一种TiC/Ti5Si3增强铜基复合材料及其制备方法

    公开(公告)号:CN111485129A

    公开(公告)日:2020-08-04

    申请号:CN201910084264.2

    申请日:2019-01-29

    Abstract: 本发明属于金属材料领域,具体涉及一种TiC/Ti5Si3增强铜基复合材料及其制备方法,包括原料准备、Ti-Si-石墨等碳单质混合粉料的制备、粉末压块与烧结和TiC/Ti5Si3增强铜基复合材料的制备等步骤。本发明以石墨粉或炭黑或碳纳米管或石墨烯等碳单质材料为碳源,利用熔体中碳单质与钛自生反应合成TiC制备TiC/Ti5Si3增强铜基复合材料,制备工艺简单、成本低、效率高。TiC颗粒分布在Ti5Si3之间,增强体与基体界面结合良好,实现了颗粒与纤维的复合增强。制备的复合材料致密度高,导电、导热性能好,强度、硬度及耐磨性高,同时具有较好的塑韧性,适用于工业化生产和应用。

    一种基于类八叉树索引的显著性特征强化采样方法

    公开(公告)号:CN109325993A

    公开(公告)日:2019-02-12

    申请号:CN201810910824.0

    申请日:2018-08-10

    Abstract: 一种基于类八叉树索引的显著性特征强化采样方法,首先在类八叉树空间分割的基础上,对局部缺失严重的模型进行自适应点云特征强化;然后采用基于子空间的最邻近采样算法对增强后的点云进行下采样;最后,依据所得的采样点在增强后的点云中提取骨架。实验结果表明:类八叉树空间能实现对点云的高效管理,提升骨架的准确度和时效性;自适应点云增强采样策略使提取的骨架具有较好的可重复性和描述性;本发明中的优化后的算法适用于多种领域的点云模型,且具有较好的自适应性和鲁棒性。

    基于关系回放的持续学习方法、装置、终端、介质和产品

    公开(公告)号:CN119962631A

    公开(公告)日:2025-05-09

    申请号:CN202510362233.4

    申请日:2025-03-26

    Abstract: 本发明公开了一种基于关系回放的持续学习方法、装置、终端、存储介质和计算机程序产品,该方法包括:利用当前任务输入的数据对存储在缓冲区中的先前任务样本进行更新后,获取先前任务训练样本;基于先前任务训练样本的数据,进行回放操作、数据增强操作后利用神经网络、经验回放模块、实例协同学习模块和类别协同学习模块进行训练得到第一数据;基于当前任务输入的数据进行数据增强操作后,利用神经网络进行训练得到第二数据;基于第一数据和第二数据确定目标函数,作为持续学习模型。该方案,通过结合神经网络、经验回放模块、实例协同学习模块和类别协同学习模块进行训练,以结合不同实例之间的相关性知识进行保存,避免灾难性遗忘。

    一种TiC/Ti5Si3增强铜基复合材料及其制备方法

    公开(公告)号:CN111485129B

    公开(公告)日:2021-02-26

    申请号:CN201910084264.2

    申请日:2019-01-29

    Abstract: 本发明属于金属材料领域,具体涉及一种TiC/Ti5Si3增强铜基复合材料及其制备方法,包括原料准备、Ti‑Si‑石墨等碳单质混合粉料的制备、粉末压块与烧结和TiC/Ti5Si3增强铜基复合材料的制备等步骤。本发明以石墨粉或炭黑或碳纳米管或石墨烯等碳单质材料为碳源,利用熔体中碳单质与钛自生反应合成TiC制备TiC/Ti5Si3增强铜基复合材料,制备工艺简单、成本低、效率高。TiC颗粒分布在Ti5Si3之间,增强体与基体界面结合良好,实现了颗粒与纤维的复合增强。制备的复合材料致密度高,导电、导热性能好,强度、硬度及耐磨性高,同时具有较好的塑韧性,适用于工业化生产和应用。

    基于经验回放的持续学习方法、装置、终端、介质和产品

    公开(公告)号:CN119962630A

    公开(公告)日:2025-05-09

    申请号:CN202510362211.8

    申请日:2025-03-26

    Abstract: 本发明公开了一种基于经验回放的持续学习方法、装置、终端、存储介质和计算机程序产品,该方法包括:获取人工智能体的内存中缓冲区中的数据,记为缓冲数据;并获取人工智能体的当前任务数据;采用UIS策略作为抽样策略,自缓冲数据中抽取样本,作为代表样本;基于代表样本进行UIR重放和双网络学习,得到LALL数据;双网络,包括:CNN网络和BNN网络;基于当前任务数据,经BNN网络学习后,得到Mprobs数据;基于LALL数据、以及Mprobs数据,更新人工智能体的内存中缓冲区中的数据,以实现人工智能体的持续学习。该方案,通过不确定性集成暗经验重放模型,在学习了新任务后保持之前任务的性能,确保稳健性和多样性。

    基于类八叉树编码的海量点云空间管理方法

    公开(公告)号:CN109345619B

    公开(公告)日:2023-05-16

    申请号:CN201810910834.4

    申请日:2018-08-10

    Abstract: 基于类八叉树编码的海量点云空间管理方法,是以海量点云数据为研究对象,提出了一种结合KD树空间切分思想的类八叉树混合点云索引结构,以实现对海量点云的高效管理。其对点云所在空间,首先利用KD树思想进行初步分割,对所得的子空间利用八叉树做进一步切分,建立类八叉树索引结构。并对传统线性八叉树编码进行改进,利用优化后的编码方式对空间进行编码,以实现更好地空间管理和邻域搜索。经实验结果和对比分析表明:类八叉树能够使数据组织的整体结构趋于合理,有效的提高了存取效率,降低了内存空间的占用;提升了传统KD树构造索引的速度,也改善了传统八叉树对空间占用过大、邻域搜索耗时过长的问题,实现了对海量点云空间的合理管理。

    一种基于类八叉树索引的显著性特征强化采样方法

    公开(公告)号:CN109325993B

    公开(公告)日:2023-01-06

    申请号:CN201810910824.0

    申请日:2018-08-10

    Abstract: 一种基于类八叉树索引的显著性特征强化采样方法,首先在类八叉树空间分割的基础上,对局部缺失严重的模型进行自适应点云特征强化;然后采用基于子空间的最邻近采样算法对增强后的点云进行下采样;最后,依据所得的采样点在增强后的点云中提取骨架。实验结果表明:类八叉树空间能实现对点云的高效管理,提升骨架的准确度和时效性;自适应点云增强采样策略使提取的骨架具有较好的可重复性和描述性;本发明中的优化后的算法适用于多种领域的点云模型,且具有较好的自适应性和鲁棒性。

Patent Agency Ranking