-
Patent Agency Ranking
公开(公告)号：CN115107272B
公开(公告)日：2023-07-14
申请号：CN202210786170.1
申请日：2022-07-04
Applicant: 湖南大学
IPC: B29C64/129 , B29C64/182 , B29C64/264 , B33Y10/00 , B33Y30/00 , B33Y70/10
Abstract: 本发明公开了一种多材质构件体积打印成形方法及系统，成形系统包括投影模块、光学调整模块、成形腔模块，监测模块、辅助模块和控制模块。成形方法是利用本发明所述成形系统，通过投影包含打印模型中心切片信息的图案光在预制打印基质中断层重建三维光剂量分布，进而体积性快速聚合打印基体，从而制备出成形件。本发明采用上述一种多材质构件体积打印成形方法及系统，避免了材料逐层叠加式增材制造构件的分层缺陷，解决了传统体积打印工艺中的制件沉降和材料粘度约束问题，拓宽了光学系统设计的自由度，可以实现大尺寸多材质构件的高精高效快速打印成形。
-
公开(公告)号：CN111027084A
公开(公告)日：2020-04-17
申请号：CN201911247754.6
申请日：2019-12-09
Applicant: 湖南大学
Abstract: 一种云计算中基于属性基加密的细粒度授权的关键字安全查询方法，本发明公开了一种应用于云计算安全和可搜索加密领域的方法，本发明针对目前云计算中对于数据可搜索性、保密性和细粒度访问控制的需求以及现有的基于属性基的可搜索加密方案存在的问题：无法同时满足支持三种判断方式(AND门、OR门和阈门)和计算开销太大，利用访问控制树和双线性映射，构造出一种基于属性基加密的细粒度授权的关键字安全查询方法，可以实现AND门、OR门和阈值门的判断，且时间开销可以满足实际应用。
-
公开(公告)号：CN109033738B
公开(公告)日：2022-01-11
申请号：CN201810742486.4
申请日：2018-07-09
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度学习的药物活性预测方法。本发明使用RDkit开源库用于计算给定分子中每个原子的基本特征，包括原子类型，化合价，形式电荷等，只计算原子特征大大减少时间耗费。本发明是结合了图卷积和LSTM两种模型(长短期记忆网络)的预测模型，对于图卷积模型，通过将原子视为节点并将键作为无向图中的边来将所有分子特征化为图，提取分子结构特征，使用图卷积神经网络可以减少时间耗费的同时获取传统方法无法得到的特征。LSTM通过在证据和查询分子之间交换信息来学习复杂的度量。从而达到在低数据量下较高的预测准确度。
-
公开(公告)号：CN109033738A
公开(公告)日：2018-12-18
申请号：CN201810742486.4
申请日：2018-07-09
Applicant: 湖南大学
CPC classification number: G06N3/08
Abstract: 本发明公开了一种基于深度学习的药物活性预测方法。本发明使用RDkit开源库用于计算给定分子中每个原子的基本特征，包括原子类型，化合价，形式电荷等，只计算原子特征大大减少时间耗费。本发明是结合了图卷积和LSTM两种模型(长短期记忆网络)的预测模型，对于图卷积模型，通过将原子视为节点并将键作为无向图中的边来将所有分子特征化为图，提取分子结构特征，使用图卷积神经网络可以减少时间耗费的同时获取传统方法无法得到的特征。LSTM通过在证据和查询分子之间交换信息来学习复杂的度量。从而达到在低数据量下较高的预测准确度。
-
公开(公告)号：CN115107272A
公开(公告)日：2022-09-27
申请号：CN202210786170.1
申请日：2022-07-04
Applicant: 湖南大学
IPC: B29C64/129 , B29C64/182 , B29C64/264 , B33Y10/00 , B33Y30/00 , B33Y70/10
Abstract: 本发明公开了一种多材质构件体积打印成形方法及系统，成形系统包括投影模块、光学调整模块、成形腔模块，监测模块、辅助模块和控制模块。成形方法是利用本发明所述成形系统，通过投影包含打印模型中心切片信息的图案光在预制打印基质中断层重建三维光剂量分布，进而体积性快速聚合打印基体，从而制备出成形件。本发明采用上述一种多材质构件体积打印成形方法及系统，避免了材料逐层叠加式增材制造构件的分层缺陷，解决了传统体积打印工艺中的制件沉降和材料粘度约束问题，拓宽了光学系统设计的自由度，可以实现大尺寸多材质构件的高精高效快速打印成形。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
