一种基于磷杂芴结构的酰基氧膦化合物及其制备方法

    公开(公告)号:CN117777199A

    公开(公告)日:2024-03-29

    申请号:CN202310111860.1

    申请日:2023-02-14

    Applicant: 北京大学

    Abstract: 本发明提供一类基于磷杂芴结构的酰基氧膦化合物及其制备方法,所述酰基氧膦化合物为下式(I)所示的酰基氧膦化合物,该类化合物可以作为自由基光引发剂被用于光固化技术中。此外,这种制备方法避免了传统磷化工生产中使用污染极大的氯气以及由此引起的后续的排放的问题,是一种极为环保的生产方法。此外,本发明公开的方法反应条件温和、反应时间较短、后处理简单,并可以得到较高的收率。#imgabs0#

    视频动作识别方法、装置和机器设备

    公开(公告)号:CN110163052A

    公开(公告)日:2019-08-23

    申请号:CN201810861147.8

    申请日:2018-08-01

    Abstract: 本发明揭示了一种视频动作识别方法、装置和机器设备。所述方法包括:获取进行动作识别的视频数据;对视频数据在神经网络中进行网络各层的特征抽取中,经由神经网络的网络结构使得视频图像上抽取的空域特征进入双线性层;相邻帧视频图像之间根据空域特征进行双线性层上的双线性相关性运算,获得视频数据中每帧视频图像的时空域特征;通过时空域特征进行视频中动作的分类,获得视频数据的动作识别结果。对于神经网络中网络各层的特征抽取,在双线性层上双线性相关性运算中参数和计算复杂度得到控制,进而在控制复杂度的情况下抽取了时空域特征由此,实现了时域关系上的显式建模,有效提升动作识别的性能。

    一种有机胂杂环化合物及其制备方法

    公开(公告)号:CN118812601A

    公开(公告)日:2024-10-22

    申请号:CN202310415571.0

    申请日:2023-04-18

    Applicant: 北京大学

    Abstract: 本发明提供一类有机胂杂环化合物及其制备方法,所述有机胂杂环化合物为下式(I)所示的砷杂环戊二烯类化合物,该类化合物可以作为有机胂配体用于金属有机化学和有机合成方法学的研究中。此外,这种制备方法避免了传统有机胂化合物制备中使用剧毒挥发性的三氯化砷、氢化砷以及由此引起的后续排放的问题,因此是一种较为环保的生产方法。此外,本发明公开的方法反应步骤简洁、反应条件温和、后处理简单,并可以得到较高的收率。#imgabs0#

    一种季磷盐化合物及其制备方法
    7.
    发明公开

    公开(公告)号:CN118307592A

    公开(公告)日:2024-07-09

    申请号:CN202310440941.6

    申请日:2023-04-23

    Applicant: 北京大学

    Abstract: 本发明提供一种式(II)所示的季磷盐化合物及其制备方法,其是利用白磷为底物直接合成的一种季磷盐结构的有机磷化合物,该工艺方法避免了传统的磷化工生产中使用污染极大的氯气以及由此引起的后续的排放问题,是一种更为环保的生产方法。此外,本发明公开的方法反应条件温和、反应时间较短、后处理简单,并可以获得较高的收率。#imgabs0#

    一种基于磷杂芴结构的三芳基膦化合物及其制备方法

    公开(公告)号:CN117777198A

    公开(公告)日:2024-03-29

    申请号:CN202310111856.5

    申请日:2023-02-14

    Applicant: 北京大学

    Abstract: 本发明提供一类基于磷杂芴结构的三芳基膦化合物及其制备方法,其为下式(I)所示的三芳基膦化合物,该类化合物可以作为有机单膦配体被用于有机合成方法学中。这种合成方法避免了传统磷化工生产中使用污染极大的氯气以及由此引起的后续的排放的问题,是一种极为环保的生产方法。此外,本发明公开的方法反应条件温和、反应时间较短、后处理简单,并可以得到较高的收率。#imgabs0#

    视频动作识别方法、装置和机器设备

    公开(公告)号:CN110163052B

    公开(公告)日:2022-09-09

    申请号:CN201810861147.8

    申请日:2018-08-01

    Abstract: 本发明揭示了一种视频动作识别方法、装置和机器设备。所述方法包括:获取进行动作识别的视频数据;对视频数据在神经网络中进行网络各层的特征抽取中,经由神经网络的网络结构使得视频图像上抽取的空域特征进入双线性层;相邻帧视频图像之间根据空域特征进行双线性层上的双线性相关性运算,获得视频数据中每帧视频图像的时空域特征;通过时空域特征进行视频中动作的分类,获得视频数据的动作识别结果。对于神经网络中网络各层的特征抽取,在双线性层上双线性相关性运算中参数和计算复杂度得到控制,进而在控制复杂度的情况下抽取了时空域特征由此,实现了时域关系上的显式建模,有效提升动作识别的性能。

Patent Agency Ranking