本發(fā)明提供一種單相抑郁和雙相抑郁的輔助鑒別方法及裝置，所述方法包括：使用毫米波調(diào)頻連續(xù)波雷達(dá)非接觸式地采集受試者的胸腔微動信號；對胸腔微動信號進(jìn)行濾波和相位解調(diào)，分離呼吸成分和心跳成分，并從心跳成分中提取RR間期序列；根據(jù)RR間期序列計(jì)...

本公開提供了一種基于多模態(tài)多層級特征的異常檢測方法、電子設(shè)備、存儲介質(zhì)和程序產(chǎn)品，該方法包括：獲取待檢測圖像；對待檢測圖像進(jìn)行縮放處理和局部裁剪處理，得到全局縮放圖像塊和多個局部圖像塊；對全局縮放圖像塊進(jìn)行特征提取處理，得到全局視覺特征...

本發(fā)明涉及機(jī)器視覺技術(shù)領(lǐng)域，具體為一種基于AI視覺引導(dǎo)的輸送帶雜物智能分揀方法和系統(tǒng)，本發(fā)明提供的方法首先將待檢測圖像進(jìn)行去模糊消除運(yùn)動模糊、圖像增強(qiáng)擴(kuò)大雜物與煤塊差異，再通過目標(biāo)檢測實(shí)現(xiàn)雜物精準(zhǔn)識別，從源頭提升雜物識別準(zhǔn)確率；然后，基...

本發(fā)明公開了一種機(jī)器人策略學(xué)習(xí)方法及相關(guān)裝置，包括：基于遙操作的共享控制框架，構(gòu)建訓(xùn)練數(shù)據(jù)集；利用所述訓(xùn)練數(shù)據(jù)集，采用逐步減弱視覺輸入擾動的課程訓(xùn)練方法，對機(jī)器人策略進(jìn)行訓(xùn)練學(xué)習(xí)，得到訓(xùn)練學(xué)習(xí)后的機(jī)器人策略，該方法及相關(guān)裝置能夠提高數(shù)據(jù)...

本發(fā)明提供一種基于用戶偏好的物品推薦方法及裝置，涉及人工智能技術(shù)領(lǐng)域，所述方法通過采集當(dāng)前用戶的當(dāng)前行為數(shù)據(jù)和對應(yīng)的當(dāng)前物品屬性數(shù)據(jù)；將當(dāng)前行為數(shù)據(jù)和當(dāng)前物品屬性數(shù)據(jù)輸入預(yù)測模型，獲得預(yù)測模型輸出的當(dāng)前物品的推薦評分；基于推薦評分，向當(dāng)...

本發(fā)明公開了一種自適應(yīng)遠(yuǎn)程操作與示教學(xué)習(xí)融合控制方法及相關(guān)裝置，包括：搭建遙操作系統(tǒng)，所述意圖估計(jì)模塊由兩臺結(jié)構(gòu)相同的同構(gòu)機(jī)器人構(gòu)成；將所述主機(jī)器人獲取的末端運(yùn)動軌跡、施加的力信息或力矩信息以及環(huán)境中障礙物的分布狀態(tài)輸入到人類意圖估計(jì)模...

本發(fā)明提供一種室內(nèi)場景布局生成方法、裝置以及電子設(shè)備，應(yīng)用于三維生成技術(shù)領(lǐng)域，上述方法包括：獲取高斯分布采樣的隨機(jī)噪聲以及控制條件，其中，隨機(jī)噪聲用于表示初始三維室內(nèi)場景，控制條件用于表示待生成的家具之間的空間關(guān)系；將隨機(jī)噪聲與控制條件...

本發(fā)明提供一種基于全局特征聚合的車道線檢測方法以及裝置，應(yīng)用于計(jì)算機(jī)視覺技術(shù)領(lǐng)域，上述方法包括：獲取車道線圖像；將車道線圖像輸入至車道線檢測模型，得到車道線檢測結(jié)果，其中，包括：對車道線圖像進(jìn)行特征提取，得到特征圖；對特征圖進(jìn)行維度調(diào)整...

本發(fā)明提供一種3C生產(chǎn)線知識檢索方法和裝置，應(yīng)用于知識管理技術(shù)領(lǐng)域。該方法包括：構(gòu)建知識向量庫，該知識向量庫包括根據(jù)原始生產(chǎn)線文檔生成的向量化文本塊；通過大語言模型對該向量化文本塊進(jìn)行信息提取，得到多個知識問答對；基于該知識問答對，訓(xùn)練...

本公開提供了一種基于多模態(tài)場景引導(dǎo)的異常檢測方法、電子設(shè)備、存儲介質(zhì)和程序產(chǎn)品，該方法包括：獲取目標(biāo)視頻的多模態(tài)數(shù)據(jù)，其中，多模態(tài)數(shù)據(jù)包括視頻數(shù)據(jù)和場景定義文本，場景定義文本包括當(dāng)前場景下對異常的判定標(biāo)準(zhǔn)；對多模態(tài)數(shù)據(jù)進(jìn)行特征提取處理和...

