-
公开(公告)号：CN112170841A
公开(公告)日：2021-01-05
申请号：CN202011044714.4
申请日：2020-09-28
Applicant: 华中科技大学 , 深圳华中科技大学研究院
IPC: B22F3/105 , B22F3/24 , C25D11/26 , A61L27/06 , A61L27/32 , A61L27/56 , A61L27/50 , B33Y10/00 , B33Y40/20
Abstract: 本发明属于生物医用材料领域，公开了一种具有表面可控微纳复合结构生物膜的钛植入体的制备方法，包括以下步骤：(1)设计表面具有微米孔隙的钛植入体模型；(2)采用增材制造方法中的激光选区熔化(SLM)技术将钛植入体模型打印成形，得到钛植入体初品；(3)采用等离子体微弧氧化(PEO)技术配合水热法后处理或电泳沉积法后处理在所述钛植入体初品的表面原位生成微纳复合结构的羟基磷灰石膜层，从而得到钛植入体成品。本发明通过对植入体细节结构设计及制备方法整体工艺流程设计进行改进，模仿生物骨组织结构，获得表面形貌和成分可控的微纳复合结构生物膜层，能增加植入件与周围组织的结合效率和结合强度。
-
公开(公告)号：CN112170841B
公开(公告)日：2021-11-19
申请号：CN202011044714.4
申请日：2020-09-28
Applicant: 华中科技大学 , 深圳华中科技大学研究院
IPC: B22F3/105 , B22F3/24 , C25D11/26 , A61L27/06 , A61L27/32 , A61L27/56 , A61L27/50 , B33Y10/00 , B33Y40/20
Abstract: 本发明属于生物医用材料领域，公开了一种具有表面可控微纳复合结构生物膜的钛植入体的制备方法，包括以下步骤：(1)设计表面具有微米孔隙的钛植入体模型；(2)采用增材制造方法中的激光选区熔化(SLM)技术将钛植入体模型打印成形，得到钛植入体初品；(3)采用等离子体微弧氧化(PEO)技术配合水热法后处理或电泳沉积法后处理在所述钛植入体初品的表面原位生成微纳复合结构的羟基磷灰石膜层，从而得到钛植入体成品。本发明通过对植入体细节结构设计及制备方法整体工艺流程设计进行改进，模仿生物骨组织结构，获得表面形貌和成分可控的微纳复合结构生物膜层，能增加植入件与周围组织的结合效率和结合强度。
-
公开(公告)号：CN115033662B
公开(公告)日：2025-03-11
申请号：CN202210658296.0
申请日：2022-06-10
Applicant: 华中科技大学
IPC: G06F16/334 , G06F16/35 , G06F16/36 , G06F18/241 , G06N3/045 , G06N3/048 , G06N3/08 , G06N5/02 , G06N5/04
Abstract: 本发明涉及一种分布式注意的时序知识图谱推理方法，通过将时序知识图谱进行时间序列化重组，准确表达时间演化特征与时序子图的结构依赖性，继而基于存储历史子图信息的稀疏矩阵提取历史重复事实和历史频次信息，基于注意力机制使查询事实赋予历史重复事实以第一层的分布式注意力，继而通过捕获历史频次信息的最新变化，对第一层注意力得分分别赋予第二层的注意力奖励和惩罚，使注意力更适应时变性特征，最后利用两层注意力的得分对未来事件进行推理预测。相比于传统预测方式，本发明在不同的历史时间戳上赋予可学习的分布式注意力，而非通过编码器获得固定的嵌入表示，使得模型在解决时变性问题时具备更出色的能力。
-
公开(公告)号：CN114861917B
公开(公告)日：2024-10-18
申请号：CN202210490127.0
申请日：2022-04-29
Applicant: 华中科技大学
Abstract: 本发明涉及一种贝叶斯小样本学习的知识图谱推理模型、系统及推理方法，所述方法至少包括：对知识图谱中的实体和关系进行高斯分布的建模以降低知识图谱的不确定性；将每个实体作为一个任务，以模拟动态知识图谱中新出现实体的元训练过程进行任务采样；基于图神经网络构建元学习器并进行随机推理；训练所述元学习器以使用支持集来表示新出现实体。本发明经过训练的模型具有快速适应的能力，无需重新训练就能推断出新的事实或出现的实体。
-
公开(公告)号：CN114741537B
公开(公告)日：2024-08-02
申请号：CN202210484762.8
申请日：2022-04-29
Applicant: 华中科技大学
Abstract: 本发明涉及一种基于干涉原理的知识图谱补全方法及系统，方法至少包括：在知识图谱采样的情况下，构建知识图谱补全模型；对知识图谱补全模型进行模型训练和性能评估；对知识图谱不全的三元组进行缺失元素的预测；构建知识图谱补全模型的方式至少包括：基于光的干涉叠加原理采用叠加后的光强数据构建打分函数，将知识图谱中的三元组与光强叠加的过程相对应，将在知识图谱采样过程中得到的正例及负例进行区分。通过将光的干涉叠加原理引入到知识图谱的嵌入模型中，利用两束同频光波叠加的增强及削弱效应模拟知识图谱中广泛存在的正例与负例。本发明的补全模型能够较准确地为知识图谱中的三元组打分，并且预测知识图谱中的缺失三元组。
