检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

专利技术特征溯源及其规范化

中国科技论坛 2024年第2期 126-135页

作者：饶先成中国计量大学法学院浙江杭州310018

技术特征是专利法领域的基础性术语,但专利法和专利审查指南均未对如此重要的术语进行定义,从而导致技术特征的适用困难。梳理权利要求制度的发展过程可知,权利要求虽然起到界定专利权范围的作用,但实际起界权功能的是构成权利要求的要... 详细信息

技术特征是专利法领域的基础性术语,但专利法和专利审查指南均未对如此重要的术语进行定义,从而导致技术特征的适用困难。梳理权利要求制度的发展过程可知,权利要求虽然起到界定专利权范围的作用,但实际起界权功能的是构成权利要求的要素即技术特征。经历了前专利法时代到专利法领域的应用,技术特征术语从技术认识和表达的工具转变为具有规范意义的界权工具。对技术特征的定义和分析有助于消除各种术语之间的混乱,然而由于技术特征的定义造成技术特征划分取决于技术功能的抽象化程度,导致技术特征划分量级的不确定性。以事实与价值二分原理作为理论依据,对于不同价值判断的技术功能抽象化水平则应结合所处的具体情境,在实践理由支撑下进行价值衡量,从而实现技术特征划分的理性化和规范化。

关键词：技术特征权利要求技术功能事实与价值二分

含有动态酯键的可回收环氧树脂及其碳纳米管复合材料的前线聚合法制备与性能研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

含有动态酯键的可回收环氧树脂及其碳纳米管复合材料的前线聚合法...

作者：杨鹏微南昌航空大学

学位级别：硕士

可移动的送风式果蔬压差预冷厢设计与试验研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

可移动的送风式果蔬压差预冷厢设计与试验研究

作者：吴晓微浙江科技大学

学位级别：硕士

基于数据降维和时空特征提取的PM2.5浓度预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据降维和时空特征提取的PM2.5浓度预测模型研究

作者：韩雪微北方民族大学

学位级别：硕士

空气质量问题一直是人们关注的重点,建立一个高准确性的PM2.5浓度预测模型,对于环境保护和社会发展具有重要意义。本文提出了基于PCA-CNN-LSTM模型和SAE-CNN-LSTM模型的PM2.5浓度预测算法,其中应用主成分分析法（Principal Component An... 详细信息

空气质量问题一直是人们关注的重点,建立一个高准确性的PM2.5浓度预测模型,对于环境保护和社会发展具有重要意义。本文提出了基于PCA-CNN-LSTM模型和SAE-CNN-LSTM模型的PM2.5浓度预测算法,其中应用主成分分析法（Principal Component Analysis,PCA）和栈式自编码算法（Stacked Autoencoder,SAE）对目标环境监测站点的变量进行特征降维,同时应用K均值聚类算法（K-means clustering algorithm,K-means）根据经纬度对环境监测站点进行聚类,使用卷积神经网络模型（Convolutional Neural Network,CNN）提取聚类后环境监测站点空气污染物变量的数据特征,最后应用长短期记忆神经网络模型（Long Short-Term Memory,LSTM）提取时间特征。选择三个地理位置、气候特点完全不同的城市沈阳市、苏州市、重庆市2020年1月1日到2021年12月31日每小时空气污染物数据和气象数据来验证模型的准确性和普适性,并将本文提出的两种模型分别与BP神经网络模型（Back Propagation Neural Networks,BPNN）,基于主成分分析和长短期记忆神经网络的PCA-LSTM模型,基于栈式自编码算法和长短期记忆神经网络的SAE-LSTM模型等进行对比。得出结论如下:（1）应用PCA算法对目标环境监测站点的空气污染物变量和气象变量进行降维,沈阳市、苏州市、重庆市分别提取了3、3、2个主成分。经实验分析利用PCA算法对变量降维赋权的预测模型与其它模型相比第一到第六小时预测值的均方根误差（Root Mean Square Error,RMSE）降低了7.78%到38.82%,实验结果表明应用PCA算法对变量降维赋权的PM2.5预测方法可以降低模型计算的复杂度,提高模型运算效率。（2）应用SAE模型对特征变量进行降维,将沈阳市、苏州市、重庆市空气污染物变量和气象变量的维度从11维降低到4维,有效的简化了特征的数量。经实验分析进行SAE特征降维的模型与其他模型相比第一到第六小时的预测值RMSE降低了3.63%到30.06%。实验结果表明SAE模型有较强的特征提取功能,可以有效降低数据维度,提升模型预测精度。（3）应用K-means算法根据经纬度分别将沈阳市11个环境空气质量监测站点、苏州市10个环境空气质量监测站点、重庆市17个环境空气质量监测站点分别聚为3类,并利用CNN模型对聚类后的环境监测站点进行空间信息提取,LSTM模型进行时间特征提取。经实验分析,利用K-means算法进行空间聚类和CNN模型进行空间特征提取的模型与其他模型相比第一到第六小时预测值RMSE降低了3.11%到30.21%。实验结果表明利用K-means算法和CNN算法充分考虑了PM2.5浓度变化的空间相关性,提取出对目标环境监测站点影响较大的空间因素,提高模型了的预测精度。（4）PCA-CNN-LSTM、SAE-CNN-LSTM模型与BPNN模型、Bi LSTM模型、CNN-LSTM模型、PCA-LSTM模型、SAE-LSTM模型相比,第一小时RMSE降低了11.73%到38.82%、平均绝对误差（Mean Absolute Error,MAE）降低了11.52%到45.01%、决定系数（Coefficient of Determination,R）提高了1.04%到5.83%,第六小时RMSE降低了2.59%到8.21%、MAE降低了3.15%到12.67%、R提高了1.12%到3.49%。其中PCA-CNN-LSTM模型与SAE-CNN-LSTM模型相比,第一小时PCA-CNN-LSTM模型的预测效果较好,第二到第六小时两个模型在不同城市展示出了不同的预测效果。

