项目简介 本成果涉及一种手术导航设备，尤其是用于骨科髋关节置换手术中对患者股骨腔的 切削导航仪。151 有益效果是：股骨腔髓腔锉切削导航仪的中央处理单元对图像采集单元采集的数据进行 分析，模拟并在现实单元上显示出的髓腔锉切削参考导路，通过这种方法可确保股骨柄 假体一次植入成功，保证定制型人工髋关节股骨柄假体与患者股骨腔的匹配程度。该成 果已获得发明专利授权。 适用范围、市场前景 适用范围：骨科髋关节置换手术髓腔锉切削患者股骨腔松质骨手术导航。市场前景： 我国地大物博，医学水准参差不齐，

项目背景：目前电力机器人在作业过程中，由于环境恶 劣，电磁刚绕强度高，造成控制系统不稳定；同时在巡检过 程中，要对各种线路金具、各种作业仪表进行识别与检测， 通常采用机器视觉技术。但由于机器人作业在野外或阴暗照 明等复杂环境，存在识别率低，不稳定等问题。本项研究针 对特殊应用环境，拟开发一套基于机器视觉的巡检机器人控 制系统。 所需技术需求简要描述：1.基于多传感器信息融合的机 器人越障系统：主要包含视觉、激光雷达、超声、红外等传 感器信息，能够实现对巡检路径上障碍物的实时识别与定 位；2.巡检机器人远程监控平台：用于对巡检机器人采集到 的信息进行远程传输和监控，包含巡检路径上的实时视频传 输、机器人运行状态信息显示、巡检故障诊断与显示等；3. 小样本深度学习算法：针对极端环境下数据采集困难，数量 少等问题，研究基于小样本学习的深度学习算法，提高极端 环境下的障碍物识别精度；4.图像增强算法：针对高空强光、 阴暗、潮湿等极端环境所带来的图像识别困难问题，研究相 应的图像增强算法，提高识别精度。主要技术指标：1.开发 设计一种适合高压线路金具视觉检测与识别技术，对输电线 路各种金具进行动态识别与检测，解决野外环境下识别率低 的问题，形成一套完整的线路金具机器视觉识别与检测方 法。2.开发设计一种适合地下阴暗、潮湿、多尘环境下视觉检测与识别技术，形成一套完整的机器视觉识别与检测方 法。包括线路金具的识别模型和线路金具的定位方法与双目 测距技术。  对技术提供方的要求:拟与高校联合开发，要求团队具 有类似经验，具备电力机器人研究经历，具有电力线路识别 研究基础，最好有研发案例。 

830mm×320mm×240mm，锥体能“爬”到轨道顶部。轨道夹角可调，配有圆柱，可测量锥体轴与底板的高度。

 随着激光技术的不断发展，超快超强激光可以在飞秒的时间尺度（1飞秒=10-15 秒）内作用于电子使电子产生约0.1纳米（1纳米=10-9米）量级的空间位移。利用超短超强激光脉冲，人们将可以实现分子尺度下的电子位置的超快及超高精度的位置控制。然而现有的探测技术，却无法实现对电子如此微小位移的精确测量。隧道扫描显微镜（STM）利用的电子量子隧穿信号能以0.1纳米的横向和0.01纳米的纵向分辨率对静止的原子进行成像，却无法对运动中的电子进行成像。光电子显微镜（PEEM）成像系统虽然可以测量运动电子的位置，但是其最好的分辨率仅能达到约3纳米，无法在0.1纳米的尺度进行位移测量。日前，该团队利用强场电离中的时间双缝干涉图样，提出对电子在激光脉冲下的微小位移进行了测量的新方案，该方案的分辨率可达0.01纳米。为了测量电子在超短脉冲作用下的位移，他们把导致电子位移的超短脉冲置于两束较长反向旋转的圆偏振光之间。两束反旋向的圆偏振光先后分别电离电子，构成时间上的电子波包双缝干涉，这在电子动量谱中产生涡旋结构。在没有中间的超短脉冲时，该涡旋结构角向是均匀分布的。当中间加入了一束任意的被测超短脉冲，它将作用于前一圆偏光电离的电子使之产生微小位移，这个微小位移使得电子波包获得一个额外相位，从而导致先后两个电子波包的干涉结构在角方向产生了非均匀性。他们提出通过测量这个非均匀的角向分布，可以准确地提取出电子在超短脉冲作用下产生的亚纳米量级的微小位移。他们的方案对激光的焦斑效应以及两束圆偏振光的相位抖动具有很好的抗干扰能力。左图：新方案示意图；右图：测量方案给出的理论预测结果。 理论提出并在实验上实现了对椭圆偏振强激光椭偏率的原位测量新方案。他们利用两束其它参数相同而旋向相反的椭偏光来电离惰性气体氙（Xe）原子，强场电离得到的电子阈上电离谱和单电离离子总产率谱敏感地依赖于两束光脉冲之间的延时。这些能谱和产率随延时的周期性调制，能够准确反映一个光学周期之中椭圆偏振光的电场强度的最小和最大值间的比值，因此可以用来准确提取每一束椭偏光的椭偏率。研究表明，这一椭偏率测量方案在很大的激光参数范围内普遍适用，这一工作在准确表征超快强激光场的性质方面迈出了重要一步，将对强场物理研究中精细操控原子分子内的超快过程起到重要推动作用。

研究结果显示，岩石圈（LAB）界面以南祁连缝合带(SQS)为界，呈现出差异增厚特征：在已经发育完全的松潘-甘孜(SG)和中亚造山带(CAOB)下方岩石圈较薄，而正在生长的西秦岭(QKW)和祁连造山带(QL)和阿拉善(Alxa)地块下方岩石圈较厚。在南祁连缝合带（SQS）下方，存在明显的地壳和岩石圈界面错断(~10 km)。 通过获取青藏高原东北缘高分辨率的岩石圈界面成像结果，课题组认为

项目背景：1.家电噪音已成为困扰家电企业最大的难题之 一，目前，海尔、海信等一般的吸音、隔音罩产品能够满足普通 机型家电产品的噪声需求，但要满足中、高端机型以及客户特别 定制机型不断增长的降噪需求还有一定的困难。2.目前，从吸音 层、隔音层新材料入手进行研发和储备，进行降噪新材料的研发 与应用课题有良好的市场前瞻性和成长性。 所需技术需求简要描述：新型隔音层阻尼材料，对现使用的 PVC 阻尼软片（隔音阻尼层材料）进行优化设计或添加阻尼涂层 材料，提升隔音阻尼性能；新型吸音层纤维材料，对现使用的绿 毡纤维、PET 纤维、丙烯晴纤维（吸音层纤维材料）进行优化设 计或组合，提升吸音性能；利用噪音测试、仿真模拟等场地设施 和精密仪器设备，在现有吸音降噪材料基础上噪音值降低 2 分贝 （dB）  对技术提供方的要求:1.具有长期研究从事噪声控制工程方 面的大学、研究院所团队； 2.拥有的相关专利技术，有专业研 发设备和检测仪器。 

额定电压：220V 出售商品种类：34 存储商品数量：190 支付方式：支付宝、微信等手机扫码在线支付 外形尺寸：H1910*L840*W836 是否制冷：带冷藏 是否带显示屏：无 自动售货机多少钱一台,无限宝盒仅需8890元,自动售货机厂家直销售后服务好！互联网型综合商品无人售货机！

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。