|
搜索
搜 索
高等教育領域數字化綜合服務平臺
高級著裝式人工取便訓練模型
XM-37高級著裝式人工取便訓練模型
?
模型特點：
■ XM-37高級著裝式人工取便訓練模型采用塑膠材料，皮膚柔軟，操作過程真實。
■ 可穿著式設計，適合2個學生一起練習。
■ 配以布質松緊帶，可調節長度和松緊度。
上海欣曼科教設備有限公司
2021-08-23
高級著裝式人工取便訓練模型
XM-37高級著裝式人工取便訓練模型
?
模型特點：
■ XM-37高級著裝式人工取便訓練模型采用塑膠材料，皮膚柔軟，操作過程真實。
■ 可穿著式設計，適合2個學生一起練習。
■ 配以布質松緊帶，可調節長度和松緊度。
上海欣曼科教設備有限公司
2021-08-23
人工智能科研管理與實踐系統
系統主要應用于機器學習、深度學習和機器視覺等領域， 針對各團隊常見的數據管理困難、科研進度難協同等問題， 通過搭建私有云服務器，提供可視化虛擬系統鏡像， 并開發科研管理軟件，實現團隊管理的高效與智能化。
湖南睿圖智能科技有限公司
2021-02-01
兩部門關于開展高性能生物反應器創新任務揭榜掛帥工作的通知
高性能生物反應器創新任務揭榜掛帥。
工信部
2025-06-05
2019-nCov感染呼吸道及消化道的分子機制研究
2020年1月31日，海軍軍醫大學，清華大學及同濟大學等多單位合作在bioRxiv在線發表題為“The digestive system is a potential route of 2019-nCov infection: a bioinformatics analysis based on single-cell transcriptomes”的研究，該研究的目的是為了剖析表達ACE2的細胞組成和比例，并探索2019-nCov感染在消化系統感染中的潛在途徑，分析了肺，食道，胃，回腸和結腸單細胞轉錄組的數據集。
海軍軍醫大學
2021-04-10
基于呼吸困難度反饋的機器人肺康復訓練系統
本發明公開了一種基于呼吸困難度反饋的機器人肺康復訓練系統，包括可穿戴式呼吸傳感監測系統和肺康復訓練機器人，所述可穿戴式呼吸傳感監測系統利用可穿戴式慣性傳感器、表面肌電傳感器、觸覺傳感器監測患者呼吸信息，并利用電子鼻監測患者的呼氣量和氣體流速，從而得到患者呼吸的阻滯情況，對患者的呼吸困難程度進行量化處理。利用測得的患者呼吸困難度以及呼吸阻滯情況等生物力學信息，結合患者自身身體狀況以及對肺康復訓練動作的要求，指導肺康復訓練機器人輔助患者進行相應的訓練，實現機器人和患者的實時交互，減輕患者康復訓練的負擔，提高患者對康復訓練的依存性。
浙江大學
2021-04-13
【高教前沿】趙云山：堅持守正創新，勇于探索實踐，人工智能助力新醫科人才培養
為深入學習貫徹黨的二十屆三中全會和全國教育大會精神，落實立德樹人根本任務，中國高等教育學會聯合中國教育在線推出《高教前沿》系列訪談欄目，匯聚獨家視角，分享真知灼見。
中國高等教育博覽會
2024-12-17
江蘇省教育廳關于印發《江蘇高校人工智能賦能專業建設行動方案》的通知
為深入貫徹習近平總書記關于發展人工智能的重要論述，積極響應教育部人工智能賦能教育行動，加快人工智能理念、知識、方法和技術深度融入高等教育專業建設，推動課程教材、培養方式、實習實踐、教學管理及評價機制等改革創新，打造一流“人工智能+”專業體系，特制定如下行動方案。
江蘇省教育廳
2024-12-10
人工智能AI三維解析系統
北京體育大學主導研發的全球首款基于AI圖像識別技術的三維運動解析系統可以自動識別人體關鍵點，將不同攝像機拍攝到的同一運動畫面進行三維合成和運動技術分析，獲得運動生物力學的詳盡參數。該系統利用AI 技術大大降低了人工解析時間，提高了三維解析效率，有效提高運動表現。
北京體育大學
2021-04-10
人工智能實現三維矢量全息
我國科研團隊首次利用機器學習反求設計（machine-learning inverse design）實現三維矢量全息(Three-dimensional vectorial holography)新技術的相關研究成果發表在國際頂級學術刊物《科學進展》上。該雜志為《科學》(Science)刊物旗下子刊，是一個涵蓋所有學術領域的開放性、綜合性科學刊物。這項光學全息技術領域的突破性研究，由上海理工大學莊松林院士和顧敏院士領銜的未來光學國際實驗室完成。研究中基于機器學習的反求設計，可精準且迅速地產生一個或多個任意三維矢量光場，有望應用在超寬帶全息顯示、超安全信息加密以及超容量光存儲、超精確粒子操控等各個領域。光是一種電磁波，其在介質中傳播的同時伴隨著電磁和磁場的振蕩，被稱為光的矢量特性。研究人員介紹，基于光波的橫波特性，光的振蕩通常被限制在與其傳播方向垂直的二維平面上。近些年，科學家研究發現光的振蕩可打破傳統二維平面的束縛，通過干涉產生縱向光振蕩，即形成第三維光矢量。但精確產生任意三維矢量光場仍是一個世界性難題。在物理學上，通過求解三維麥克斯韋方程可以正向得到一個三維矢量光場分布，但其不可控。顧敏科研團隊利用人工智能的機器學習反求設計，解決了這一難題，率先實現了三維矢量全息，并可精確地控制三維全息圖像中每個像素點的任意三維矢量狀態。顧敏介紹，這樣的操控是全方位的，包括對每個三維矢量光攜帶的信息進行編碼、傳輸和解碼，因而消除了傳統二維偏振光的束縛。“通過人工智能機器學習的新技術，我們首次實現了三維矢量光的操控，并將機器學習的算法延伸到光學全息中去。”機器學習在光學設計中扮演著越來越重要的作用。文章第一作者任浩然博士說：“我們研究證明訓練后的人工神經網絡可有效、快速地產生任意三維矢量光場，達到接近百分之百的準確性，極大地提高了光場調控的效率。”此外，這項發明為光學全息開辟了一條新道路，首次在全息中證明光的三維矢量狀態可以作為獨立的信息載體，實現信息的編碼和復用。顧敏表示，“這項發明不僅為下一代超寬帶、超大容量、超快速并行處理的光學全息系統奠定了基礎，同時也為人們加深理解光與物質的相互作用（例如粒子操控）提供了一個嶄新的平臺。”
上海理工大學
2021-04-11