本发明公开了一种基于微盘谐振器的常系数可调全光微分方程求解器，包括输入模块、求解模块和输出模块。输入模块包括可调谐激光器、偏振控制器、强度调制器以及掺铒光纤放大器；求解模块包含一个上下载型微盘谐振器以及在微盘谐振器的圆盘形微腔上嵌入的一层光学非易失存储材料Ge2Sb2Te5(GST)。所述输出模块包括掺铒光纤放大器、衰减器以及通信信号分析仪。输入模块通过向求解模块的输入端注入大功率光脉冲信号来调控圆盘形微腔上的GST材料的晶化度，以确定系数k值；再向求解模块注入发生谐振的低功率光脉冲信号完成求解，并通过输出模块观测不同求解系统的输出波形。本发明采用微盘谐振器可以增大常系数k值的调谐范围，采用GST材料可以实现非易失性。

本发明涉及光信号处理领域，具体涉及一种基于单个微盘谐振器的全光二阶常微分方程求解器。本发明通过将同一谐振器中两个模式的相互作用关系映射为两个一阶ODE求解器的级联，从而实现基于单个器件的二阶ODE求解器；利用光学游标效应，在某一谐振波长处实现两个模式的对准，通过控制输入光脉冲的中心波长位于或不位于模式对准处的波长，add‑drop型DMDR可以实现常系数或复系数二阶ODE求解。本发明仅采用单个微盘器件实现二阶ODE求解，其设计简单且大幅减小芯片面积开销，可以实现常系数或复系数二阶ODE求解。此外，由于整个器件是无源的，因此可以低功耗地实现复系数可调的二阶ODE求解，其功耗仅取决于输入激光器的调节功耗。

本发明涉及生物医学工程领域，特别涉及脉象垂直按压驱动器，包括阵列按压传感探头、活塞、活塞锁定器、驱动罐、拉力弹簧、封装盖、气管和充放控制装置；通过充放控制装置充气使驱动罐压力增大，推动活塞向下运动，锁定栓在压力弹簧的自然弹力作用下锁定栓卡住卡翼的锯齿，使活塞稳定在某一设定压力位置，实现“举按寻”力度增加精确控制和“寻按”操作精确分层；通过充放控制装置放气，使驱动罐压力减小，通过拉力弹簧拉力产生向上拉动活塞的作用力，控制活塞锁定器的电磁驱动块产生吸引磁引力，吸引推进块压缩弹簧，锁定栓的锁定栓松开卡翼的锯齿，实现“举按寻”力度减小和“举寻”操作，可以灵活实现“寸、关和尺”三部位的“举按寻”脉诊。

本发明涉及生物医学设备领域，特别涉及一种可调整的纵向脉象检测驱动器包括：支撑杆、两个滑动扣、两个锁定冒、两个压力弹簧；本发明的可调整的纵向脉象检测驱动器在支撑杆、两个滑动扣、两个锁定冒、两个压力弹簧的配合下可以精确地定位到寸口脉的“寸”、“关”、“尺”三部位。以便于脉象传感探头采集寸口脉的“寸”、“关”、“尺”三个部位的脉象信息。支撑杆的月牙形上滑杆和月牙形下滑杆分别与牵引柱之间的间隙在0.05mm至0.15mm之间可以确保该位置脉象传感探头采集寸口脉的“寸”、“关”、“尺”三个部位的脉象信息的稳定性以及滑动的灵活性。

本发明涉及一种融合深度学习和因子分解机的兴趣点签到预测方法，属于位置签到预测领域包括：S1：获取用户签到数据；S2：对输入的离散数据进行嵌入处理；S3：离散数据去稀疏处理，并学习数据之间的隐含二阶关系；S4：对于连续特征加入全连接隐藏层进行学习，选取合适的激励函数；S5：输入由离散特征经过处理的结果和连续特征经过处理的结果相加作为隐藏层h1的输入；S6：隐藏层h1的输出l1经过一阶线性和特征交互结构并相加作为隐藏层h2的输入；S7：隐藏层h3接收的输入来自隐藏层h1和h2的输出l1和l2，同时加入shortcut结构保证参数学习时梯度的稳定性，确定最佳的模型结构，最后输出预测结果。本发明通过分析用户签到信息，充分挖掘学习签到规律，预测兴趣点签到问题。

