|
搜索
搜 索
高等教育领域数字化综合服务平台
ET-2108 数字先锋语言学习系统
产品详细介绍
ET-2108 数字先锋语言学习系统
本公司数字语言学习系统采用先进的DSP处理技术，开放的TCP/IP架构，并结合科学的辅助教学思想，丰富的学习资料，彻底突破了传统语音室只作单纯教学工具，非人性化的特点，大大提高了学生学习效率。
采用笔记本电脑结构设计，现代时尚、防尘
六寸超大液晶显示屏，背光可调节大屏幕
学生终端带录音卡座
创新的电子白板功能
学生端即写即显，支持键盘输入，轻松实现文本考试
支持8路教材同时广播，各频道节目源学生可随意选
取、切换音频、文本教学资源同步播放，教材编辑操作简便
动态限制学生点播范围，有效控制学生点播权限
5级变速不变调播放，完全响应教学要求
电子词典模糊查询，屏幕点词即时翻译
北京开立伟业科技有限公司
2021-08-23
MQ-LLS-70系列语言学习系统
产品详细介绍 MQ-LLS-70系列语言学习系统为多媒体语言教学的高级平台。系统具有强大的语言教学和考试分析功能，还具有先进的多媒体功能，独立的多媒体功放，和标准的通讯接口；四路视音频切换矩阵；考题编辑单元；学生视频分组；教师一机双屏可脱机操作等多种控制功能； 系统最大容量为160座。录音机采用进口全电控防轧带机芯，LCD显示，语句、段落自动重播以及各种书签功能，为学校的教学实践提供了极为便利的条件。各项技术指标参照国家A级标准执行。
本系列根据系统不同配置，共有18种型号可供选择。
浙江大学方圆电子信息有限公司
2021-08-23
乔益师高校外语专属学习平台
这个项目是集硬件、软件、服务于一体，通过高科技现代化的网络技术、4G/5G技术、云技术、调频广播发射技术、远程监测、播放管理等技术，实现远程管理、播放服务。
武汉市乔益师电子有限公司
2022-07-20
STC IAP15W 8051 MCU学习板
上海皮赛电子有限公司研发STC IAP15W 8051 MCU学习板。
上海皮赛电子有限公司
2021-02-01
病毒变异及适应宿主受体分子重要位点研究
江苏大学针对冠状病毒源头，致病机理和传播机制等问题开展深入的基础研究，为冠状病毒长期防治提供科技支撑。 江苏大学医学院张文教授团队迅速开展联合攻关，利用江苏大学医学院检验医学研究所建立的病毒宏基因组学分析平台，联合复旦大学医学院及上海派森诺测序公司，对实验室多年来保存的采集自100多种野生动物近10，000标本进行病毒宏基因组学分析，进行2019-nCoV溯源研究，以期确认新型冠状病毒的自然宿主及中间宿主。为从源头切断新型冠状病毒的传播打下基础。团队同时比较2019-nCoV及其近缘冠状病毒毒株S蛋白氨基酸序列，找出病毒变异及适应宿主受体分子重要位点，利用酵母双杂交系统，筛选2019-nCov与宿主细胞互作分子，以期阐明2019-nCoV适应性进化机制并明确该新型冠状病毒跨种间感染与传播关键分子，为新型冠状病毒感染的阻断药物制剂的研发及临床核酸诊断和治疗提供理论支撑。 基于2019-nCoV基因组分析及其跨种间传播途径的研究查看原文
江苏大学
2021-04-10
环境适应药物红景天苷的微生物合成
已有样品/n首次实现利用葡萄糖为原料微生物高效合成红景天苷，在30升发酵罐，发酵60h，红景天苷产量可达10克/升，已初步建立了提取工艺。与化学合成法相比，微生物合成红景天苷具有反应条件温和、目标产物可以发酵大量生产的特点，红景天苷主要存在于发酵液中，提取工艺简单。红景天苷微生物合成技术，与传统生产方法相比，降低了生产成本和环境污染，实现可持续发展，具有很好的应用前景。从植物中提取的红景天苷成本3万元/公斤，化学合成红景天苷成本1万元/公斤。以目前的发酵水平10克/升计算，研究所技术生产的红景天苷预
中国科学院大学
2021-01-12
教育部党组学习贯彻习近平总书记在加强基础研究座谈会上的重要讲话精神
长周期稳定支持一批青年人才开展原创性、颠覆性研究，培育未来领军人才。
教育部
2026-05-09
基于AI 机器学习的影像组学模型研究
2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。
东南大学
2021-04-10
基于协同尺度学习的行人重识别方法
本发明公开了一种基于协同尺度学习的行人重识别方法，属于监控视频检索技术领域。本发明首先 根据已标注训练样本集 L 中图像的颜色和纹理特征，进行尺度学习得到相应马氏距离中的协方差矩阵 Mc 和 Mt;随机选择查询对象使用 Mc 和 Mt 进行马氏距离度量，得到相应排序结果，从中取得正样本 和负样本生成新的已标注训练样本集 L，更新 Mc 和 Mt，直到未标注训练样本集 U 为空，得到最终的 标注样本集 L*，并融合颜色和纹理特征得到 Mf，就可以使用基于 Mf 的马氏距离函数进行行人重识别。 本发明在半监督框架下研究基于尺度学习的行人重识别技术，通过未标注样本辅助标注样本进行尺度学 习，符合实际视频侦查应用标注训练样本难以获取的要求，能有效提升少标注样本下的重识别性能。
武汉大学
2021-04-13
深度学习处理器研发及产业化
已有样品/n重点突破智能终端深度学习处理器芯片设计，研发并改进CNN、RNN 等深度学 习算法和技术，设计并研发Alex、Caffe、Torch等常用的深度学习架构。深度学习 处理器芯片支持CNN/DNN/MLP等主流深度学习神经网络算法，基于深度学习处理器 芯片的智能设备可运行手写数字识别等任务；深度学习处理器芯片处理imagenet测 试集图像分类任务达到30帧/s，芯片面积不超过60平方毫米，单芯片功耗不超过 20W，所研发的芯片性能功耗比超过目前智能终端所使用的主流CPU的100倍。最终 在
中国科学院大学
2021-01-12