本發(fā)明提供一種面向智能博弈對抗演練的TENA協(xié)議接入系統(tǒng)及方法，包括接入定義層、接入構(gòu)建層、接入執(zhí)行層和資源存儲層。接入定義層用于采集和匯總智能博弈對抗演練系統(tǒng)需要集成的TENA系統(tǒng)相關(guān)的協(xié)議需求信息，基于協(xié)議需求信息和資源存儲層存儲的...

本發(fā)明公開一種基于多模態(tài)殘差多智能體強(qiáng)化學(xué)習(xí)的雙臂協(xié)同精密裝配方法，屬于人工智能、機(jī)器人技術(shù)領(lǐng)域，包括：使用動態(tài)運(yùn)動原語進(jìn)行專家示教軌跡的建模，分別得到各個智能體的基礎(chǔ)策略；基于多智能體強(qiáng)化學(xué)習(xí)算法SA?MAPPO，引入注意力機(jī)制多模態(tài)...

本公開涉及電網(wǎng)調(diào)度方法及裝置。所述電網(wǎng)調(diào)度方法包括：基于電網(wǎng)的拓?fù)浣Y(jié)構(gòu)信息，確定指示電網(wǎng)拓?fù)浣Y(jié)構(gòu)中的每條邊的連接狀態(tài)的邊連接指示矩陣，其中，所述拓?fù)浣Y(jié)構(gòu)信息包括邊、節(jié)點(diǎn)以及邊所包括的開關(guān)的信息；基于故障點(diǎn)信息，確定邊和節(jié)點(diǎn)的特征矩陣；將...

本發(fā)明提供了一種策略評估方法，包括：基于待評估策略文本和策略提示詞模板，生成策略提示詞；利用策略評估智能體對策略提示詞進(jìn)行評估，得到策略評估結(jié)果；策略提示詞模板是在提示詞有效性評估結(jié)果和提示詞一致性評估結(jié)果滿足預(yù)設(shè)條件的情況下確定的待校...

本公開涉及雙人交互運(yùn)動生成方法及裝置。所述方法包括：利用大語言模型對文本描述進(jìn)行語義擴(kuò)寫，將文本描述拆解為施動者描述和受動者描述，基于施動者描述、受動者描述和文本描述確定第一文本特征；計(jì)算第一文本特征與數(shù)據(jù)庫中的文本特征之間的余弦相似度...

本發(fā)明提供一種用于多異構(gòu)體自主協(xié)作場景的韌性自適應(yīng)調(diào)控方法及系統(tǒng)，涉及協(xié)同控制技術(shù)領(lǐng)域，方法包括：將多個異構(gòu)體執(zhí)行的協(xié)作任務(wù)分解為多個子任務(wù)，并通過任務(wù)匹配的方式將每個子任務(wù)分配到每個異構(gòu)體；根據(jù)子任務(wù)的執(zhí)行先后關(guān)系，構(gòu)建異構(gòu)體的協(xié)作拓...

本發(fā)明提供了一種作物高產(chǎn)品種的判別方法、電子設(shè)備以及存儲介質(zhì)，可以應(yīng)用于農(nóng)業(yè)生產(chǎn)和圖像處理技術(shù)領(lǐng)域。該方法包括：將目標(biāo)作物的多模態(tài)影像以時間順序進(jìn)行圖像拼接，得到時間序列的多模態(tài)影像，其中，目標(biāo)作物的多模態(tài)影像通過無人機(jī)以垂直攝影的方式...

一種基于旋轉(zhuǎn)轉(zhuǎn)臺的機(jī)械臂位姿可達(dá)性增強(qiáng)方法及相關(guān)裝置，方法包括在仿真平臺上設(shè)置一個機(jī)械臂工作范圍空間，在工作范圍空間內(nèi)隨機(jī)生成視點(diǎn)的位姿，檢測機(jī)械臂能否正常到達(dá)生成的視點(diǎn)位姿，根據(jù)檢測結(jié)果將每個視點(diǎn)位姿以及相應(yīng)的機(jī)械臂到達(dá)能力結(jié)果記錄下...

本公開提供了一種微動作識別方法、電子設(shè)備、存儲介質(zhì)和程序產(chǎn)品，該方法包括：獲取待識別視頻序列，其中，待識別視頻序列中包含人物圖像；從待識別視頻序列中提取人體骨骼特征、視覺特征、語義特征；使用多個并行的交叉注意力模塊，對人體骨骼特征、視覺...

本發(fā)明涉及腦機(jī)接口技術(shù)領(lǐng)域，提供一種基于調(diào)控增強(qiáng)模擬的腦機(jī)接口指令下達(dá)方法、裝置及設(shè)備，方法包括：腦電解碼模型包括編碼器、特征增強(qiáng)器和任務(wù)分類器，編碼器對實(shí)時腦電信號進(jìn)行編碼得到神經(jīng)調(diào)控前的壓縮表征，特征增強(qiáng)器對壓縮表征進(jìn)行特征增強(qiáng)得到...