本发明公开了一种基于深度学习卷积神经网络的LIBS多成分定量反演方法，适用于激光光谱分析领域。本方法利用卷积神经网络算法在图像特征识别方面的独特优势，将其应用于LIBS光谱定量反演。由本发明所设计的卷积神经网络构建方案，能够对样品的LIBS谱线形态进行特征提取和深度学习，利用已知样品的LIBS光谱对卷积神经网络进行训练后，该网络可同时对未知样品的多种化学成分含量进行分析预测。本发明具有操作简捷、训练高效、准确度高、鲁棒性好的优点，适用于定量分析LIBS光谱，尤其适用于分析谱线形态复杂度较高、干扰噪声较大的LIBS光谱。

本发明涉及图像压缩技术领域，具体提供了一种利用深度语义分割技术的图像压缩方法。与现有技术相比，本发明的利用深度语义分割技术的图像压缩方法，主要分为编码过程和解码过程；在编码过程中利用GAN网络进行训练，输出生成模型和判别模型；在解码过程中语义分割图利用解压工具进行解压，还原成原语义分割图；将原语义分割图作为输入，放入到之前生成的生成模型和判别模型中，产出生成一个仿原输入图像的近似图像。该方法可以大大提升图像压缩的速度、压缩率，并可以使压缩后图像降低失真率，优化压缩流程，具有良好的推广价值。

值得注意的是，我们的结构预测系统仍在开发中，我们无法确定我们提供的结构的准确性，尽管我们相信该系统比我们早期的CASP13系统更精确。我们证实，我们的系统为实验测定的SARS-CoV-2蛋白数据库中共享的峰蛋白结构提供了准确的预测，这使我们相信我们对其他蛋白的模型预测可能是有用的。我们最近与英国Francis Crick研究所的几位同事分享了我们的研究结果，其中包括结构生物学家和病毒学家，他们鼓励我们现在就向一般科学界发布我们的结构。我们的模型包括每残基的置信分数，以帮助指出结构的哪些部分更可能是正确的。我们只提供了缺乏合适模板或模板建模困难的蛋白质的预测。虽然这些未被研究的蛋白质不是目前治疗工作的主要焦点，但它们可能会增加研究人员对SARS-CoV-2的了解。

产品介绍 Discuz! X3.4 在继承和完善 Discuz! X3.3 的基础上，去除了云平台的相关代码，其他功能保持不变，如果您的论坛不需要云平台可以选择安装或更新到此版本。X3.4将不定期的在官方 Git 中更新，欲追求更新版本的站长欢迎关注。 官方 Git 地址：https://gitee.com/ComsenzDiscuz/DiscuzX 更新日志 点此查看 下载地址 X3.4 从 2018 年 1 月 1 日起只在官方 Git 发布 说明： 全新安装：请参照以往版本的安装过程进行，上传程序，并执行 http://你的域名/论坛/install/ 升级： Discuz! 程序 X3.2、X3.3 1）备份数据库 2）建立文件夹 old，旧程序除了 data ， config， uc_client, uc_server 目录以外的程序移动进入 old 目录中 3）上传 X3.4 程序（压缩包中 upload 目录中的文件）， 如上传时候提示覆盖目录，请选择“是” 4）如果您不再需要云平台相关插件，请上传安装包 utility 目录中的 clearcloud.php 到论坛 install 目录，执行后将会把云平台相关应用进行降级操作 升级完毕，进入后台，更新缓存，并测试功能 X3.4 其中的QQ互联功能已升级为允许使用QQ互联官方的 appid，新站点必须到 http://connect.qq.com/ 申请，升级上来的站点不受影响 友情提示： Discuz! X3.2、X3.3 已停止更新，欲升级的站点请升级到 X3.4 X3.4 漏洞和相关修补同样适用于 X3.2、X3.3 版本，请注意更新

以上是及时建立实时索引的python程序的主要部分。可以把它设置成后台一直运行的守护程序，也可以在crontab里面配置每隔几分钟运行一次。 索引的更新  静态的主索引如果只建立一次，实时索引的数据量会越积越多，对实时索引的搜索带来很大压力，所以我们要定时重新建立主索引，清理实时索引。 清理实时索引的程序可以参考上面建立实时索引的python程序。

发明公开一种基于SIFT和DDIS的智能立体仓库货物自动识别方法，包括以下步骤：S1、采集待匹配货物图像，将待匹配货物图像进行预处理，得到预处理图像；S2、对预处理图像进行目标提取，得到匹配模板图像；S3、采用SIFT特征匹配法对匹配模板图像与图像库进行粗匹配，并进行匹配对数判别；S4、采用DDIS模板匹配法对无法识别的匹配模板图像与图像库进行精匹配。对仓库货物图像进行SIFT特征匹配与DDIS模板匹配方法相结合，能将复杂货物图像较准确地识别出来，通过对货物图像的预处理以及目标提取，减少了识别所需时间，满足仓库货物识别要求的实时性。

一种网络攻击的预测方法，包括：目标网络空间的拓扑结构，有向连接关系，生成网络空间的概率图模型，提高网络攻击预测效率准确率

一种基于相关性分析的神经网络自组织遗传进化算法，构建初始神经网络，初始神经网络只包含输入层和输出层；采用BP算法训练网络，并记录训练日志数据；获取链接相关性，优化神经网络；复杂化神经网络；融合遗传进化算法迭代神经网络，输出最优神经网络模型。发明输出最优模型的迭代次数由于NEAT输出最优模型的迭代次数，输出最优的神经网络模型之前所进行的bp调节次数少于普通的bp神经网络所需要的调节次数，通过使用不同数据集进行相关实验对算法性能（准确率）进行验证，结果表明在分类问题发明的表现相当优秀。

发明涉及一种基于数据挖掘和可视化的电网事故关联原因回溯方法，属于智能检索领域，该方法包括以下步骤：s1：数据挖掘，S2：事故追溯检索,s3:结合词库关联规则展示追溯过程；发明再电力系统处于运行状态时，如果系统出现问题，保护装置的动作信息就会把故障的有关信息传送给调度中心，通过将故障信息导入到智能分析系统中，建立故障数据挖掘算法，可以对故障的数据进行分析，提取故障特征，再收集历史事故事件数据，再根据这些元素相关联的其他运行信息，进行网状拓扑展示，辅助调度人员进行事故事件数据，再根据这些元素相关联的其他运行信息，进行网状拓扑展示，辅助调度人员进行事故事件的调查，使之成为系统运行人员对电力系统故障进行快速判断和处理的依据

本发明公开了一种基于图像分割及动态阈值的字幕提取方法，包括步骤：s1、遍历视频内某一时段含字幕的视频帧，做轮廓查找和划定轮廓外部矩形边界的操作；s2、分析矩形边界的特征，获取字幕区域的位置；s3、取定间隔的视频帧，对所述字幕区域进行图像分割；S4、对分割后的图形进行灰度化处理，根据灰度图像的像素直方分布获取二值化的动态阈值；S5、基于前序步骤中获得的动态阈值进行图像二值化操作，突出字幕图形，消除噪声像素点；S6、根据所述的动态阈值以及二值化图像进行判断，对不包含字幕的图像进行忽略，仅对包含字幕的图像进行字符识别；s7、汇总识别结果去重去冗；最终获得按时间排序的字幕文本文件