-
公开(公告)号：CN116216841A
公开(公告)日：2023-06-06
申请号：CN202211535011.0
申请日：2022-12-02
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明涉及净水装置技术领域，尤其涉及一种带有超声杀灭功能的净水装置及控制方法，超声波发生器产生一定频率的超声波，利用超声波的空化效应对装置内原水处理进行杀灭处理，杀灭原水中所含害虫、细菌、病毒等微生物。本发明的优点在于可以在较短时间内杀灭装置内原水中的致病性微生物，且不需要添加有害于人体的化学药剂，不产生有害副作用；解决了传统滤孔尺寸大效率虽然提升并保留有益物质，却无法有效去除有害虫类、细菌、病毒等微生物的固有矛盾问题，同时为动物饲养等需要大量净水的应用领域提供了一种非常有效的规模化净水生成新技术，具有彻底灭杀有害微生物、净化效率高、保留有益物质、可产生大量净水、使用成本低等显著优点。
-
公开(公告)号：CN117415087A
公开(公告)日：2024-01-19
申请号：CN202311654450.8
申请日：2023-12-05
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于超声清洗技术领域，公开了一种麻将机超声清洗装置及控制方法，装置由清洗水槽、置物槽、进水口、出水口、水阀、超声波发声装置、液位计、传动装置、控制系统组成。超声波的高频能量使得液体发生空化，在短时间内产生大量微小气泡，同时气泡破裂产生大量能量并发热，对固体表面具有优秀的清洁作用，同时能够在一定程度上杀灭微生物。本发明的清洗消耗只有清洁溶剂，不产生其他污染物，相对于传统清洗方式，全自动便捷式清洁，减少了繁杂过程节约大量清洁用水，能够杀灭长期使用沾染的细菌，解决了清洗麻将需要重新搬运和冲洗得不够高效清洁力度小等问题，具有可持续性、环保性、高效性、能消毒、自清洁、自烘干、全自动等优点。
-
公开(公告)号：CN115373021B
公开(公告)日：2025-04-11
申请号：CN202211023472.X
申请日：2022-08-25
Applicant: 电子科技大学
IPC: G01V1/28 , G01V1/30 , G06F16/901 , G06F16/903
Abstract: 本发明公开一种基于全局视角的地震全层位追踪方法，应用于油气勘探领域，针对现有的自动追踪方法缺乏地震数据的全局视角，易于陷入局部最优，导致追踪结果有违实际的地质构造，难以满足实际应用需求的问题，本发明使用复杂网络表征层位的整体分布，其中节点表示层位片段的中心道集，节点属性涵盖层位片段的所在位置和碎片内部连接情况等信息，边属性给出层位片段之间可能存在的连接关系；针对节点表示的每一个层位片段中心道集，本发明基于点集拓扑的方法进行层位片段融合，在符合地震地层学的基础上获得完整层位面，避免了串层的出现；经实验表明，本发明的方法能够有效进行层位提取，保证层位面的完整性，对地层情况复杂的区域也有较好的效果。
-
公开(公告)号：CN116402965A
公开(公告)日：2023-07-07
申请号：CN202310392171.2
申请日：2023-04-13
Applicant: 电子科技大学
Abstract: 本发明公开基于多尺度梯度结构张量的三维地震图像倾角估计方法，应用于计算机视觉和图像处理领域，针对现有融合机制并没有考虑到地震倾角特有的信息，因此不能充分利用不同尺度的信息的问题；本发明采用多尺度方案与梯度结构张量算法结合的多尺度梯度结构张量方法和基于倾角估计质量的融合机制，使用质量度量作为尺度融合权重，实现低信噪比三维地震数据的鲁棒、高分辨率倾角估计。
-
公开(公告)号：CN109905481B
公开(公告)日：2020-09-25
申请号：CN201910175135.4
申请日：2019-03-08
Applicant: 电子科技大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于RTI‑DDS的Qos模型的构建及Qos策略方案的运行性能预测方法。本发明根据RTI‑DDS设计中的实体分类，作为决策树第一维度的节点，每个节点内，包含各部分对应的Qos策略。节点内，含有第二个维度，将Qos策略的设置问题分成了数值指标和开关配置两部分，分别转化成以时间复杂度和空间复杂度为指标的线性模型作为第二个维度的一个节点；以及同样基于多变量决策树结构的非线性模型，将此作为第二维度的第二个节点。用户可以提供传输数据的特征以及指标，从决策树节点推导得到合适的模型参数与Qos策略，此模型建模的复杂性低，计算时间短，成本小。
-
Patent Agency Ranking
公开(公告)号：CN115205534A
公开(公告)日：2022-10-18
申请号：CN202210889492.9
