摘要：本发明公开了一种面向资源利用最优的线程数量自动调整方法及装置，包括资源监控模块，用于监控服务器各项计算资源的使用状况；训练模块，用于量化每类任务新增一个线程所使用的资源量；线程数量确定模块，用于对每类任务线程数量的确定并发出线程调整指令；线程管理模块，用于根据线程数量确定模块的指令动态管理线程，负责线程的创建、回收、销毁。可自动完成线程数量的调整。本发明利用资源监控及线程管理等方法，完全不需人工干涉即可完成线程数量的调整，节省了软件开发人员性能优化的工作量，并可动态、准确、快速地调整线程数量，使服务器资源利用达到或接近最优。

摘要：本发明属于化学合成领域，具体涉及一种替米考星HP‑β‑CD包合物及其制备方法，称取HP‑β‑CD于研钵中，利用水将其溶解，再称取替米考星于研钵中，其中HP‑β‑CD与替米考星的质量比为(1‑2):1，在20℃‑40℃温度下混合研磨5‑30min，得到白色粉状物，过80目筛，即得替米考星包合物，本发明利用HP‑β‑CD包被替米考星，将替米考星制备成毒性小，生物利用度高，溶解度增加。

摘要：本发明提供一种自动避障玻璃外墙爬墙机器人，包括机器人主体、防护圈、滚珠、双轴微型电机、转盘、微电机、电动伸缩杆以及中空杆，防护圈安装在机器人主体环形侧面，防护圈下端面设有滚珠，爬行轮安装在双轴微型电机左右两侧，双轴微型电机装配在机器人主体内部前侧，该设计解决了原有爬墙机器人避障结构不够充足的问题，转盘通过齿轮安装在微电机下端面，微电机通过安装座固定在电动伸缩杆下端面，电动伸缩杆安装在中空杆内部左侧，中空杆与机器人主体环形侧面相连接，该设计解决了原有爬墙机器人清洁效果不接的问题，本发明结构合理，避障效果好，

摘要：本发明公开了一种基于物联网的远程监控装置，包括监控装置本体，监控装置本体拆卸式固定安装在基座上，基座的两侧内部均开设有矩形滑腔，每一个矩形滑腔内均水平滑动设有矩形滑块，矩形滑腔内还转动架设有水平设置的丝杆，矩形滑腔内的矩形滑块通过螺纹方式安装在丝杆上，每一个矩形滑块的顶端均固定安装有竖向设置的支柱。本发明方便将监控装置本体进行固定安装，且方便拆卸，监控装置本体上的监控系统能够满足不同的应用场景需求，有效提高物联网监控系统的适应性，而且能够及时准确的获取监控目标的状态信息，利于做出准确、及时的应对措施。

摘要：本发明公开了一种教学用译码器实验装置，包括底座、面板和香蕉头连接线；所述面板集成了与门逻辑单元、发光二极管单元、非门逻辑单元、译码器单元、逻辑电平单元和UPS单元。该装置使用灵活、易于实现，使用者可通过香蕉头连接线将各功能单元连接成2线一4线译码器，同时能够对译码器芯片74LS138进行功能测试与演示；该实验装置采用独特的大尺寸设计模式，具有良好的课堂演示功能，是师生互动的良好实验载体，便于在高校课堂上推广使用，具有较高的使用价值和广阔的应用前景。

摘要：本发明公开了一种教学用数值比较器实验装置，包括底座、面板和香蕉头连接线；所述面板集成了与门逻辑单元、或非门逻辑单元、非门逻辑单元、发光二极管单元、数值比较器单元、逻辑电平单元和UPS单元。该装置使用灵活、易于实现，使用者可通过香蕉头连接线将各功能单元连接成1位数值比较器，同时能够对数值比较器芯片74LS85进行功能测试与演示；本发明所采用的独特大尺寸设计使其具有良好的课堂演示功能，是师生互动的良好实验载体，便于在高校课堂上推广使用，具有较高的使用价值和广阔的应用前景。

摘要：本发明公开了一种钢轨焊缝超声波检测装置，属于交通运输技术领域，解决了现有装置检测探头检测范围小的问题；其技术特征是：包括底座、立板和检测箱，所述底座的上部固定安装有立板，立板的右侧设有用于安装超声波检测仪的检测箱，立板上从上至下开设有上滑槽和下滑槽，上滑槽内安装有上滑板，下滑槽内安装有下滑板，所述上滑板的右端通过螺栓固定连接有检测箱，上滑板的左端贯穿上滑槽，并且固定连接有第一齿条，第一齿条的右侧设有检测箱驱动机构；本发明实施例设置了检测箱驱动机构，能够灵活的调节检测箱的位置，方便了对对钢轨焊缝的检测。

摘要：本发明公开了一种用于大管径的超声波检测装置，涉及生活用品领域，解决了现有技术中用于大管径的超声波检测装置手工检测过程中无法全覆盖管道造成操作不便的问题，其技术要点是：包括导轨带，导轨带上滑动连接有滑块，滑块上固定连接有导杆，导轨带为柔性导轨，导轨带上还固定连接有导轨带固定组件，导杆上滑动连接有移动检测组件，移动检测组件上设有超声波检测头和驱动移动检测组件移动的周向移动轮和轴向移动轮；本发明通过两个互相垂直的轮毂电机带动超声波探头沿待测管道运动完成超声波的探伤，相对于现有技术，本发明自动化程度高，操作简单，适用于大小各种规格的管道。

摘要：本发明公开了基于全局关系知识蒸馏的模型压缩方法，基于特征关系知识的模型压缩方法能够有效地提高小容量学生网络的性能，但是目前的工作只是关注于单个样本特征之间的局部关系，忽略了样本特征之间的全局关系，然而，如果教师网络与学生网络之间缺乏全局特征关系进行对齐的情况下，强迫学生网络模拟教师网络的样本特征两两之间的关系的条件将会过于严格，对学生网络模型的性能将会产生不利影响。该方法首先将采集到的图像数据集随机分为训练数据集和测试数据集，然后利用交叉熵损失函数对教师网络中的参数进行优化，接下来基于最大均值差异方法基于教师网络和学生网络中样本特征计算全局特征关系蒸馏对学生网络进行优化。

摘要：本发明公开了基于监督和自监督联合对比学习的小样本图像分类方法，包括如下步骤：S1、分类模型的构建；S2、主干网络特征提取；S3、监督特征和自监督特征变换；S4、联合对比学习；S5、小样本图像分类测试，移除分类模型中的监督投影器和自监督投影器，固定主干卷积神经网络中的参数，在线采集少量图像样本作为训练图像输入到主干卷积神经网络中提取特征，训练支持向量机分类器，最后对在线采集的测试图像利用支持向量机分类器完成分类测试。本发明对监督和自监督学习任务使用监督对比学习建立损失函数，能够对样本之间的对比关系之间建立关系，从而得到更紧凑的类别特征。