产品详细介绍

围绕学习者网上自主学习，创新性的引入人脸实时识别功能对学习过程进行判断，这个判断可以由教师进行开启或关闭，并设定判断标准。对学习资源采用课程资源包的形式，支持上传和在线编辑多种形式的资源。资源可以设定学习时长和作业测试，未达标则不允许进行下一步学习，包括人脸核验失败也会暂停学习动作，避免出现非本人等无效学习现象。 课堂交互能增加课堂趣味，提升学习者兴趣，并可进行课前、课中、课后报告对比。课末考试能及时检查学习效果。学习报告能统一呈现课程资源的学习时长、学习进度、考试成绩、教师评价等信息。

石油作为一种宝贵的资源与能源，其高附加值开发与利用是人们不断探索的课题。所有的石油润滑油，为达到在使用温度下保持润滑油的流动性这一要求，润滑油中就不能含有大量的固体石蜡烃，因此在生产润滑油的工艺中必须采用脱蜡过程。目前世界上主要采用酮苯脱蜡法和加氢法来进行降凝。然而这两种方法需要“大装备，大投入”，以及复杂工艺过程、苛刻的技术要求。 本技术对尿素深度脱蜡提出了全新的尿素深度脱蜡技术理念，制定了新型工艺路线，完成万吨级的生产装置。油品脱蜡效果显著，在润滑油基础油的低温性能和低凝方面有了重大突破。 该技术具有自主知识产权，已申请国家发明专利，具有先进性，并在石化行业中将具有广阔的应用前景。对我国变压器油基础油、低凝润滑油、以及高粘度白油低凝化的生产提供了新的工艺和思路；为润滑油低凝油多品种的开发，包括生产以矿物油为基础的0W高级低温润滑油提供了技术支持。实现了产学研一体化，将成果转化为产品，具有投入小、周期短、较高经济效益的特点和优势。

高精度、高分辨率的深度数据可以广泛应用于人机交互、生物医学、模式识别、机器人导航、3D打印、VR技术、增强显示等领域。本项目采用了基于复合结构光编码模板的主动式深度获取方法，设计稠密鲁棒的光栅模板，开展亚像素级的匹配方法研究，构建并行处理结构，通过多粒度的模板匹配实现高精度的深度数据并行计算。本项目重点突破了深度数据精度、分辨率和处理实时性难以兼顾的平静，解决了深度获取在实时性和高精度分辨率的矛盾。本深度获取设备对于推动我国在3D深度信息获取领域的技术发展和产业链扩展，具有重大意义。

石油作为一种宝贵的资源与能源，其高附加值开发与利用是人们不断探索的课题。所有的石油润滑油，为达到在使用温度下保持润滑油的流动性这一要求，润滑油中就不能含有大量的固体石蜡烃，因此在生产润滑油的工艺中必须采用脱蜡过程。目前世界上主要采用酮苯脱蜡法和加氢法来进行降凝。然而这两种方法需要“大装备，大投入”，以及复杂工艺过程、苛刻的技术要求。 本技术对尿素深度脱蜡提出了全新的尿素深度脱蜡技术理念，制定了新型工艺路线，完成万吨级的生产装置。油品脱蜡效果显著，在润滑油基础油的低温性能和低凝方面有了重大突破。

大连深度矩阵科技有限公司是全国领先的企业低代码全流程管理及解决方案提供商。公司以“深耕TOB低代码业务”为业务核心，致力将复杂需求转化为实用高效的行业应用。 公司自主创新产品——深度PaaS应用平台，采用的是主流的编程技术：Golang开发，通过Web Js 快速落地，PC、Pad、手机等多端均可适配，灵活的权限配置和控件服务，可变的工作流引擎，具备快速构建业务流程、逻辑和数据模型等所需的各种功能。 依托丰富的行业领域大型项目开发经验，为用户提供高质量产品及高效率服务，秉承一切从用户需求出发，为东北地区企业、高校和普教提供优质的软件产品、解决方案、行业资讯及相关培训和实施服务。

产品详细介绍

该平台包括多项核心技术和技术优势： （1）基于逻辑隔离机制的算力主机安全保护。实现了一种基于逻辑隔离机制的沙箱算力环境，能够独立于用户的系统进行计算。通过计算环境隔离、数据的存储隔离、网络环境的隔离，保障了算力运行环境独立于用户系统，互不干扰。 （2）多源异构数据的混合学习模型。提出一种基于深度学习的多源异构数据的混合学习模型，该模型通过深度学习进行不同数据源的特征提取，然后再通过深度学习的融合训练得到结果。 （3）高并发任务的调度。采取动态分配任务的机制，根据当前不同地区网络的传输速度，算力的分布情况，训练数据量的大小，根据制定的规则找到最合适的几个服务地点进行任务分配、数据传输以及分布式训练，最大化地利用当前算力资源。 （4）数据隐私保护。通过联邦学习、同态加密训练、区块链数据确权等方式加强对用户数据的保护。实现了一套基于同态加密和多方安全计算的训练系统，能够完全保护用户的数据隐私性。 （5）区块链记录及激励。“计算即挖矿”，系统根据用户提供的计算资源以及资源利用率来进行区块的奖励，算力越大获得的奖励也就越多。通过搭建的区块链可以记录数据的交互信息以及使用权，并可搭建智能合约平台。 该协作学习平台撮合各方业务和资源，包括算力、数据、模型，结合分布式机器学习、安全多方计算技术，提供保护隐私数据、算法模型前提下的协作学习服务，通过底层分布式账本记录，电子合约对接供需方，智能匹配资源对接，建立AI协作生态。具有以下优势：协作低成本、平台化；具备数据隐私保护，打破共享壁垒；后台底层账本对平台使用中产生的模型、数据、算力、广告收入等进行管理，保证数据可信；操作便捷，可提供定制化服务，高效最优匹配。02. 应用前景 该协作学习平台可用于人工智能、互联网广告、金融等领域，为中小型企业、科研机构或个人提供算力共享、数据共享、模型共享与模型开发等服务，具有广阔市场前景。03. 知识产权 已申请发明专利16项，登记软件著作权1项。04. 团队介绍 本成果团队长期研究区块链、人工智能、网络安全等。团队课题负责人为徐恪教授、博士生导师，清华大学计算机系副主任，国家杰出青年科学基金获得者，北京市卓越青年科学家。获得国家科学技术进步奖二等奖、国家技术发明奖二等奖，2011年获中国计算机学会青年科学家奖，是中国电子学会理事和中国计算机学会理事，曾在ACM SIGCOMM、IEEE/ACM TON、IEEE Communication Magazine等知名国际会议、期刊发表论文100余篇，近五年获得中国发明专利授权四十余项，获得美国发明专利8项。团队成员还包括多位教授、副教授、研究员和博士研究生。05. 合作方式 投融资 / 商务合作。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn