-
公开(公告)号：CN119177236A
公开(公告)日：2024-12-24
申请号：CN202411185757.2
申请日：2024-08-27
Applicant: 中国科学院深圳先进技术研究院 , 清华大学
IPC: C12N15/113 , C12N9/22 , C12Q1/6825 , C12Q1/6886 , C07K14/00 , C12N15/85
Abstract: 本发明涉及对哺乳动物细胞中的目标RNA分子进行检测的传感器系统、方法和用途。所述传感器系统包括识别部分、信号处理蛋白以及执行部分，其中，所述识别部分由DiCas7‑11蛋白/Csx29蛋白/crRNA复合物组成，所述信号处理蛋白包含定位结构域、Csx30结构域、转录调控结构域以及转录激活结构域，所述执行部分包含与所述信号处理蛋白的所述转录调控结构域相互作用的核酸序列。本发明的系统和方法可有利地用于对哺乳动物宿主细胞内源RNA进行检测，进而实现RNA依赖性表达、疾病诊断以及靶向治疗。
-
公开(公告)号：CN110265227B
公开(公告)日：2021-07-06
申请号：CN201910521455.0
申请日：2019-06-17
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明提供一种自修复微型超级电容器及其制备方法，所述超级电容器包括含有微叉指结构凹槽的水凝胶聚电解质模板，填充在所述微叉指结构凹槽中的水凝胶电极，以及封装所述超级电容器的自修复电解质薄膜。所述微型超级电容器表现出良好的倍率性能，优异的面积比电容以及较高的电化学性能室温自修复效率，可以预见其在自修复柔性储能器件领域广阔的应用前景。
-
公开(公告)号：CN109796716A
公开(公告)日：2019-05-24
申请号：CN201910145670.5
申请日：2019-02-27
Applicant: 中国科学院深圳先进技术研究院
IPC: C08L33/24 , C08L29/04 , C08K3/16 , C08F220/58 , C08F222/38 , C08L79/02 , C08L33/14 , H01G11/56
Abstract: 本发明提供了一种可自修复的聚合物电解质及其制备方法和应用，包括聚(2-丙烯酰氨基-2-甲基-1-丙磺酸)以及可与磺酸基和/或酰胺基形成氢键的水溶性聚合物。本发明提供的聚合物电解质自修复效率高、柔韧性好，可弯曲、可拉伸，机械性能良好，将该聚合物电解质运用于双电层超级电容器中可获得具有优异自修复能力的柔性超级电容器。
-
公开(公告)号：CN109796716B
公开(公告)日：2021-07-02
申请号：CN201910145670.5
申请日：2019-02-27
Applicant: 中国科学院深圳先进技术研究院
IPC: C08L33/24 , C08L29/04 , C08K3/16 , C08F220/58 , C08F222/38 , C08L79/02 , C08L33/14 , H01G11/56
Abstract: 本发明提供了一种可自修复的聚合物电解质及其制备方法和应用，包括聚(2‑丙烯酰氨基‑2‑甲基‑1‑丙磺酸)以及可与磺酸基和/或酰胺基形成氢键的水溶性聚合物。本发明提供的聚合物电解质自修复效率高、柔韧性好，可弯曲、可拉伸，机械性能良好，将该聚合物电解质运用于双电层超级电容器中可获得具有优异自修复能力的柔性超级电容器。
-
公开(公告)号：CN110265227A
公开(公告)日：2019-09-20
申请号：CN201910521455.0
申请日：2019-06-17
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明提供一种自修复微型超级电容器及其制备方法，所述超级电容器包括含有微叉指结构凹槽的水凝胶聚电解质模板，填充在所述微叉指结构凹槽中的水凝胶电极，以及封装所述超级电容器的自修复电解质薄膜。所述微型超级电容器表现出良好的倍率性能，优异的面积比电容以及较高的电化学性能室温自修复效率，可以预见其在自修复柔性储能器件领域广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN117372990A