-
Patent Agency Ranking
公开(公告)号：CN116498618A
公开(公告)日：2023-07-28
申请号：CN202310360326.4
申请日：2023-04-06
Applicant: 华中科技大学
Abstract: 本发明属于气动技术领域，并具体公开了一种水下高可靠平衡式解锁气缸，其包括缸体、活塞杆和弹簧，其中：缸体两端分别设置有输出侧端盖、止动侧端盖；活塞杆轴向穿过缸体，活塞杆两端分别从输出侧端盖、止动侧端盖伸出，且活塞杆在止动侧端盖侧的端面安装有挡板；活塞杆上设有与缸体间隙配合的活塞，该活塞靠近止动侧端盖一侧设置有定位凸台，且定位凸台与缸体、止动侧端盖间形成充气腔；弹簧位于缸体和活塞杆之间形成的弹簧腔内，且弹簧两端分别设置在活塞和输出侧端盖端面上。本发明为单作用气缸，采用两端均伸出活塞杆的平衡式结构，通过高强度弹簧抵抗在水下恶劣环境条件下加速度产生的冲击，且该气缸结构简单、成本低、安全环保。
-
公开(公告)号：CN110046747B
公开(公告)日：2021-07-27
申请号：CN201910209550.7
申请日：2019-03-19
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q50/00 , G06F16/901
Abstract: 本发明公开了一种面向图流的社交网络用户间路径规划方法和系统，属于路径规划技术领域。本发明采用按图的结构是否变化将动态社交网络图流切分成多个静态图，保证各个静态图结构不同，使得可以在静态图上执行广度优先算法寻找局部最短路径，实现动态图的处理。本发明将每一个静态图的终点作为下一个静态图起点，从而能够将多个连续静态图上的最短路径串联起来形成一条完整的最短路径，将搜索静态图过程中到达的中间节点作为当前的图的终点，为路径规划提供暂留能力，从而考虑了由未来到达的连接边所产生的最佳路径，充分利用了图流结构变化可预测的特点。
-
公开(公告)号：CN106021450A
公开(公告)日：2016-10-12
申请号：CN201610325193.7
申请日：2016-05-17
Applicant: 华中科技大学
IPC: G06F17/30
CPC classification number: G06F16/9535
Abstract: 本发明公开了一种面向事件的微博搜索方法，包括微博的索引策略和对最后搜索结果的排名。微博索引策略是指对满足什么条件的微博进行搜因和怎样对这些微博进行索引，索引策略直接影响索引和查询的效率。本发明采用部分索引策略，只对和事件相关的微博进行索引，仅仅对包含主题标签或者命名实体的微博进行索引；索引结构则是采用的是简单的单倒排索引。对搜索结果的排名是指对搜索结果按照一定的策略进行排名，从而将最符合用户需求的结果呈现给用户。本发明的排名机制将用户的重要性和微博本身的特性进行线性组合：用户的重要性是考虑到微博中用户的关注的数量和被关注的数量，微博本身的特性则涉及到某条微博的被转发次数和评论次数。
-
公开(公告)号：CN102609449B
公开(公告)日：2014-05-07
申请号：CN201210006157.6
申请日：2012-01-06
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种使用维基百科构建概念型知识地图的方法，步骤为：①从维基百科全文数据中抽取知识文档，将抽取的文档分类并存储；②从知识文档中获取知识信息，分析每篇知识文档获取知识信息并存入数据库；③以知识节点格式描述库中的规范为基础，将知识信息转化为相应的概念知识节点和类别知识节点，并以文件格式存储至本地；④建立索引以提供使用关键字对知识信息进行检索的功能，并将检索返回的结果进行显示。利用本发明构建的知识地图不仅可以适用于多个领域，而且其中的知识信息可以和维基百科一起更新，同时知识源的获取容易，知识信息全面，采用可扩展标记语言对知识节点信息进行描述，因此可扩展性强并且可以在多平台上使用。
-
公开(公告)号：CN102521299B
公开(公告)日：2014-03-26
申请号：CN201110391522.5
申请日：2011-11-30
Applicant: 华中科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种资源描述框架数据的处理方法，包括以下步骤：(1)利用哈希算法对资源描述框架数据进行处理，以生成N*3的矩阵，其中N为大于1的整数，矩阵的三列分别代表主体数组、谓词数据和客体数组，(2)确定主体数组和客体数组中的最大值eidmax，以及谓词数组中的最大值pidmax，(3)建立资源描述框架数据的关联矩阵M，其中，关联矩阵的大小为(eidmax+1)*N，并将关联矩阵M所有位初始化为0，(4)根据矩阵设置关联矩阵中的位值，并对资源描述框架数据进行转换，(5)对关联矩阵M进行压缩。本发明能够对大规模的资源描述框架数据进行高效地存储。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.033 seconds)
