-
公开(公告)号：CN113870504A
公开(公告)日：2021-12-31
申请号：CN202111260215.3
申请日：2021-10-28
IPC: G08B13/16 , G08B13/196 , G08B15/00 , G08B25/00 , G08B25/08 , G08B7/06 , H04N5/76 , H04N7/18 , G01S15/88 , G01S15/58
Abstract: 本发明提供基于AI及雷达探测的架空线路防外力破坏监测系统，包括：前端检测单元，设置在杆塔上用于对架空输电线路的周围环境进行检测，形成检测信息和告警信息；后台监测单元，接收前端检测单元的检测信息和告警信息，对架空输电线路的周围环境进行可视化监测，并产生控制指令；通讯传输单元，用于对前端检测单元和后台监测单元的通讯传输。本发明还提供基于AI及雷达探测的架空线路防外力破坏监测监测方法。本发明可对输电线路自身以及周边状况进行实时监测，便于值班人员实时了解现场状况；通过AI智能分析模块，可对现场人员进行人脸识别，车牌识别，安全帽智能识别、存储；联动现场视频或拍照系统，进行报警联动。
-
公开(公告)号：CN118894991A
公开(公告)日：2024-11-05
申请号：CN202410923423.4
申请日：2024-07-10
Applicant: 北京理工大学
IPC: C08G83/00 , B01J31/22 , C07C67/08 , C07C69/716
Abstract: 本发明公开了一种铬基金属有机框架材料及其应用，所述框架材料为铬金属离子以六配位的方式与5‑磺酸基间苯二甲酸单钠形成的非对称配位结构，是同时含有微孔和介孔的多尺度孔道的晶态材料。所述框架材料的微观形貌为细束组成的捆状结构。该框架材料具有优异的水分和热稳定性以及催化有机酸与醇进行酯化反应的性能。
-
Patent Agency Ranking
公开(公告)号：CN113960431A
公开(公告)日：2022-01-21
申请号：CN202111260178.6
申请日：2021-10-28
Abstract: 本发明提供智能架空电缆防外破监测系统，包括：前端检测单元，用于对架空输电线路进行检测，获取架空电缆的状态信息；前端服务单元，用于接收前端检测单元检测的状态信息进行分析处理，形成监测及预警信息；后台监控单元，用于接收前端服务单元的监测及预警信息并产生控制指令；无线通讯单元，用于对前端服务单元和后台监控单元的通讯传输；所述前端检测单元通过总线与前端服务单元连接，所述前端服务单元通过无线通讯单元与后台监控单元通讯。本发明还提供智能架空电缆防外破监测方法。本发明可对输电线路自身以及周边状况进行实时监测，便于值班人员实时了解现场状况，通过无线通讯单元将现场的监测信息发送给后台监控单元，实现远程监控。
-
公开(公告)号：CN108108184B
公开(公告)日：2020-12-04
申请号：CN201711380042.2
申请日：2017-12-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度信念网络的源代码作者识别方法，属于Web挖掘和信息抽取领域。本发明包括如下步骤：构建源代码数据集，对源代码数据进行预处理；基于连续n‑gram代码段模型提取源代码特征；基于训练源代码文件样本训练深度信念网络模型；利用经过训练的深度信念网络模型进行源代码文件的作者识别，输出源代码文件的作者识别结果。本发明将源代码作者识别问题转换为分类问题，通过深度信念网络识别源代码的作者身份，提高了作者身份识别的性能和效率，在信息检索、信息安全、计算机取证等领域具有广阔的应用前景。
-
公开(公告)号：CN108108184A
公开(公告)日：2018-06-01
申请号：CN201711380042.2
申请日：2017-12-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度信念网络的源代码作者识别方法，属于Web挖掘和信息抽取领域。本发明包括如下步骤：构建源代码数据集，对源代码数据进行预处理；基于连续n‑gram代码段模型提取源代码特征；基于训练源代码文件样本训练深度信念网络模型；利用经过训练的深度信念网络模型进行源代码文件的作者识别，输出源代码文件的作者识别结果。本发明将源代码作者识别问题转换为分类问题，通过深度信念网络识别源代码的作者身份，提高了作者身份识别的性能和效率，在信息检索、信息安全、计算机取证等领域具有广阔的应用前景。
-
公开(公告)号：CN105653706B
公开(公告)日：2018-04-06
申请号：CN201511026567.7
申请日：2015-12-31
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于文献内容知识图谱的多层引文推荐方法，属于信息推荐和智能信息处理领域。本方法首先获取用户的查询需求，查询需求由需要推荐引用论文或引用文献的论文的标题和摘要的关键词构成。然后，基于文献内容的知识图谱扩展查询检索词语，知识图谱由文献的研究对象词语和研究行为词语结点，以及表示同义、近义、上下位、部分整体、并列等各种语义关系的边构成。最后，构建数据集中文献的倒排索引，选取候选引文，计算候选引文和查询的相似度，采用梯度渐进回归树来进行引文推荐。本方法基于文献内容知识图谱进行多层次的引文推荐，扩大了候选引文的范围，准确地表达了论文的研究对象和内容，提高了用户获取相关文献的效率，具有广阔的应用前景。
-
公开(公告)号：CN105653706A
公开(公告)日：2016-06-08
申请号：CN201511026567.7
申请日：2015-12-31
Applicant: 北京理工大学
IPC: G06F17/30
CPC classification number: G06F17/30619 , G06F17/30699
Abstract: 本发明公开了一种基于文献内容知识图谱的多层引文推荐方法，属于信息推荐和智能信息处理领域。本方法首先获取用户的查询需求，查询需求由需要推荐引用论文或引用文献的论文的标题和摘要的关键词构成。然后，基于文献内容的知识图谱扩展查询检索词语，知识图谱由文献的研究对象词语和研究行为词语结点，以及表示同义、近义、上下位、部分整体、并列等各种语义关系的边构成。最后，构建数据集中文献的倒排索引，选取候选引文，计算候选引文和查询的相似度，采用梯度渐进回归树来进行引文推荐。本方法基于文献内容知识图谱进行多层次的引文推荐，扩大了候选引文的范围，准确地表达了论文的研究对象和内容，提高了用户获取相关文献的效率，具有广阔的应用前景。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
