-
公开(公告)号：CN116755282A
公开(公告)日：2023-09-15
申请号：CN202310706351.3
申请日：2023-06-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于石墨烯‑硅基MRR的光学数值比较器，包括：衬底层、以及嵌设于衬底层上表面的微环谐振器结构，衬底层为二氧化硅衬底，微环谐振器结构包括Y型分支波导，与Y型分支波导两个对称分叉端部相连且平行间隔布置的两组直波导，以及两两对称分布于两组直波导外侧且呈矩形排布的四组微环波导；位于直波导同一侧的两组微环波导作间隔分布且轴心距为4.5μm，每组微环波导与相邻直波导之间的耦合间距均为0.05μm，微环谐振器结构采用硅基材料，且微环波导上依次完全覆盖铺设有六方氮化硼层、石墨烯层以及二氧化硅层；石墨烯层与微环波导上均设有金属电极。本发明的光学数值比较器具有高消光比、高对比度、结构紧凑、稳定性高等优点。
-
公开(公告)号：CN116297734A
公开(公告)日：2023-06-23
申请号：CN202310150620.2
申请日：2023-02-22
Applicant: 桂林电子科技大学
IPC: G01N27/26 , G01N27/30 , G01N27/327 , G01N27/416
Abstract: 本发明公开了一种基于多步电压阶跃法的汗液葡萄糖检测装置及方法，该汗液葡萄糖检测装置由刺激排汗模块、汗液收集模块、三电极电化学检测模块、上位机组成。使用该汗液葡萄糖检测装置检测葡萄糖的流程如下：(1)使用刺激排汗模块刺激皮肤发汗，并使用汗液收集模块收集汗液；(2)收集到的汗液与0.1MNaOH溶液1：1混合；(3)三电极电化学检测模块基于多步电压阶跃法检测混合溶液的葡萄糖浓度；(4)结果上传至上位机显示。本发明仅需控制施加在工作电极和参考电极之间的4种电势，即可实现刺激排汗和汗液葡萄糖检测，并且在检测结束后去除掉电极表面的各种干扰物质，利于葡萄糖的连续测量，因为存在葡萄糖选择透过膜，可以在复杂样本溶液中进行测量，具有良好的稳定性和灵敏度，具有广泛的应用前景。
-
公开(公告)号：CN111695316B
公开(公告)日：2023-06-09
申请号：CN202010536487.0
申请日：2020-06-12
Applicant: 桂林电子科技大学
IPC: G06F30/3308 , G06F30/27 , G06N3/006 , G06F115/08
Abstract: 本发明公开一种基于改进混合算法的片上网络测试规划方法，先引入反向学习策略，以增加初始种群的多样性；再添加动态惯性权重w和交叉概率因子CR分别对粒子群算法(PSO)和差分学习算法(DE)进行改进，以增加种群的随机性与遍历性；后将改进粒子群算法与改进差分算法相结合，对NoC实施测试规划，以提高片上网络测试效率，降低测试成本和测试过程中产生的功耗。
-
公开(公告)号：CN116150083A
公开(公告)日：2023-05-23
申请号：CN202310153308.9
申请日：2023-02-22
Applicant: 桂林电子科技大学
IPC: G06F15/78 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的片上网络系统映射方法，在映射模型中将注意力机制和待映射任务图中节点间连接关系相结合，形成依赖节点间连接关系的局部注意力机制来避免映射模型在节点编码阶段引入不必要的信息干扰节点信息的编码；映射模型在解码阶段以最近映射节点和待映射节点间注意力值作为待映射节点的映射概率值，在训练模型时采用多项式抽样解码来增强模型映射结果的多样性，在测试模型时采用贪婪解解码的方式选择概率最大的待映射节点来得到最优的待映射节点。引入映射效果评价模型作为基线以强化学习的方法来对映射模型进行无监督训练。本发明构建的基于注意力机制的片上网络映射方法，具有针对同一NoC架构进行模型训练即可实现同类待映射问题快速且高效的求解。
-
公开(公告)号：CN115588191A
公开(公告)日：2023-01-10
申请号：CN202211121058.2
申请日：2022-09-15
IPC: G06V20/69 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于图像声流控细胞分选模型的细胞分选方法、系统及计算机可读存储介质，图像声流控细胞分选模型包括细胞图像识别模块和细胞弹射模块，细胞分选方法包括：获取原始细胞图像集和预确定的样本细胞图像集；将样本细胞图像集输入细胞图像识别模块进行特征提取，得到细胞图像的图像种类信息；将图像种类信息以及样本图像集输入图像声流控细胞分选模型进行训练；将原始细胞图像输入训练好的图像声流控细胞分选模型进行图像预测，确定与图像类别对应的目标图像；基于细胞弹射模块将与目标图像对应的细胞弹射至预设收集区。在本发明实施例中能够采用无标记的方法进行细胞的自动分类，从而实现目标细胞的纯化收集。