公开(公告)日：2024-01-09
申请号：CN202311181635.1
申请日：2023-09-13
Applicant: 清华大学
IPC: G06V20/58 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G01S17/89
Abstract: 本发明提供一种点云异常检测方法、系统及自动驾驶车辆，该方法包括：获取激光雷达感知的车辆周围环境的点云数据；将车辆周围环境的点云数据，输入预先建立和训练好的点云异常检测网络模型，输出点云异常检测结果；点云异常检测网络模型，用于对融合感知数据进行分类识别，并通过预设损失函数进行监督学习训练；融合感知数据为激光雷达感知的已知场景和基于点云深度学习数据集生成的伪异常物体融合后的数据。本发明在应用在自动驾驶车辆上，可以实现对车辆周围进行环境感知，准确分类和识别未知异常物体，提高点云异常检测的泛化性能，进而提高点云异常检测的精准度。
-
公开(公告)号：CN111752754B
公开(公告)日：2022-10-18
申请号：CN202010506828.X
申请日：2020-06-05
Applicant: 清华大学
Abstract: 本发明涉及一种用于存储器中雷达图像数据恢复的方法，属于数据恢复领域。本发明首先采集雷达图像构建雷达图像矩阵，然后生成一个大小一样的噪声图像矩阵，将两个矩阵合成加噪声后的雷达图像矩阵；构建一个自编码‑解码神经网络，将加噪声后的雷达图像矩阵输入该神经网络，得到自编码‑解码后的雷达图像矩阵；利用损失函数最小化训练该神经网络，得到训练完毕的神经网络；将受损雷达图像输入该训练完毕的神经网络，即可得到恢复后的雷达图像。本发明可在基于神经网络算法的雷达应用中提高对雷达图像存储数据的容错率，降低雷达应用的成本和功耗，在可穿戴物联网场景具有广泛的应用前景。
-
公开(公告)号：CN114266702A
公开(公告)日：2022-04-01
申请号：CN202210191905.6
申请日：2022-03-01
Applicant: 清华大学
Abstract: 本申请公开了一种基于压缩感知和深度光学的高速超分辨成像方法及装置，其中，方法包括：基于衍射光学和压缩感知理论，建立衍射光学元件和视频单帧压缩共同作用的成像模型，并利用深度学习框架端到端优化点扩散函数和重构网络，进而对三维视觉信号在空域进行编码，生成第一编码信息，并采用随机采样矩阵对三维视觉信号在时域进行编码，生成第二编码信息，并通过重构网络对时域和空域压缩采集的单帧低分辨观测图像进行重建，生成成像结果。由此，解决了相关技术采用分布式方法解决高速成像和超分辨成像问题，导致无法同时考虑时间与空间两个维度，视觉信息采集的效率和通量较低，无法有效满足成像需求的技术的问题。
-
公开(公告)号：CN113837944A
公开(公告)日：2021-12-24
申请号：CN202111152642.X
申请日：2021-09-29
Applicant: 清华大学
Abstract: 本说明书实施例提供了一种基于残差网络的DEM超分辨率方法和装置。该方法的一具体实施方式包括：首先，获取待处理DEM数据；然后，将上述待处理DEM数据输入预先训练的超分辨率模型，得到分辨率提高预设倍数的DEM数据，其中，上述超分辨率模型用于将输入的DEM数据的分辨率提升上述预设倍数，其中，上述超分辨率模型包括残差网络。
-
公开(公告)号：CN111444820B
公开(公告)日：2021-06-04
申请号：CN202010215230.5
申请日：2020-03-24
Applicant: 清华大学
Abstract: 本发明涉及一种基于成像雷达的手势识别方法。属于人机交互领域。本发明方法使用成像雷达作为硬件载体，结合自编码技术和循环神经网络实现了对用户动态手势的高准确率识别。本方法对不同的成像雷达都能应用。相对于基于摄像头设备实现的手势识别方法，本方法实现的模组更加轻便，识别环境中的手势时同时不受光线强弱的影响，因为不需要摄像头拍摄录像，这个方法不会泄露用户隐私，可以在很多比如智能家电控制、智能汽车驾驶室控制等场景中应用。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.108 seconds)
