示例

摘要： 格式:[序号]专利申请者或所有者.专利题名:专利国别,专利号[P].公告日期或公布日期.示例:姜锡洲.一种温热外敷药制备方法:中国,881056073[P].1989-07-26.

摘要： 《法学引注手册》意在解决当前我国学术引注不规范、不统一的问题,为法学作者进行学术写作提供了便利,也为其他学科领域学术引注规范提供了可资参考的范例。但其示例在统一、恰当、准确、规范和细致等方面均存在一些不完善之处,建议在下一次修订时,除了解决这些问题,还应考虑合理引入交叉引用,进行必要的版本更新,建议性示例的呈现标准统一,减少示例的重复使用。

摘要： 1)概数.两个数字连用表示概数时,两数之间不用“、”隔开.示例:二三米一两个小时三五天一二十个四十五六岁2)年份.年份简写后的数字可以理解为概数时,一般不简写.示例:“一九七八年”不写为“七八年”.

摘要： 期刊文章:格式:[序号]作者名.文献题名[J].期刊名(外文刊名需按规范缩写,缩写后的首字母应大写),年,卷(期号):起止页码.示例:[1]胡传亭,郭爱民,乔理学,等.湖西矿井深部回采巷道变形让压锚杆的应用[J].煤炭科学技术,2009,37(8):18-20.

摘要： 图或表的短语式说明文字,中间可用逗号,但末尾不用句号.即使有时说明文字较长,前面的语段已出现句号,最后结尾处仍不用句号.示例1:行进中的学生方队示例2:经过治理,本市市容市貌焕然一新.这是某区街道一景.

摘要： PISA2022以数学为主要测评领域,数学素养直面21世纪技能.基于PISA2022数学素养测评示例的视角,参照情境、内容、过程三个维度,于真实情境中聚焦数学推理核心能力.PISA2022为了迎接未来的挑战和发展的理念和追求始终不变,同时也在与时俱进地思变.审视我国数学学业测评试题的编制,建言应重视真实情境的试题构建,突出问题解决的试题主旨,加强数学推理的试题思维.

摘要： “双减”背景下,高质量的作业设计成为亟待深入探讨的课题。教师应根据课程目标与学情,设计具有针对性的作业。根据作业目的定位不同,语文作业可以分为诊断性作业、导向性作业、形成性作业与总结性作业四种类型。教师应依据不同的作业目的,采取合适的通用方式,设计适宜的作业内容,以提高作业设计的针对性与有效性。

摘要： 兽药最大残留限量(MRL)在不同动物间的外推最早是通过讨论不同有鳍鱼类间外推而提出的,后来延伸到反刍动物间、非反刍哺乳动物间、禽类间的外推等。2021年国际食品法典兽药残留委员会(CCRVDF)第25届会议讨论了兽药MRL在不同动物间的外推方法,国际食品法典委员会(CAC)第44届会议同意并采纳了这一方法。兽药MRL外推对世界各国尤其是发展中国家建立本国限量标准,保护公共健康和促进贸易有着十分重要的意义。本文就CAC关于兽药MRL在不同动物间外推的术语定义、方法和示例、限量标注等内容进行介绍,以期推动我国兽药MRL的科学制定。

摘要： 1)概数。两个数字连用表示概数时,两数之间不用“、”隔开。示例:二三米一两个小时三五天一二十个四十五六岁2)年份。年份简写后的数字可以理解为概数时,一般不简写。示例:“一九七八年”不写为“七八年”。

摘要： 图或表的短语式说明文字,中间可用逗号,但末尾不用句号。即使有时说明文字较长,前面的语段已出现句号,最后结尾处仍不用句号。示例1:行进中的学生方队示例2:经过治理,本市市容市貌焕然一新。这是某区街道一景。

摘要： 一种图像转换器接收要转换为第一三维图像的二维图像。该图像转换器基于与第二三维图像相关联的近似深度映射图计算特征至深度映射函数。该图像转换器将该特征至深度映射函数应用于该二维图像的多个像素以对该多个像素中的每一个确定深度值并且基于该二维图像的多个像素的深度值生成第一三维图像。

摘要： 本发明公开了一种基于自动示例选择的端到端多示例学习方法，包括以下具体步骤：（一）、对多示例数据进行采集，并将数据分成若干个多示例数据包，多示例数据包包括若干个示例，且多示例数据包设置为由若干个示例组合成的一组示例集合，多示例数据包上具有标签，示例设置为一个多维向量；（二）、搭建深度多示例网络，深度多示例网络包括示例处理层、示例选择层和分类层；（三）、每个多示例数据包通过深度多示例网络进行处理，通过前向或反向传播进行训练，训练包括深度多示例网络训练和深度多示例网络测试，相比现有技术，本发明可以通过示例选择层自动地选择重要的示例，一方面使得整个深度网络的优化过程可以端到端地进行训练。

摘要： 本发明公开了一种基于在线示例分类器精化的多示例检测网络及其训练方法，包括：确定训练图片集，并选择每张训练图片中的多个候选区域；获得所述训练图片集中训练图片的卷积特征图，并得到各候选区域的卷积特征；将各候选区域的卷积特征输入到全连接层中，得到各候选区域的特征向量；构建一个基准示例分类器，并构建多个精化示例分类器，通过更新每个候选区域得分的权重进行在线示例分类器精化；合并整个网络中的损失函数，训练端到端的多示例检测网络。本发明将多示例分类器训练和分类器精化整合到一起，训练速度快识别准确率高，仅依赖图像标签的数据集，不需要人工对目标示例的位置和标签进行标注，适用于弱监督的目标检测问题。

