一种基于卷积神经网络模型的数据分析装置制造方法及图纸

本实用新型专利技术涉及卷积神经网络技术领域，且公开了一种基于卷积神经网络模型的数据分析装置，包括机体、显示屏和接口，所述机体顶部设置有显示屏，所述机体正面设置有收纳槽，所述收纳槽内部设置有一端延伸至机体前侧的收纳组件。该基于卷积神经网络模型的数据分析装置，通过向下拉动拉环带动推动斜块沿滑轨下移，此时压缩弹簧解除压缩推动移动板向后移动，使得卡合杆移动至矩形腔内部，向上转动键盘安装板，待键盘安装板前侧旋转至底部，此时松开拉环，复位弹簧解除拉伸带动推动斜块沿滑轨向后移动，通过推动斜块移动将卡合杆顶升至卡槽内部完成卡合，达到了对输入键盘进行收纳保护的目的，方便了使用者的使用。方便了使用者的使用。方便了使用者的使用。

【技术实现步骤摘要】
一种基于卷积神经网络模型的数据分析装置


[0001]本技术涉及卷积神经网络
，具体为一种基于卷积神经网络模型的数据分析装置。

技术介绍

[0002]卷积神经网络(Convolutional Neural Networks，CNN)是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一，卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络”，对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet
‑
5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉和自然语言处理等领域。
[0003]在卷积神经网络的应用过程中，常常需要将其应用于数据分析的场景中，因此对于基于卷积神经网络模型的数据分析装置的使用就显得必不可少了，传统的基于卷积神经网络模型的数据分析装置输入键盘长时间裸露在外，在不使用时无法对其进行收纳保护，易发生损坏，且装置在移动后放置不够稳定，易产生滑动，故而提出一种基于卷积神经网络模型的数据分析装置来解决上述问题。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本技术提供了一种基于卷积神经网络模型的数据分析装置，具备可以对输入键盘进行收纳保护、便于对装置进行稳定等优点，解决了传统的基于卷积神经网络模型的数据分析装置输入键盘长时间裸露在外，在不使用时无法对其进行收纳保护，易发生损坏，且装置在移动后放置不够稳定，易产生滑动的问题。
[0006](二)技术方案
[0007]为实现上述可以对输入键盘进行收纳保护、便于对装置进行稳定目的，本技术提供如下技术方案：一种基于卷积神经网络模型的数据分析装置，包括机体、显示屏和接口，所述机体顶部设置有显示屏，所述机体正面设置有收纳槽，所述收纳槽内部设置有一端延伸至机体前侧的收纳组件，所述收纳组件内部设置有一端延伸至其前侧与底部的第一卡合组件，所述收纳槽槽内顶壁固定连接有第二卡合组件，所述机体内部设置有一端延伸至其左侧的稳定组件，所述机体正面设置有位于收纳槽下方的接口。
[0008]优选的，所述收纳组件包括支耳，支耳固定连接在收纳槽槽内顶壁的左右两侧，收纳槽槽内左右两侧壁之间固定连接有安装杆，安装杆外侧活动连接有一端延伸至机体前侧的键盘安装板，键盘安装板左右两侧壁均开设有滑槽，滑槽内部活动连接有延伸至其外侧的滑动杆，滑动杆外侧与支耳内侧壁之间活动连接有调节板。
[0009]优选的，所述第一卡合组件包括矩形腔，矩形腔开设在键盘安装板内部，矩形腔腔内后侧壁上固定连接有滑轨，滑轨内部活动连接有一端延伸至其前侧的推动斜块，推动斜
块底部固定连接有一端贯穿并延伸至键盘安装板底部的拉杆，拉杆底部固定连接有拉环，拉环顶部与键盘安装板之间固定连接有复位弹簧，键盘安装板前侧活动连接有一端贯穿并延伸至矩形腔内部且与推动斜块正面贴合的卡合杆，卡合杆位于矩形腔内部一端外侧固定连接有一端与矩形腔内壁左右两侧活动连接的移动板，移动板前侧与矩形腔腔内侧壁之间固定连接有套在卡合杆上的压缩弹簧。
[0010]优选的，所述第二卡合组件包括卡块，卡块固定连接在收纳槽槽内顶壁且位于两个支耳之间，卡块底部开设有卡槽。
[0011]优选的，所述稳定组件包括安装槽，安装槽开设在机体底部，安装槽槽内顶壁固定连接有隔板，安装槽槽内右侧壁活动连接有一端贯穿隔板并延伸至机体左侧的双向螺纹杆，双向螺纹杆左侧固定连接有转盘，安装槽槽内左右两侧壁之间固定连接有一端贯穿隔板且位于双向螺纹杆下方的限位杆，双向螺纹杆外侧螺纹连接有一端与限位杆外侧活动连接的套筒，套筒的数量为两个且对称分布在隔板左右两侧，两个套筒底部均活动连接有呈交叉分布的推拉板，左侧推拉板底部固定连接有一端与右侧推拉板底部固定连接的支撑板。
