-
公开(公告)号：CN119588346A
公开(公告)日：2025-03-11
申请号：CN202411066910.X
申请日：2024-08-05
Applicant: 清华大学
IPC: B01J23/648 , F23G7/07 , B01J35/61 , B01J35/63 , B01J23/652
Abstract: 本发明提供一种高选择性抗积碳CO氧化催化剂及其制备方法。CO氧化催化剂包括载体、负载在所述载体表面和/或内部的活性成分和助剂；其中，所述活性成分包括贵金属元素，所述助剂包括非贵金属元素；以所述载体的总质量为100％计，所述助剂的含量为10％以下，优选3～6％；以所述载体和所述助剂的总质量为100％计，所述活性成分的含量为1.5％以下，优选0.5～1.5％。本发明的CO氧化催化剂具有抗NOx、抗积碳、不易氧化NO、CO催化燃烧活性高等特点，具备优异的催化燃烧CO的性能，特别是催化燃烧钢铁烧结烟气CO的性能。
-
公开(公告)号：CN117789788A
公开(公告)日：2024-03-29
申请号：CN202311789172.7
申请日：2023-12-25
Applicant: 清华大学
Abstract: 本发明公开了一种信息的DNA存储、读取方法及装置，其中该方法包括：将待存储数字信息转换为DNA序列信息；使用基于喷墨原理的亚磷酰胺核苷酸的合成方法对DNA序列在原始DNA芯片上按照预设空间位置进行合成；将合成了DNA序列的芯片进行封装后保存；对合成了DNA序列的芯片上的待读取区域进行去封装操作；通过喷墨原理的方法向去封装操作后的序列芯片上的待读取区域添加测序用的荧光单体试剂，获得DNA序列信息及其空间位置；根据空间位置解码DNA序列得到原始数字信息。本发明可以基于喷墨打印技术和空间位置直接寻址的DNA存取，实现DNA存取环节的集成化，降低了DNA数据存取成本，提高了信息存取效率。
-
公开(公告)号：CN111340049B
公开(公告)日：2023-06-09
申请号：CN202010151431.3
申请日：2020-03-06
Applicant: 清华大学
Abstract: 本公开涉及一种基于广域动态卷积的图像处理方法及装置，所述方法包括：对待处理图像进行特征提取，得到N级特征图，N为大于1的整数；对第N级特征图进行上采样，得到所述待处理图像的第一特征图；根据所述N级特征图及预设的卷积核尺寸，确定与所述第一特征图中的各个像素点对应的卷积核；根据与所述第一特征图中的各个像素点对应的卷积核及各个像素点的邻近区域尺寸，对所述第一特征图中的各个像素点分别进行卷积及池化处理，得到所述待处理图像的第二特征图；根据所述第二特征图，确定所述待处理图像的图像处理结果。本公开的实施例可对待处理图像的特征图进行增强，提高特征图的分辨率及清晰度，进而可提高图像处理的准确性。
-
公开(公告)号：CN115920920A
公开(公告)日：2023-04-07
申请号：CN202211690088.5
申请日：2022-12-27
Applicant: 清华大学
IPC: B01J23/889 , B01J37/08 , F23G7/07 , C01G45/02
Abstract: 本发明涉及一种尖晶石催化剂及其制备方法和用途。尖晶石催化剂的制备方法，包括以下步骤：获取第一金属前驱体和第二金属前驱体，且第一金属前驱体和第二金属前驱体不同；将第一金属前驱体、第二金属前驱体以及络合剂溶于溶剂中，得到前驱体溶液；对所述前驱体溶液进行干燥，得到粘性胶体；对所述粘性胶体进行热处理，得到固体物质；对所述固体物质进行煅烧，得到尖晶石型氧化物；对所述尖晶石型氧化物进行碱处理，得到尖晶石催化剂。本发明的尖晶石催化剂的制备方法简单易行，原料易于获取，操作方便，适合大批量生产。
-
公开(公告)号：CN112802048A
公开(公告)日：2021-05-14
申请号：CN202110120086.1
申请日：2021-01-28
Applicant: 清华大学
Abstract: 本发明公开了一种具有不对称结构的图层生成对抗网络生成方法及装置，图层生成网络的生成器首先生成前景图像、前景掩膜以及背景图像等图层，然后将图层堆叠获得生成图像。通过训练一个不对称结构的图层生成对抗网络，利用该网络生成大量带有前景掩膜伪标注的图像，这些图像被用作训练数据集来训练一个分割网络，进而实现无监督物体分割。该方法解决了图层对抗生成网络的训练易于陷入退化解的问题，使得图层对抗生成网络能够有效地生成图层，同时前景掩膜被当做图像的分割伪标注，被用于训练分割器，整个过程不需要额外的人为标注，大大减少了准备数据的时间与成本。
