本技术涉及一种基于内嵌数理知识神经密度场的小行星引力场重建方法，包括:基于小行星质点群模型完成数据点的采样，构建空间位置到密度的函数求解器；构建空间采样点函数，得到不同位置的空间点的空间密度；针对空间点，利用小行星视觉三维模型得到星体外壳信息，筛选空间点在星体外壳内外部作为先验信息；针对先验信息，对于密度函数求解器的结果进行筛选；进一步使用偏微分方程求解器计算数据点的拉普拉斯方程并使用数值积分计算星体外部空间点的引力加速度方程；构建总的损失函数；进行误差反向传播，同时优化网络参数；重新计算星体内部空间点密度，得到小行星内部密度分布；进一步计算空间各位置引力加速度的值，得到小行星外引力场分布。

 本技术公开了一种基于多尺度图神经网络和守恒定律的北极海冰预测方法，选取地表、海洋和大气变量数据，将北极区域按照不同的空间分辨率进行网格划分，构建多个尺度的图；更新图中每个节点的特征，整合不同尺度图的空间信息，得到海冰密度预测模型；在海冰密度预测模型的损失函数中加入湿度守恒项和位势涡度守恒项，构建复合损失函数，保证模型在预测过程中遵循湿度以及位势涡度的物理守恒定律；利用历史数据和复合损失函数对海冰密度预测模型进行训练，使用每日更新的数据和训练后的模型对未来海冰状态进行预测。上述方法显著提高了海冰密度预测的精度和效率，为气候变化研究、资源开发和航运路线规划提供科学依据。

 本文提供了纺织输入设备、方法、服装和输入系统，设备包括纺织物载体、应变传感器和控制器；应变传感器设置在纺织物载体上，控制器与应变传感器连接，应变传感器将人体呼吸信号转换为电信号，控制器根据第一电信号从多种编码模式中确定目标编码模式，根据目标编码模式将第二电信号编码为控制指令；利用该纺织输入设备使得使用者能够通过控制呼吸来实现输入控制指令，令到身体行动不便的人也能够方便操作电子设备；通过多种编码模式进行编码输入，提升了应用场景适用性。

 本技术公开了一种基于多构态分级和集成算法的无人变胞车参数优化方法，包括:1建立无人变胞车模型；2建立无人变胞车在不同态下的评价指标；3采用SOBOL灵敏度分析方法筛选参数；4根据不同态性能以及结构限制，制定各个参数的约束域；5根据灵敏度分析结果及约束域对筛选出的参数进行分级和集成优化。本发明能筛选并优化对无人变胞车运动性能影响较大的参数，降低优化复杂度，减少优化时间，从而能提高无人变胞车多构态运动的稳定性，并有效降低运动能耗。

 本文提出了一种面向异构多域处理器的MLBM‑DEM流水线调度优化方法。该方法包括:S1、执行基于应用感知和异构多域处理器的数据划分，分别计算MLBM和DEM的计算量以及MLBM和DEM的计算能力比例；S2、根据所述MLBM和DEM的计算能力比例分配CPU端和加速域簇的计算资源，构建面向异构多域处理器的流水线设计模块；S3、获取除CPU端和加速域簇外的剩余计算资源，执行Manager‑Worker实时调度机制。本申请在保证计算精度的情况下，实现MLBM‑DEM流水线调度优化计算，进一步提高了整体计算性能。

 本技术提出了一种支持模型动态发布的系统，系统位于云端，包括六个功能模块:模型上线模块、模型仓库、模型商店、模型交易模块、模型更新模块、模型监控模块，模型上线模块的输出连接模型仓库的输入，模型仓库的输出连接模型商店和模型更新模块的输入，模型商店的输出连接模型交易模块的输入，模型交易模块与模型仓库连接，模型更新模块的输出连接模型上线模块的输入，模型交易模块、模型更新模块、模型监控模块与边缘端的使用者集群连接，模型监控模块的输入连接所有模块的输出。该系统能自动化地完成模型的验证、发布和更新过程，实现了模型发布的实时性和安全性，能够提高模型发布和部署效率、促进模型快速迭代及增强系统可使用性。

 本技术提供本发明提供一种非迭代的二十辊轧机板形预报方法，属于冶金轧制技术领域。本发明主要包括以下由计算机执行的步骤:收集二十辊轧机设备参数和轧制的典型带材特征参数以及对应的轧制工艺参数；单元划分和影响系数求解；预报轧制时带材前张应力横向分布值；预报轧制时带材出口板形横向分布。本发明将带材塑性变形模型与辊系弹性变形模型集成为一个统一的线性方程组，直接求解，无需任何迭代。通过两个计算实例表明，非迭代的二十辊轧机板形预报方法的计算结果与模型耦合法吻合良好，而计算速度却提升了10倍左右。

 本技术公开了一种基于测井数据特征衍生和机器学习的页岩TOC预测方法，涉及页岩总有机碳预测技术领域，基于测井数据特征衍生和机器学习的页岩TOC预测方法主要包括:利用岩石热解实验得到页岩TOC数据；根据页岩TOC数据，利用地质研究工具得到原始测井数据并进行预处理；对所述预处理后的测井数据进行特征衍生得到新数据集，并对随机森林机器学习模型进行训练得到页岩TOC预测模型，并对待测页岩数据进行预测得到页岩TOC预测结果。实施本发明提供的基于测井数据特征衍生和机器学习的页岩TOC预测方法，能提高页岩TOC预测的灵活性、适用性和正确率。

 本技术提供了一种基于历史样本迁移的森林类型遥感分类方法，属于森林监测领域。所述方法首先确定监测区域、历史年份及目标年份，获取相应的样本点，再获取历史样本点的长时序多源遥感数据并表征森林生长演替特征，再判断森林类型是否发生更替，将未发生更替的样本数据迁移至目标年份；利用目标年份的多源遥感数据提取与遥感分类相关的分类特征；同时将监测区域划分为多个植物区系，从相关的分类特征中选取各个植物区系的最优分类特征；最后基于最优分类特征和迁移的未发生更替的历史林业实地调查样本点数据，对每个植物区系的森林类型分类。本发明增加了目标年份的样本数量，提高了小样本条件下的山区森林类型遥感分类的准确性。

 本技术公开了一种边缘计算环境下任务卸载策略的抗推理攻击差分隐私保护方法，属于边缘计算与隐私保护领域。所述方法包括构建移动边缘计算场景下的基于马尔可夫决策过程(MDP)的卸载决策模型框架，包括；系统模型、传输模型、计算模型及用户任务模型；针对推理攻击构建隐私模型，通过系统状态推测设备的卸载策略并评估隐私损失；在此基础上，计算阶段性平滑敏感度，结合隐私损失采用指数机制的差分隐私方法对卸载策略进行扰动；根据整体迭代周期的隐私损失与平滑敏感度动态调整噪声强度，直至模型收敛。本发明降低了任务卸载策略泄露的风险，适用于深度强化学习的任务卸载策略，可有效保护边缘计算环境中的任务卸载策略安全。