[0012]优选的，所述机体底部安装有滚轮，滚轮的数量为四个，两个滚轮为一组呈左右对称分布。
[0013](三)有益效果
[0014]与现有技术相比，本技术提供了一种基于卷积神经网络模型的数据分析装置，具备以下有益效果：
[0015]1、该基于卷积神经网络模型的数据分析装置，通过向下拉动拉环带动推动斜块沿滑轨下移，此时压缩弹簧解除压缩推动移动板向后移动，使得卡合杆移动至矩形腔内部，向上转动键盘安装板，待键盘安装板前侧旋转至底部，此时松开拉环，复位弹簧解除拉伸带动推动斜块沿滑轨向后移动，通过推动斜块移动将卡合杆顶升至卡槽内部完成卡合，达到了对输入键盘进行收纳保护的目的，方便了使用者的使用。
[0016]2、该基于卷积神经网络模型的数据分析装置，通过旋转转盘带动双向螺纹杆一同旋转，双向螺纹杆转动使得其外侧两个套筒相向移动，两个套筒相向移动使得推拉板推动支撑板下移，待支撑板接触地面后，达到便于对装置进行稳定目的，方便了使用者的使用。
附图说明
[0017]图1为本技术结构示意图；
[0018]图2为本技术收纳槽与收纳组件连接侧视图；
[0019]图3为本技术收纳槽与收纳组件连接局部剖视图；
[0020]图4本技术图3中A处放大图。
[0021]图中：1机体、2显示屏、3收纳槽、4收纳组件、41支耳、42安装杆、43键盘安装板、44滑槽、45滑动杆、46调节板、5第一卡合组件、51矩形腔、52滑轨、53推动斜块、54拉杆、55拉环、56复位弹簧、57卡合杆、58移动板、59压缩弹簧、6第二卡合组件、61卡块、62卡槽、7稳定组件、71安装槽、72隔板、73双向螺纹杆、74转盘、75限位杆、76套筒、77推拉板、78支撑板、8接口。
具体实施方式
[0022]下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0023]请参阅图1
‑
4，本技术提供如下技术方案：一种基于卷积神经网络模型的数据分析装置，包括机体1、显示屏2和接口8，机体1底部安装有滚轮，滚轮的数量为四个，两个滚轮为一组呈左右对称分布，机体1顶部固定连接有显示屏2，机体1正面开设有收纳槽3，收纳槽3内部活动连接有一端延伸至机体1前侧的收纳组件4，收纳组件4包括支耳41，支耳41固定连接在收纳槽3槽内顶壁的左右两侧，收纳槽3槽内左右两侧壁之间固定连接有安装杆42，安装杆42外侧活动连接有一端延伸至机体1前侧的键盘安装板43，键盘安装板43左右两侧壁均开设有滑槽44，滑槽44内部活动连接有延伸至其外侧的滑动杆45，滑动杆45外侧与支耳41内侧壁之间活动连接有调节板46，收纳组件4内部活动连接有一端延伸至其前侧与底部的第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络模型的数据分析装置，包括机体(1)、显示屏(2)和接口(8)，其特征在于：所述机体(1)顶部设置有显示屏(2)，所述机体(1)正面设置有收纳槽(3)，所述收纳槽(3)内部设置有一端延伸至机体(1)前侧的收纳组件(4)，所述收纳组件(4)内部设置有一端延伸至其前侧与底部的第一卡合组件(5)，所述收纳槽(3)槽内顶壁固定连接有第二卡合组件(6)，所述机体(1)内部设置有一端延伸至其左侧的稳定组件(7)，所述机体(1)正面设置有位于收纳槽(3)下方的接口(8)。2.根据权利要求1所述的一种基于卷积神经网络模型的数据分析装置，其特征在于：所述收纳组件(4)包括支耳(41)，支耳(41)固定连接在收纳槽(3)槽内顶壁的左右两侧，收纳槽(3)槽内左右两侧壁之间固定连接有安装杆(42)，安装杆(42)外侧活动连接有一端延伸至机体(1)前侧的键盘安装板(43)，键盘安装板(43)左右两侧壁均开设有滑槽(44)，滑槽(44)内部活动连接有延伸至其外侧的滑动杆(45)，滑动杆(45)外侧与支耳(41)内侧壁之间活动连接有调节板(46)。3.根据权利要求1或2所述的一种基于卷积神经网络模型的数据分析装置，其特征在于：所述第一卡合组件(5)包括矩形腔(51)，矩形腔(51)开设在键盘安装板(43)内部，矩形腔(51)腔内后侧壁上固定连接有滑轨(52)，滑轨(52)内部活动连接有一端延伸至其前侧的推动斜块(53)，推动斜块(53)底部固定连接有一端贯穿并延伸至键盘安装板(43)底部的拉杆(54)，拉杆(54)底部固定连接有拉环(55)，拉环(55)顶部与键盘安装板(43)之间固定连接有复位弹簧(56)，键盘安装板...

【专利技术属性】
技术研发人员：禄雨薇，冯蕾，杨景娜，赵冉冉，
申请(专利权)人：中国标准化研究院，
类型：新型
国别省市：