-
Patent Agency Ranking
公开(公告)号：CN115187787A
公开(公告)日：2022-10-14
申请号：CN202211101798.X
申请日：2022-09-09
Applicant: 清华大学
IPC: G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，特别涉及一种用于自监督多视图表征学习的局部流形增强的方法及装置，其中，方法包括：基于局部流形增强概率，对目标图像进行局部流形增强，并应用手工数据增强方法，提取每个样本的多视图数据，并将多视图数据输入至自监督多视图表征学习模型，将图像投影到特征空间，其中，自监督学习模型利用所产生的多视图数据选取正样本和/或负样本的表征计算损失函数，迭代优化初始模型。由此，解决了表示学习难以充分获取丰富多变的视图的问题，能够有效地提升模型提取表征的性能以及其在下游任务中的迁移学习能力。
-
公开(公告)号：CN112518742B
公开(公告)日：2022-01-25
申请号：CN202011281615.8
申请日：2020-11-16
Applicant: 清华大学深圳国际研究生院
IPC: B25J9/16 , B25J13/00 , G06F30/27 , G06N7/00 , G06F113/28
Abstract: 本发明公开了一种基于动态模型与事后经验回放的多目标机器人控制方法，本发明能够学习到完成整个目标空间的策略，在泛化性上比现有方法更有优势；本发明通过基于模型的值函数估计和事后经验回放提高了多目标强化学习中的数据利用效率；相比其他离线值函数估计方法没有离线偏差，虽然存在模型误差，但是本发明通过单步与多步值函数估计的加权求和权衡了模型误差和学习速度，具有更好的表现。
-
公开(公告)号：CN112518742A
公开(公告)日：2021-03-19
申请号：CN202011281615.8
申请日：2020-11-16
Applicant: 清华大学深圳国际研究生院
IPC: B25J9/16 , B25J13/00 , G06F30/27 , G06N7/00 , G06F113/28
Abstract: 本发明公开了一种基于动态模型与事后经验回放的多目标机器人控制方法，本发明能够学习到完成整个目标空间的策略，在泛化性上比现有方法更有优势；本发明通过基于模型的值函数估计和事后经验回放提高了多目标强化学习中的数据利用效率；相比其他离线值函数估计方法没有离线偏差，虽然存在模型误差，但是本发明通过单步与多步值函数估计的加权求和权衡了模型误差和学习速度，具有更好的表现。
-
公开(公告)号：CN115187787B
公开(公告)日：2023-01-31
申请号：CN202211101798.X
申请日：2022-09-09
Applicant: 清华大学
IPC: G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，特别涉及一种用于自监督多视图表征学习的局部流形增强的方法及装置，其中，方法包括：基于局部流形增强概率，对目标图像进行局部流形增强，并应用手工数据增强方法，提取每个样本的多视图数据，并将多视图数据输入至自监督多视图表征学习模型，将图像投影到特征空间，其中，自监督学习模型利用所产生的多视图数据选取正样本和/或负样本的表征计算损失函数，迭代优化初始模型。由此，解决了表示学习难以充分获取丰富多变的视图的问题，能够有效地提升模型提取表征的性能以及其在下游任务中的迁移学习能力。
-
公开(公告)号：CN115564024A
公开(公告)日：2023-01-03
申请号：CN202211242759.1
申请日：2022-10-11
Applicant: 清华大学
Abstract: 本申请涉及计算机视觉与深度学习技术领域，特别涉及一种生成网络的特征蒸馏方法、装置、电子设备及存储介质，其中，包括：获取目标生成网络中的多个特征图；将其输入至预设挤压模块，并从中挤压出满足预设变换不变性的预设图像特征；从预设数据增广中随机抽样出图像变换算子，并利用图像变换算子对预设图像特征进行特征蒸馏，得到目标生成网络在合成图像领域的图像；并将其输入至预设学生网络，同时输入真实图像进行自监督对比学习，使得目标生成网络的蒸馏表征扩张至真实图像领域，实现目标生成网络的特征蒸馏。由此，解决了无法从GAN的生成器中蒸馏出价值的表征信息，无法充分利用或将表征迁移至下游任务，降低了表征提取网络的性能等问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.027 seconds)
