广州易方信息科技股份有限公司（股票代码：872501）成立于2012年，是通过国家认定的高新技术企业。      POLYV视频云是广州易方旗下拥有自主知识产权的视频云计算服务平台，其中包含云点播、云直播和其它视频服务，提供API、SDK技术支持，并拥有国家专利级别的视频版权保护技术及三套CDN加速，致力为用户提供稳定、安全、快速的企业级云视频服务。      2016年，获得山行资本创始人Pre-A轮融资、全资收购国内知名播放器厂商Cuplayer。2017年，荣获“德勤高科技高成长中国50强”。2018年，新三板挂牌上市，成为视频云行业***股，为CCTV央视世界杯赛事网络直播提供技术支持；2019年，连续4年当选央视春晚APP端直播技术服务商，为CCTV央视亚洲杯赛事网络直播提供技术支持。        目前，保利威视频云为CCTV央视、北京大学、中国传媒大学、新东方、好未来、戴尔、西门子、宝马、蔚来等超过18w+家国内外企业提供优质的云视频服务。而在云视频技术开发及应用方面，易方信息一直保持在国内业界领先地位，以尖端的视频技术，搭起人与人之间的交流、共享和互动的桥梁，达成“让视频传递价值”的使命。

        深圳市联特微电脑信息技术开发有限公司（以下简称“联特微公司”）成立于2000年4月，是一家专业的教育系统集成商，具备丰富的教育信息化、智能化项目咨询、设计、施工、维护、培训服务经验。公司专注于为教育行业客户提供未来学校、人工智能及创新教育、实验室共建、智慧校园、教学与科研仪器设备、专业共建、人才培养、校企合作等整体解决方案。         联特微公司按照ISO9001标准，建立了科学、规范的质量管理体系，全面部署实施了CRM、ERP企业信息化。公司秉承人性化管理，倡导“创新、实干、包容、感恩”的理念，遵循客户满意、员工满意、股东满意、社会满意的质量方针。         联特微公司是大湾区产教联盟副理事长单位、腾讯智慧校园战略合作伙伴、华为全线产品合作伙伴、科大讯飞AI创新教育合作伙伴、商汤AI创新教育合作伙伴、大疆无人机/机器人实验室合作伙伴、德国EOS 3D打印机战略合作伙伴、天津镭明金属3D打印机战略合作伙伴，并与其它一系列智慧校园优质厂商建立了长期战略合作伙伴关系。         联特微公司未来学校整体解决方案包括学校基础设施、教学平台、智慧功能场馆、实验室、智慧教学和管理等整体建设，涵盖了智慧教室、理化生智慧实验室、智慧体育、人工智能创新教育（3D打印机、3D扫描仪、无人机、机器人、自动驾驶、脑科学、人工智能课程）、智能制造（机器人、虚拟仿真实训、IOA数字孪生虚实结合实训等）、激光技术应用（激光雕刻机、激光切割机、激光打标机等）、金工实验室、心理咨询室、智慧图书馆、科学报告厅、科学馆、科普教室（VR科普资源、AR互动沙盘、全息数字模型教育系统）、劳技馆、校园电视台、录播教室、天文数字课堂、数字书法教室、智慧音乐教室、数字地理教室、数字历史教室、数字美术教室、数字探究学习系统、AR教学系统、3D智能全景互动教学系统、实训教学移动式视频管理系统、智慧校园云平台、走班教学排选课、网上阅卷、大数据精准教学系统、电教平台、智能吊麦扩声系统、智慧班牌、数字校园文化、地理园、生物园、标本馆、生态馆、教室护眼节能照明、校园物联网、云系统（私有云、桌面云）、微模块机房、校园一脸通、广播系统、综合安保系统、综合布线系统、计算机网络系统、网络安全系统等，已经成功应用于深圳市各普校、高校、职校，涉及深圳市教育局直属、深圳市人力资源和社会保障局直属、福田区、罗湖区、盐田区、南山区、宝安区、龙岗区、龙华区、坪山区、光明区、大鹏新区学校。            联特微公司依托国家政策，引领技术潮流，立足5G技术、聚焦AI，赋能教、学、管、评。包含了5G赋能教学教研、AI赋能精准教学、AI赋能机器人伴学、AI赋能校园管评、AI赋能校园平安等系统。为学校精选推出人工智能+5G整体解决方案，从智能识别、无人机（机器人）、云计算、VR/AR、物联网、大数据应用这六个方向进行课程的展开，培养学生的核心素养。并建设与课程相对应的人工智能实验室、天文创客（VR）教室、编程无人机教室、编程机器人教室、VR实验室等。         联特微公司作为德国EOS 3D打印机战略合作伙伴，促成其与深圳职业技术学院签订科研和教学合作框架协议，探索“企业学院科研合作”新培养模式，并成功中标深圳职业技术学院创客中心金属3D打印机、激光焊接机和激光打标机项目。

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。

近日，化学学院徐浩教授课题组在催化不对称合成领域取得了新进展。

将三维数字信息记录在全息底片上的装置及其记录方法,它涉及的是三维图像存储及立体显示的技术领域.它是为了解决现有技术存在制作物理模型时间较长,费用较高,虚拟现实系统价格昂贵的问题.它的数字微反射镜的光轴上依次设置有四分之一波片,偏振分束镜,第一凸透镜,空间滤波器,第二凸透镜,全息底片,激光器输出的激光通过电动快门,分束镜,二分之一波片,第四凸透镜,第三凸透镜入射到偏振分束镜的输入端;另一部分激光透过分束镜后由反射镜反射到全息底片的背面上.它的步骤为:将三维图像转换成不同视角的二维图像系列;在数字微反射镜上显示;在全息底片上成像.本发明能将计算机中数字式三维图像记录到全息底片上,以实现立体显示. 收起

本发明介绍了一种基于无线信道特征量化私有不对称密钥的信息传输方法。由通信双方测量无线信道特征，提取出各自的私有密钥。通信的一方使用私有密钥对需要传输的信息先进行信道编码后再进行异或操作，实现对传输信息的加密。接收方使用其私有密钥对接收的信息进行异或操作，实现对传输信息的解密。由于无线信道和设备特征的影响，通信双方的私有密钥可能不对称，即有一定的差异。接收方解密的信息需要再使用信道纠错译码，解出正确的传输信息。使用该方法可以不需要通过额外的信息调和和隐私放大过程，实现共享无线信道特征的安全信息传输。

哈尔滨工程大学高分辨海洋信息获取系统设备采购及服务竞争性磋商

本发明公开了一种大规模天线场景下基于统计信道信息的下行 传输方法，包括：(1)采用 K 均值聚类法将用户按照统计信息相似度分 组，分组后组中心作为外层预编码；(2)对每个组利用外层预编码降维 后用户等效信道选出调度用户集合，独立计算内层预编码(3)将整个下 行预编码表示为内编码与外编码和乘积，并进行下行传输。本发明利 用大规模天线的特性，提出了一种分步的预编码策略，该策略分为外 层预编码和内层预编码。外层预编码用来消除组间干扰并且降低信道 维度，减小导频和信道反馈开销；内层预编码用降维后的瞬时等效信 道信息消除本组用户间的干扰，不同组内层预编码过程可独立进行， 此过程降低了传统大规模天线系统集中式计算复杂度。