为什么选择我们服务与实力并列，解决您后顾之忧 7x24小时无忧服务业内*质的售后服务、7x24小时及时响应确保您运营无忧 高品质按时交付不随意拖延开发工期，保证质量按时交付开发成品 完善的售后服务以服务客户为己任，全方位跟进项目需求，实际解答您的疑惑

1、参照典型人体标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

产品详细介绍系统简介 -------------------------------------------------------------------------------- 东方中原试题辅导系统主要面向教师群体和学生。它包括智能测试、综合测试、试题浏览、试卷浏览、个人信息、下载专区等常用功能。用户可对题目进行自测试或听取不同名师对题目或试卷的不同讲解，可以有效地理解题目，从而举一反三，寻找到科学的解题方法，最终实现解题能力的不断提高；系统还提供了自动判题功能，组卷功能，查看答案和解题过程功能；标识做过的试题功能。可对试题进行注解，若再遇上该题时可阅读这些注解。 主要技术指标 -------------------------------------------------------------------------------- 东方中原试题辅导系统可跨平台使用，有网上试题辅导系统和单机版的试题辅导系统，兼容windows、linux系统；可统计学生答题情况，不断调整题目难度，提供组卷功能，学生可根据自己能力和水平组出适合自己做的试题。学生可随机查看试题答案和解题过程，解题过程支持各种表现形式，如动画、声音、影像等。试题中可以附带声音、影像等内容，提供常规题目所不能包括的内容。系统还支持将试题导出成文档进行打印。 系统特点 -------------------------------------------------------------------------------- 不同的服务器环境可搭配不同的数据库类型，如安装在Windows环境下的系统其数据库支持的类型有Access、Sql server或Mysql；而安装在Linux环境下的系统其数据支持的类型有Sql server或Mysql； 智能测试提供自动判题和统计用户答题情况的功能，可不断调整题目难度； 综合测试提供组卷功能，用户可根据不同的难度组合出适合自己水平标准的试题；  用户可随机查看试题答案和解题过程，解题过程支持多种表现形式，如：动画、声音、影像等；  试题中附带有声音、影像等内容，提供常规题目所不能包括的内容。例如提供了英语听力部分的测试； 用户可以标识已经作答的试题，在以后的试题测试时可选择跳过这些题目；  用户可以为试题添加注解，其内容被保存到数据库中，以便以后阅读； 支持将试题导出成文档进行打印； 根据用户操作过程，状态栏提供动态的操作提示信息。 系统界面

专为实验室操作和研发测试而设计，为科研研究和产线的生产提供试验数据。 主要用途： · 原材料性能测试——不同品牌和不同分子量的原材料； · 各种配料的研究——不同固含量、不同分子量物料的混合、辅助添加剂等； · 挤出工艺的探索——不同挤出温度 、不同的螺杆转速、不同的挤出压力等； 喂料采用配料釜混料，蠕动泵精确喂料，挤出机出口采用换网器过滤（过滤精度50-200目），熔体泵稳压，最终通过模头成型。模头宽度200mm（其它宽度可选）。 设备优势： · 丰富的使用和扩展选项 · 可根据物料工艺排定组合螺纹块 · 高精度压力传感器和温度传感器对料压和料温进行实时监控 · 设计紧凑，操作方便灵活 · 通过触摸屏控制实现最佳操作 · 可以连接不同种类的下游设备 规格型号： · 螺杆直径——DN16，DN20，DN25，DN30，DN35 · 长 径 比 —— L/D=40, 其它长径比（10-40）可选 · 螺杆旋向——平行同向 · 螺杆转速——0-200rpm变频调速 · 組合方式——积木式螺纹块组合

主要用于实验用铸片的冷却成型，隔膜通过热值相分离形成微孔。 设备操作： · 靠辊采用液压缸向前后移动，移动距离100mm · 靠辊与定型辊的间隙精度0.005mm，光栅尺显示 · 三辊可整体前后移动500mm，上下移动距离200mm · 换热辊辊面为镀铬镜面抛光，跳动≤0.005mm · 每个换热辊采用独立的伺服电机驱动，速度精确且单独可调 · 每个换热辊上设有硅胶刮油辊 · 出口换热辊上设有硅胶压辊，避免铸片打滑 · 换热辊采用交叉对流流道，保证辊面温度均匀（±0.5℃） · 换热辊通过水冷控温，冷却水由1台模温机提供，可根据工艺要求设定不同的冷却温度 设备特点： · 结构紧凑，清理方便 · 可进行流延成型或堆料成型的研究 规格型号： · 辊面宽度400mm（其它宽度可选） · 冷却辊直径315mm · 结构形式——三冷却辊

产品特点： · 整机功能集成化，外观简洁、大方 · 电气化控制简洁、实用 · 内部结构采用多分区、模块化设计，满足不同工艺下使用要求 · 设备可以整体移动、固定，对于需要在不同环境使用具有较高适用性。 · 操作、维护方便，性能安全可靠 · 可以通过不同的萃取时间、方案，完全模拟出萃取线的过程及其结果 产品应用： · 开发新的薄膜配方和材料 · 测试新的薄膜表面/添加剂 · 验证薄膜生产工艺条件 · 测试不同萃取方案对于材料的影响 · 萃取后薄膜样品性能测试 · 小批量薄膜生产 技术参数： · 萃取样品尺寸规格——850mm×850mm · 样品薄膜厚度——20 - 5000 μm · 内部分区——3区 · 萃取介质进出——双泵单独控制 · 辅助萃取（可选）——强力超声波发生器 · 设备尺寸—— 1m×1m×1.3m （长×宽×高）

1 .掌握大鲵子二代亲鲵生殖生理特点和生殖调控机理，创建大鲵子 二代生殖调控技术和大鲵子三代全人工繁殖和苗种规模化培育技术；2 .选育和培育出体质健壮子二代亲 鲵400多组（1尾雄亲鲵+3尾雌亲鲵为一组），诱导性腺发育与雄雌同步成熟，使用高活性催产剂进行人 工催产，催产率达72%，受精率90%，孵化率33%，苗种存活率90 .5%，三年（2007-2009年）共繁育大 鲵子三代苗种44800尾；3 .实现大鲵子三代苗种规模化生产，能提供大批量子三代苗种供养殖部门发展 大鲵养殖产业，并在自然保护区放养，还进行子三代健康养殖示范，具有显著的经济效益、社会效益和 生态效益

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。