标签之间多次信息交互进行密钥的验证，确保只有合法读写器与合法标签才能够实现数据相互读取，完成RFID标签与读写器的双向认证。本发明的主要特征是：采用线性移位寄存器产生伪随机数，有效减少门电路数量；用物理不可克隆函数伪装标签ID信息，防止核心信息泄露；用映射数组技术，保护标签位置隐私。这一方法，不但可以防止标签的隐私数据被非法用户盗取，而且还能够有效的抵御系统内外的恶意用户攻击。
-
公开(公告)号：CN119674062A
公开(公告)日：2025-03-21
申请号：CN202311229624.6
申请日：2023-09-21
Applicant: 北京车和家信息技术有限公司 , 北京理工大学
IPC: H01M4/587 , B82Y30/00 , B82Y40/00 , H01M10/054
Abstract: 本发明提供了一种多孔中空碳球复合材料及其制备方法和钠离子电池，属于钠离子电池技术领域。所述复合材料为氮元素、磷元素、硫元素共掺杂的介孔中空纳米碳球。所述复合材料设计了能够提供负极容量的介孔中空纳米碳球，利用中空纳米结构为循环后的电极体积膨胀提供空间，以提升钠离子电池中的放电容量及循环稳定性；同时，介孔中空纳米碳球表面具有的介孔结构大大缩短了钠离子的扩散路径，促进了钠离子的脱出和嵌入，从而提高了负极材料的比容量；另外，利用氮磷硫共掺杂的协同效应，可以明显扩大介孔中空纳米碳球的碳层间距，增加活性位点，优化倍率性能及循环稳定性。
-
Patent Agency Ranking
公开(公告)号：CN109446923A
公开(公告)日：2019-03-08
申请号：CN201811176393.6
申请日：2018-10-10
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于训练特征融合的深度监督卷积神经网络行为识别方法，属于人工智能计算机视觉领域。本方法提取目标视频的多层卷积特征，设计局部演化池化层，利用局部演化池化层将视频卷积特征映射到一个包含时间信息的向量上，从而提取到目标视频的局部演化描述符；通过使用VLAD编码方法，将多个局部演化描述符编码成基于元动作的视频级表示；利用卷积网络多层级之间信息的互补性，将多层级分类结果集成得到最终分类结果。本发明充分利用时间信息构建视频级表示，有效提高了视频行为识别的准确率。同时，通过集成多层级的预测结果提高了网络中间层的判别性，从而提高了网络整体的性能。
-
公开(公告)号：CN102970724A
公开(公告)日：2013-03-13
申请号：CN201210479393.X
申请日：2012-11-22
Applicant: 北京理工大学
IPC: H04W40/10
CPC classification number: Y02D70/00
Abstract: 本发明涉及一种绿色路由单步选择方法，属于计算机网络领域。其操作步骤为：①获取节点vi的协作节点集合H(vi)；②获取协作节点集合H(vi)中所有节点的当前寿命；③从协作节点集合H(vi)中依次选取1个或2个寿命最大的节点作为中继节点vj，进行数据传输；④计算协作节点集合H(vi)中各节点的剩余能量；⑤在步骤④操作的基础上，将步骤③指定的下一跳节点作为源节点，回到步骤一，开始下一轮的路由选择及数据传输，直到数据传输到目的节点。本发明提供的方法，与已有的路由选择算法相比，具有以下优点：①避免了网络中单一节点因频繁参与协作路由而耗尽能量；②提升了网络整体的生存时间。
-
公开(公告)号：CN102916957A
公开(公告)日：2013-02-06
申请号：CN201210390940.7
申请日：2012-10-15
Applicant: 北京理工大学
Abstract: 本发明中公开了一种安全可靠、低成本的RFID双向认证方法，属于无线网络通信技术领域。本发明提出的RFID双向认证方法是一种基于线性反馈移位寄存器、物理不可克隆函数和映射数组技术的RFID双向认证协议，经过读写器和标签之间多次信息交互进行密钥的验证，确保只有合法读写器与合法标签才能够实现数据相互读取，完成RFID标签与读写器的双向认证。本发明的主要特征是：采用线性移位寄存器产生伪随机数，有效减少门电路数量；用物理不可克隆函数伪装标签ID信息，防止核心信息泄露；用映射数组技术，保护标签位置隐私。这一方法，不但可以防止标签的隐私数据被非法用户盗取，而且还能够有效的抵御系统内外的恶意用户攻击。
-
公开(公告)号：CN119695134A
公开(公告)日：2025-03-25
申请号：CN202311245139.8
申请日：2023-09-25
Applicant: 北京车和家信息技术有限公司 , 北京理工大学
IPC: H01M4/48 , H01M4/36 , H01M4/62 , H01M10/0525
Abstract: 本发明提供了一种氧化亚硅复合材料及其制备方法，属于锂离子电池技术领域。所述氧化亚硅复合材料包括氧化亚硅和包覆在所述氧化亚硅表面的碳包覆层，所述碳包覆层中掺杂有氮元素和氟元素。所述氧化亚硅复合材料通过对碳包覆层进行氮和氟的双元素掺杂，提高了材料的导电性，从而可以提高电池的首次库伦效率；并可以有效抑制充放电过程中氧化亚硅颗粒的体积膨胀，减少电池在循环过程中的容量损失，从而提高电池的循环稳定性，为实现硅碳电池工业化生产奠定了基础。
-
公开(公告)号：CN111062326B
公开(公告)日：2023-07-25
申请号：CN201911301729.1
申请日：2019-12-17
Applicant: 北京理工大学
IPC: G06V40/20 , G06V10/774
Abstract: 本发明涉及一种基于几何驱动的自监督人体3D姿态估计网络训练方法，属于人工智能计算机视觉领域，能够有效解决当前基于深度学习的人体3D姿态网络训练需要大量的人体3D关节点标注数据的技术问题。本发明方法，不依赖人体3D关节点标注数据，完全依靠几何先验知识，可以避免繁琐的人体3D关节点的标注过程，所提出的变换重投影损失可以探索多视角一致性以训练人体3D姿态估计网络，可以在训练过程中获得更加准确的人体3D姿态预测结果，所提出的根节点位置估计网络在3D姿态估计网络训练过程中保留重投影的2D姿态的尺度信息，可以在训练过程中获得更加准确的人体3D姿态预测结果，所提出的网络预训练方法可以帮助网络训练有效地收敛。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
