-
Patent Agency Ranking
公开(公告)号：CN118781117B
公开(公告)日：2024-12-20
申请号：CN202411267803.3
申请日：2024-09-11
Applicant: 北京理工大学
IPC: G06T7/00 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/60
Abstract: 本申请提供一种热防护材料表面粗糙度预测方法、装置、设备和存储介质，用于计算机视觉技术领域。该方法包括：获取数据集；其中，数据集包括基于热化学烧蚀理论模型和有限体积法模拟三维碳‑碳复合材料表面烧蚀形貌特征所构造的多个二维表面粗糙度样本图像；构建MSCNN‑BiLSTM注意力机制预测模型；将数据集输入MSCNN‑BiLSTM注意力机制预测模型进行迭代训练，获得表面粗糙度预测模型；将待检测图像输入表面粗糙度预测模型，获得表面粗糙度预测结果；其中，待检测图像基于待检测的碳‑碳复合材料获得。本申请的方法，通过MSCNN‑BiLSTM注意力机制预测模型对碳‑碳复合材料的表面粗糙度进行预测，显著提高了热防护材料表面粗糙度预测的准确性和可靠性。
-
公开(公告)号：CN108510252A
公开(公告)日：2018-09-07
申请号：CN201810309352.3
申请日：2018-04-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于区块链的智能电动汽车电网安全支付系统及方法，属于V2G网络的支付领域。本发明的系统按照角色划分，包括电动汽车用户、注册机构(RA)和区块链网络。按照功能划分，包括注册模块、支付执行模块和数据共享模块。基于区块链技术和密码学技术，采用特殊的注册机制、验证机制和新支付机制。本发明所述方法可以解决V2G网络支付领域的数据共享和用户的身份隐私保护问题，可以实现有效监管与隐私保护。能够降低外部攻击威胁，实现数据共享，更加符合实际的应用场景。能够支持有效的审计，能在支持审计的条件下保护隐私数据。能够兼顾交易数据共享和防止隐私信息泄露两方面的需求。
-
公开(公告)号：CN118781441A
公开(公告)日：2024-10-15
申请号：CN202411267773.6
申请日：2024-09-11
Applicant: 北京理工大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/774 , G06V10/778 , G06V10/82
Abstract: 本申请提供一种热防护材料表面粗糙度分类方法、装置、设备和存储介质，可用于计算机视觉技术领域。该方法包括：获取数据集，并将数据集划分为训练集和测试集；其中，数据集包括碳‑酚醛复合材料样本在进行烧蚀实验后获取的多个样本图像；基于ResNet18网络模型，构建ResNet18‑TL网络模型；将数据集输入ResNet18‑TL网络模型进行迭代训练，获得粗糙度分类模型；将待检测图像输入粗糙度分类模型，获得分类结果；其中，待检测图像基于待检测的碳‑酚醛复合材料获得。本申请的方法，通过深度卷积神经网络对碳‑酚醛复合材料的表面粗糙度进行分类，提高了碳‑酚醛复合材料表面粗糙度的分类准确性。
-
公开(公告)号：CN108510252B
公开(公告)日：2020-08-18
申请号：CN201810309352.3
申请日：2018-04-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于区块链的智能电动汽车电网安全支付系统及方法，属于V2G网络的支付领域。本发明的系统按照角色划分，包括电动汽车用户、注册机构(RA)和区块链网络。按照功能划分，包括注册模块、支付执行模块和数据共享模块。基于区块链技术和密码学技术，采用特殊的注册机制、验证机制和新支付机制。本发明所述方法可以解决V2G网络支付领域的数据共享和用户的身份隐私保护问题，可以实现有效监管与隐私保护。能够降低外部攻击威胁，实现数据共享，更加符合实际的应用场景。能够支持有效的审计，能在支持审计的条件下保护隐私数据。能够兼顾交易数据共享和防止隐私信息泄露两方面的需求。
-
公开(公告)号：CN118781117A
公开(公告)日：2024-10-15
申请号：CN202411267803.3
申请日：2024-09-11
Applicant: 北京理工大学
IPC: G06T7/00 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/60
Abstract: 本申请提供一种热防护材料表面粗糙度预测方法、装置、设备和存储介质，用于计算机视觉技术领域。该方法包括：获取数据集；其中，数据集包括基于热化学烧蚀理论模型和有限体积法模拟三维碳‑碳复合材料表面烧蚀形貌特征所构造的多个二维表面粗糙度样本图像；构建MSCNN‑BiLSTM注意力机制预测模型；将数据集输入MSCNN‑BiLSTM注意力机制预测模型进行迭代训练，获得表面粗糙度预测模型；将待检测图像输入表面粗糙度预测模型，获得表面粗糙度预测结果；其中，待检测图像基于待检测的碳‑碳复合材料获得。本申请的方法，通过MSCNN‑BiLSTM注意力机制预测模型对碳‑碳复合材料的表面粗糙度进行预测，显著提高了热防护材料表面粗糙度预测的准确性和可靠性。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