本发明提供了一种基于氧化铜/氧化石墨烯复合抗菌纳米材料的无纺布的制备方法，包括制备氧化铜/氧化石墨烯复合纳米材料改性聚乳酸步骤、制备纺丝原液步骤和纺丝成膜。本发明基于氧化铜/氧化石墨烯复合抗菌纳米材料的无纺布的制备方法通过具有抗菌防腐功效的氧化铜/氧化石墨烯复合抗菌纳米材料实现无纺布的整体抗菌功能。本发明还提供了一种基于氧化铜/氧化石墨烯复合抗菌纳米材料的无纺布。

本发明涉及一种评论信息对用户签到影响的度量方法，首先通过张量分解得到用户每次签到的意图分类，然后通过隐马尔科夫模型对用户的下一步意图进行预测，得到用户的下一步访问意图；对1km范围内的同意图位置进行确定；选择模型参数；基于用户该意图的历史评论数据集构建语料库；通过该语料库来训练LDA主题模型，同时对1km范围内同属该意图的位置的评论数据集构建语料库训练LDA主题模型；分析得到的主题的相似性，利用JS距离求得主题相似性并得到top‑k个预测位置。本发明考虑了用户评论信息对用户下一步位置选择的影响，通过预测用户下一步意图，计算用户历史数据中与当前在范围内的位置主题相似性，预测下一个兴趣点。

本发明涉及一种基于个性化层次核密度估计的签到位置预测方法，属于数据分析技术领域。该方法包括：S1：利用提取的签到位置数据，建立基于地理空间的二元核密度估计；S2：构建自适应带宽的核密度估计，为每个数据点选择各自的带宽；S3：构建个性化的层次核密度估计；S4：利用梯度下降算法计算出参数值。本发明为用户提供了个性化的签到预测，同时，解决了签到数据太少造成的数据稀疏性问题，贴近实际生活，使得预测的结果更加的准确。

本发明涉及一种基于多重兴趣点对排序的个性化兴趣点推荐方法，属于位置推荐领域。该方法包括：S1获取用户隐式反馈签到数据；S2对用户隐式反馈签到数据进行分析，挖掘用户签到数据的空间分布特征，确定用户的活动区域；S3计算用户对于各活动区域兴趣点的偏好，并将用户的历史签到数据划分为三种样本；S4将三种样本数据作为多重兴趣点对排序模型的训练数据，采用随机梯度下降算法对模型参数进行迭代学习，获得用户对不同兴趣点的偏好程度；S5根据用户对兴趣点偏好程度的高低向用户推荐一定数量的兴趣点列表。本发明缓解了签到数据稀疏性的影响，同时有助于挖掘用户具有潜在偏好的兴趣点，从而使兴趣点推荐的精确度得到提升。

本发明涉及一种基于改进的图卷积神经网络的物品评分预测方法，属于信息推荐技术领域。该方法包括：S1：获取用户对物品的历史评分、用户的个人信息，以及物品的属性信息；S2：构造用户‑物品，用户‑用户，物品‑物品关系图；S3：利用改进的图卷积神经网络提取多种关系图中节点的结构和内容特征；S4：选择神经网络模型融合节点的多种特征信息；S5：根据用户和物品的特征表示，预测用户对物品感兴趣的概率；S6：利用训练集和验证集训练模型；S7：利用训练好的模型预测用户对物品的评分。本发明通过改进的图卷积神经网络来有效提取用户与物品关系图的特征，实现预测用户对物品的评分，而且提升了预测的准确率。