排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
刘慈欣 《大众科学.科学研究与实践》2013,(1)
正量子多态迭加放大到宏观宇宙的结果是分裂出了众多的平行宇宙,而人们的各种选择也在不同的宇宙中得到各种可能的结局"喂,你走错纤维了!"这是我到达这个世界后听到的第一句话,当时我正驾驶着这架F-18返回罗斯福号,这是在大西洋上空的一次正常的巡逻飞行,突然就闯进了这里,尽管我把加力开到 相似文献
2.
3.
4.
5.
6.
7.
无论生活多么令人沮丧,每当我想起这些热心肠的人,就会觉得日子总还是有过得下去的余地。在巴黎,我初次上圣日耳曼大道,不知道怎么去巴黎圣母院。路边见一个老太太,遂上前问之,法语不够用英文。老太太听得懂英文,连连点头,但回答起来,还是字正腔圆的法语,说得又急又快,语如流水,我抓不住。正急忙间,老太太一抬拐杖,示意要带我去。这才注意到,她腿脚不灵便。我不好意思,摇头跟她说罢了,另找他人问路,老太太坚辞不允,佝偻着身躯在前走,过街绕弯,看见塞纳河岸了,远远一指圣母院,"看见了?""嗯嗯。"老太太满意了,"好,日安!"转身佝偻着走了。 相似文献
8.
人脸的活体检测是人脸识别系统的安全性保证,传统交互式活体状态识别中通常先进行关键点检测,再进行人脸活体状态判断,无法利用活体属性之间关联性同时进行多种活体属性检测。基于多任务卷积神经网络(convolutional neural network,CNN),提出了一种直接从输入人脸中同时判断人脸的眼睛睁闭状态、嘴巴的张闭状态、头部点头状态和摇头中左右侧脸状态四个任务的活体检测方法。该方法利用多层CNN强大的特征提取能力、多任务的并行能力和四个任务中的关联性,直接提取人脸照片中的特征信息,判断人脸多个活体属性。实际应用结果表明,这种基于多任务CNN方法的准确率在四个任务中均可达95%以上,甚至达到98%以上,无论检测的准确率还是同时检测多个任务的能力均明显优于传统的人脸活体属性检测方法。 相似文献
9.
10.
为优化波浪能采集装置,以FLUENT软件为平台,建立了“点头鸭”和波浪水槽模型,对“点头鸭”在稳态均匀流和非稳态规则波作用下的水动力学特性进行了数值仿真。水槽中的规则波采用推板造波的方式生成,自由水面的追踪采用VOF方法确定。模拟得到了两种水流环境中“点头鸭”在受来流冲击时,鸭体所在区域的压力分布、速度分布以及鸭体所受波浪力的变化规律。结果表明,在均匀来流环境下,来流速度越大,鸭体所受波浪力越大,且随攻角增大而增大的趋势越发明显;在规则波环境下,鸭体所受波浪力近似呈周期性变化,其大小与攻角角度有明显关系,但并非呈单调变化。在所研究的工况中,攻角为60°时,鸭体所受的波浪力最大,此时“点头鸭”装置具有最大的可发电机械能。 相似文献