摘要： 本发明公开一种基于判别性示例选择多示例学习的恐怖视频识别方法。该方法包括：提取训练视频集中每个视频的视频镜头，针对每个视频镜头选取情感代表帧和情感突变帧表示该镜头；提取对每个镜头的音频和视频特征作为视频示例，组成视频示例集合；从所述视频示例集合中选择出判别性视频示例；计算训练视频集合中每个视频示例与所述判别性视频示例之间的相似性距离，得到特征向量集合；将待识别视频的特征向量与训练视频集合对应的特征向量集合进行稀疏重构，根据重构误差识别视频的类别。本发明提出了一种新的基于判别性示例选择的多示例学习模型应用到恐怖电影场景识别中，该技术具有重要的学术意义和社会意义，并具有广阔的应用前景。

摘要： 公开了能够使用交叉示例来学习嵌入空间的技术，其中嵌入空间中的查询与电子资源之间的距离提供电子资源与查询的相关性的指示。各种实现方式包括使用交叉示例Softmax技术来学习嵌入空间。各种实现方式包括使用交叉示例负挖掘来学习嵌入空间。公开了能够针对查询基于将查询向量(例如，查询的嵌入空间表示)与预存储的候选电子资源向量集(例如，候选电子资源集的嵌入空间表示)进行比较来确定电子资源的附加或替代的技术。

摘要： 本发明公开了一种基于自动示例选择的端到端多示例学习方法，包括以下具体步骤：（一）、对多示例数据进行采集，并将数据分成若干个多示例数据包，多示例数据包包括若干个示例，且多示例数据包设置为由若干个示例组合成的一组示例集合，多示例数据包上具有标签，示例设置为一个多维向量；（二）、搭建深度多示例网络，深度多示例网络包括示例处理层、示例选择层和分类层；（三）、每个多示例数据包通过深度多示例网络进行处理，通过前向或反向传播进行训练，训练包括深度多示例网络训练和深度多示例网络测试，相比现有技术，本发明可以通过示例选择层自动地选择重要的示例，一方面使得整个深度网络的优化过程可以端到端地进行训练。

摘要： 使用与示例相似图像相关联的示例近似深度映射图对输入图像生成深度映射图。一种图像转换器接收要转换为第一三维图像的二维图像。该图像转换器基于与第二三维图像相关联的近似深度映射图计算特征至深度映射函数。该图像转换器将该特征至深度映射函数应用于该二维图像的多个像素以对该多个像素中的每一个确定深度值并且基于该二维图像的多个像素的深度值生成第一三维图像。

摘要： 本发明公开了一种基于在线示例分类器精化的多示例检测网络及其训练方法，包括：确定训练图片集，并选择每张训练图片中的多个候选区域；获得所述训练图片集中训练图片的卷积特征图，并得到各候选区域的卷积特征；将各候选区域的卷积特征输入到全连接层中，得到各候选区域的特征向量；构建一个基准示例分类器，并构建多个精化示例分类器，通过更新每个候选区域得分的权重进行在线示例分类器精化；合并整个网络中的损失函数，训练端到端的多示例检测网络。本发明将多示例分类器训练和分类器精化整合到一起，训练速度快识别准确率高，仅依赖图像标签的数据集，不需要人工对目标示例的位置和标签进行标注，适用于弱监督的目标检测问题。

摘要： 本发明公开一种基于判别性示例选择多示例学习的恐怖视频识别方法。该方法包括：提取训练视频集中每个视频的视频镜头，针对每个视频镜头选取情感代表帧和情感突变帧表示该镜头；提取对每个镜头的音频和视频特征作为视频示例，组成视频示例集合；从所述视频示例集合中选择出判别性视频示例；计算训练视频集合中每个视频示例与所述判别性视频示例之间的相似性距离，得到特征向量集合；将待识别视频的特征向量与训练视频集合对应的特征向量集合进行稀疏重构，根据重构误差识别视频的类别。本发明提出了一种新的基于判别性示例选择的多示例学习模型应用到恐怖电影场景识别中，该技术具有重要的学术意义和社会意义，并具有广阔的应用前景。

摘要： 本发明公开了一种行政管理示例模型展示辅助装置，包括底座，所述底座上侧固定连接设有固定杆，所述底座上侧设有多个移动板，多个所述移动板通过连接装置和固定杆连接设置，多个所述移动板侧壁设有移动槽，所述移动槽左右通透设置，所述移动槽内转动连接设有转动杆，所述转动杆外侧固定套设有齿轮，所述移动槽内上下设有两个齿条，两个所述齿条位于齿轮和两侧和齿轮啮合连接设置，两个所述齿条贯穿于移动槽设置，两个所述齿条位于移动槽的外侧固定连接设有夹板，所述夹板内部设有接触板。本发明可以更好的完成对行政管理示例模型之间的固定以及角度调节操作，可以适应更多的工作环境，整体操作简单，实用性强。