关键词： PCA算法 SAE算法 LSTM模型 CNN模型预测

上市公司公告语调与股价走势相结合的信息披露违规风险识别方法设计研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

上市公司公告语调与股价走势相结合的信息披露违规风险识别方法设...

作者：张子微云南师范大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向毫米波大规模MIMO信道估计技术研究

面向毫米波大规模MIMO信道估计技术研究

作者：袁亚微齐鲁工业大学

学位级别：硕士

为了解决目前以及未来越来越多的设备接入移动通信网络的问题,引入毫米波(Millimeter Wave,mm Wave)相关概念。毫米波波长短,天线间干扰小,还可以提供更宽的带宽和更高的频谱效率,使大规模天线集成成为可能。毫米波大规模多输入多输出(M... 详细信息

为了解决目前以及未来越来越多的设备接入移动通信网络的问题,引入毫米波(Millimeter Wave,mm Wave)相关概念。毫米波波长短,天线间干扰小,还可以提供更宽的带宽和更高的频谱效率,使大规模天线集成成为可能。毫米波大规模多输入多输出(Multiple Input Multiple Output,MIMO)系统通过波束赋形技术(Beamforming),使得发射或接收的信号能量集中在特定的方向上,产生高方向性的窄带波束,这种窄带波束可以有效地减少信号的损耗和干扰。然而,由于在毫米波大规模MIMO系统中,数字波束赋形需要为每个输出提供专用射频(Radio Frequency,RF)链,因此可用的无线电资源不足。采用基于透镜天线阵列的毫米波大规模MIMO系统是一种有效的策略,可以在不牺牲性能的前提下减少所需射频链的数量,从而降低系统复杂性和成本。透镜天线阵列通过利用透镜结构来控制和聚焦电磁波的传输方向。这种结构使得传统的信道模型可以被转换成角度域的波束空间信道模型,在透镜天线阵列中,信号的主要能量往往集中在少数几个角度或方向上,这就是波束空间信道的稀疏性。本文研究的领域是毫米波大规模MIMO系统,主要对该系统的信道估计算法进行改进并优化。利用透镜天线阵列波束赋形的特性,将信道模型转化到波束空间,并将用于处理图像领域的算法应用在处理信号的领域中,进行信道估计。这样做可以简化信道估计和处理的复杂度。本文一共提出以下两种对毫米波大规模MIMO系统的信道估计研究方案。第一种方法是提出一种基于快速灵活去噪网络(Fast and flexible denoising network,FFDNet)的毫米波大规模MIMO系统的信道估计方案。该方案首先通过典型的毫米波大规模MIMO系统,利用透镜天线均匀平面阵列产生新的波束空间数据集,随后将FFDNet和残差网络相结合构建毫米波大规模MIMO系统的FFDNet信道估计器模型,将数据集输入到FFDNet信道估计器模型中,对网络模型进行训练,采用随机梯度下降法和ADAM优化器对FFDNet信道估计器模型进行优化,并通过残差网络来提高网络的准确性和缩短训练时间。该方案不仅提高了信道估计精度,还在网络模型较简单的情况下取得较优异的性能。第二种方法是提出一种基于卷积盲去噪网络(Convolutional blind denoising network,CBDNet)的毫米波大规模MIMO系统的信道估计方案。该方案通过典型的Saleh-Valenzuela(S-V)信道模型生成波束空间数据集,随后采用CBDNet去噪器的基于学习降噪的近似消息传递(CBDLDAMP)算法模型。该模型继承了迭代信号恢复算法和深度学习技术的优越性,从而呈现出优异的性能。CBDLDAMP算法模型可以获得更好的信道估计精度,并提供了一个大系统环境下CBDLDAMP算法模型性能的分析框架,该框架可以在短时间内准确地预测网络的性能。CBDLDAMP算法模型还可以在接收端的射频链数较少的情况下也能获得优异的性能,验证了它的实用性和适用性。

关键词：大规模MIMO 信道估计毫米波深度学习