申请日：2022-07-27
Applicant: 电子科技大学
Abstract: 本发明公开一种基于无监督模型驱动型深度学习的地震采集脚印去噪方法，应用于地震数据处理领域，针对现有的脚印去除方法，在地震图像具有超出其假设的意外特性时，依赖于手工制作的先验知识，则脚印去除效果不佳的问题；本发明提出了一种模型驱动的脚印消除网络FR，用于无监督的捕获脚印抑制，不需要任何有价值的信号假设；FR‑Net网络根据噪声的固有方向性设计一个单向总变差采集脚印模型。通过使用UTV模型对深度卷积自编码器进行强规整，确保FR‑Net网络将DCAE从完全的数据驱动转换为模型驱动，继承了DCAE和脚印模型的优势。通过反向传播算法优化FR‑Net网络，以无监督的方式投影出脚印噪声和有用信号的完全分离。
-
公开(公告)号：CN116430449A
公开(公告)日：2023-07-14
申请号：CN202310302011.4
申请日：2023-03-27
Applicant: 电子科技大学
IPC: G01V1/30 , G06V10/776 , G06V10/82 , G06V10/762
Abstract: 本发明公开一种基于改进的焦点损失的叠前地震反射分析方法，应用于地震地层学领域，针对现有深度聚类方法往往忽略潜在特征的表示能力，并在聚类层中总是存在样本误分类问题，本发明首先根据实际工区数据和时窗数据获得叠前地震数据，为网络训练样本数据集作准备；接着，使用DCIF网络模型对数据集进行迭代训练，利用网络的自我训练，将聚类层的目标分布视为真实标签分布，将改进后的焦点损失引入到聚类模块中，并以无监督的方式使用；本发明方法联合优化了这两个模块，以端到端的方式学习面向深度聚类的表示，直接生成地震相图。
-
公开(公告)号：CN109905481A
公开(公告)日：2019-06-18
申请号：CN201910175135.4
申请日：2019-03-08
Applicant: 电子科技大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于RTI-DDS的Qos模型的构建及Qos策略方案的运行性能预测方法。本发明根据RTI-DDS设计中的实体分类，作为决策树第一维度的节点，每个节点内，包含各部分对应的Qos策略。节点内，含有第二个维度，将Qos策略的设置问题分成了数值指标和开关配置两部分，分别转化成以时间复杂度和空间复杂度为指标的线性模型作为第二个维度的一个节点；以及同样基于多变量决策树结构的非线性模型，将此作为第二维度的第二个节点。用户可以提供传输数据的特征以及指标，从决策树节点推导得到合适的模型参数与Qos策略，此模型建模的复杂性低，计算时间短，成本小。
-
公开(公告)号：CN116755145A
公开(公告)日：2023-09-15
申请号：CN202310883390.0
申请日：2023-07-18
Applicant: 电子科技大学
IPC: G01V1/28 , G01V1/30 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/08 , G06F17/11
Abstract: 本发明公开了一种基于多地震属性回归网络的三维地震层位智能追踪方法，构建一个多属性回归网络，将三维地震层位追踪问题表述为一个多元属性回归模型，然后通过DCAE的编码器结构提取深度特征并作为输入序列，通过LSTM进行序列回归分析，再通过LSTM输出的预测值和DCAE解码器结构重构出地震层位图像，完成数据重构，最后输出地震层位图像，完成三维地震层位追踪。本发明的方法引入系统状态方程来建立时间关系，捕捉时间动态并提高回归分析的准确性，通过DCAE提取深度特征并作为输入序列，使LSTM能够有效模拟多个地震属性和目标层位之间的时空关系，与直接使用LSTM相比，DCAE‑LSTM结构能够充分发挥时空相关性，利用多个地震属性来实现精确和稳健的追踪结果。
-
公开(公告)号：CN115482168A
公开(公告)日：2022-12-16
申请号：CN202211171543.0
申请日：2022-09-26
Applicant: 电子科技大学
Abstract: 本发明公开一种基于低秩张量近似的去噪方法，应用于地震数据去噪领域，针对现有去噪技术都是强调随机噪声的抑制而不是足迹的去除，从而不能完全去除混合噪声，重建出高质量的地震图像的问题，本发明提出一种新的去噪模型UTV‑LRTA模型，具体通过将足迹污染的地震图像分解为UTV的图像分量和足迹分量来去除足迹噪声，通过使用张量核范数正则化三阶地震张量的低秩来稀释随机噪声；并采用基于SBI的算法对提出的UTV‑LRTA进行了有效求解。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.056 seconds)