-
Patent Agency Ranking
公开(公告)号：CN114842100A
公开(公告)日：2022-08-02
申请号：CN202210377201.8
申请日：2022-04-12
Abstract: 本发明实施例提供了一种太赫兹图像重建的模型训练方法、太赫兹图像重建方法、装置、系统及计算机可读存储介质，太赫兹光谱仪采集到的初始太赫兹图像和与初始太赫兹图像不同类别的高分辨率图像经过将分辨率处理后得到的低分辨率图像共同输入到卷积网络模型中，通过卷积网络模型对低分辨率图像进行特征信息的提取。通过在卷积网络模型的最后一层设置残差融合层，使得卷积网络模型对低分辨率图像进行特征信息的提取更加全面，减少梯度下降对图像分辨率重建的影响，从而使卷积网络模型对太赫兹图像重建出更高的分辨率。
-
公开(公告)号：CN114820308A
公开(公告)日：2022-07-29
申请号：CN202210377676.7
申请日：2022-04-12
Abstract: 本发明公开了一种基于特征卷积神经网络的太赫兹超分辨重建方法、系统及计算机可读存储介质，特征卷积神经网络包括边缘检测模块、下采样模块和超分辨重构模块，太赫兹超分辨重建方法包括：获取训练样本集，将训练样本集中的缺陷图像集输入边缘检测模块生成二值边缘图像集；将二值边缘图像集输入下采样模块进行下采样处理，得到特征卷积核算子；将训练样本集输入超分辨重构模块，使得超分辨重构模块根据特征卷积核算子对高分辨率图像集以及低分辨率图像集进行训练，生成权重矩阵；根据权重矩阵生成与训练样本集对应的目标缺陷图像。在本发明实施例中,基于特征卷积神经网络实现太赫兹超分辨重建，能够提高太赫兹缺陷轮廓分辨率。
-
公开(公告)号：CN114742917A
公开(公告)日：2022-07-12
申请号：CN202210442223.8
申请日：2022-04-25
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于卷积神经网络的CT图像分割方法，先利用给定的已分割的CT图像对构建的分割模型中对其进行训练，再将待分割的CT图像送入训练好的分割模型中，得到分割好的CT图像。本发明的分割模型EfficientNetV2‑UNet以由EfficientNetV2模型中的特征提取器部分作为主干网络，该主干网络中包含5个注意力机制模块(2个融合‑移动翻转卷积块和3个移动翻转卷积块)。分割模型的特征提取器部分进行特征的有效提取，且使模型更小、训练速度更快，多尺度的信息提取，细节与“较粗”抽象信息都得到有效的提取与保留，在降低了噪声的影响的同时最大限度的保留模糊边界的梯度信息，分割精度更高。
-
公开(公告)号：CN111061115B
公开(公告)日：2022-06-21
申请号：CN202010047648.X
申请日：2020-01-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于表面等离子硅基波导的电光混合半加器及其控制方法，基于表面等离子硅基波导的电光混合半加器包括二氧化硅底层、第一硅波导层、第二硅波导层、第三硅波导层、第一电调控组件、第二电调控组件、第一电极层和第二电极层，第一二氧化硅层、第一ITO激活薄膜层、第一二氧化硅层和第一电极层依次位于第一硅波导层上，第二二氧化硅层、第二ITO激活薄膜层、第二二氧化硅层和第一电极层依次位于第二硅波导层上，第二二氧化硅层、第二ITO激活薄膜层、第二二氧化硅层和第二电极层依次位于第二硅波导层上。通过利用ITO激活材料薄膜的电调控特性实现了光路通断，从而实现了两位二进制数的加法功能，器件尺寸紧凑，可制造性强。
-
公开(公告)号：CN114637132A
公开(公告)日：2022-06-17
申请号：CN202210292569.4
申请日：2022-03-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种用于片上网络互连的电光调制器，由二氧化硅衬底、输入波导、输出波导、表面等离子调制体和隔离层组成。光信号从输入波导入射，由于输入波导上有可以使光信号发生转换的带有ITO材料的表面等离子调制体，通过ITO材料的物理特性，在其表面等离子调制体的第一金属电极层和第二金属电极层两端加电压，导致ITO材料活性的变化，使得光信号离开输入波导，耦合到紧挨着的输出波导。本发明将表面等离子激元和活性材料ITO引入到电光调制器中，减小了电光调制器的尺寸，提高了消光比和调制速率并且减少通信延迟。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.04 seconds)
