新葡京娱乐场-大陆娱乐场开户注册

項目概況 工程造價實訓室可進行算量軟件和報價軟件的培訓，培訓內容是三維算量和未來軟件報價，采用現場演示和互動答疑方式進行，不斷推進造價人員的電算化水平，深入推廣使用軟件以減輕造價人員的工作量。 造價員資格證書是初入建設行業的造價人員的執業證書。主要特點 工程造價教研室師資力量雄厚，相關教師熟悉算量軟件和報價軟件的操作，能夠指導初學者在短時間內學會相關軟件的操作；同時可以對參加全國初級造價員資格認證的人員進行考前培訓。該教研室教師所教授的學生在初級考試中通過率近60%，效果較好。技術指標   通過算量軟件和報價軟件的操作培訓，以及造價員證書的培訓，可以達到提高造價從業人員水平的目的。

本發明公開了一種利用多系統 GNSS 觀測值的高精度基線解算方法，首先通過對各 GNSS 系統各頻 率的偽距、載波相位觀測值在基線兩端測站間做差構建站間單差觀測值，之后選擇某類觀測值的偽距硬 件延遲作為基準以解決法方程秩虧問題，并根據各 GNSS 系統的性質對浮點單差模糊度估值處理去除組 合 UPD 影響，恢復單差模糊度的整周特性，進而實現基線高精度解算。本發明突破了現有多系統 GNSS 基線解算方法存在的缺陷，具有理論嚴密、模型簡單、易于實現

該成果創新性地基于二維半導體的硅基同質器件，首次提出了類腦功能的“傳感-計算-存儲一體化”神經形態芯片架構，實現了光電傳感、放大運算、信息存儲功能的一體化集成，為突破馮·諾依曼瓶頸和實現類腦智能提供了一種全新思路。 繆向水教授團隊，長期從事相變存儲器芯片、存算一體憶阻器芯片技術研究。2018年出版了國內第一本憶阻器專著《憶阻器導論》，2019年團隊93項三維相變存儲器芯片專利許可給芯片公司并合作開發產品，并與行業龍頭企業合作建立了聯合實驗室，推動存儲器芯片技術的成果轉化以及未來引領技術的探索。曾榮獲國家科技進步獎2項、湖北省技術發明一等獎1項。 同質晶體管-存儲器架構的原理及器件結構 繆向水團隊長期從事相變存儲器芯片、存算一體憶阻器芯片技術研究。2018年出版了國內第一本憶阻器專著《憶阻器導論》，2019年團隊93項三維相變存儲器芯片專利許可給芯片公司并合作開發產品，并與行業龍頭企業合作建立了聯合實驗室，推動存儲器芯片技術的成果轉化以及未來引領技術的探索。曾榮獲國家科技進步獎2項、湖北省技術發明一等獎1項。

針對腦卒中與關節損傷高發趨勢，本產品基于康復醫學理論研發多關節智能康復產品，覆蓋肘、膝、踝、腕等上下肢關鍵關節，通過對關節的反復訓練，增強關節本體感覺，打開活動度，推動神經系統重組代償，助力關節功能恢復。 本產品實現多項突破，運用高精度傳感器，精準捕捉關節運動微小變化，實現人機互動與實時康復數據反饋；結合自適應算法實現動態重力補償，精準調控角度/速度/力矩三維參數，通過循跡坐標點樣線擬合生理運動軌跡；創新集成多訓練模式切換系統，滿足全康復周期需求；產品兼具硬/軟件雙重安全防護，提高產品安全性。 腕關節康復器 前臂康復器 肘關節康復器 膝關節康復器 踝關節康復器

本發明公開了一種 GPU 上基于內存統一管理的 MapReduce 實 現方法，包括：初始化 GPU 的塊大小為 Bs，每個塊中的線程數目 N， 輸入數據量大小 M；在全局內存上為 GPU 的每個塊分配一個中間數據 緩沖區，同時分配一個全局結果緩沖區；對 p%的輸入數據進行預處理， 在中間數據緩沖區中收集 map 任務計算結果和歸約頻率信息；根據鍵 值對的歸約頻率，對中間結果進行排序，保存鍵值對索引信息到排序 結果緩

本發明公開了一種基于 GPU 和 CPU 混合平臺的高速無損數據 壓縮方法，包括：CPU 讀取待壓縮數據文件，將該待壓縮數據文件從 內存拷貝到 GPU 的全局存儲器中，設置 GPU 上的線程塊組 bk[a]，每 個線程塊中的線程個數 b，設置壓縮字典窗口的長度為 c，并設置指向 第一個壓縮字典窗口的頭部指針為 p_dic_h，設置預讀窗口大小為 d， 指 向 第 一 個 預 讀 窗 口 的 指 針 p_pre_r ， 該 指 針

現階段所設計的存算一體器件單元結構如圖 1 所示： 器件的基本結構由波導和功能層（由下到上分為加熱層、電極層、保護層、相變材料（硫系化合物）層）所構成。擬通過在當前流行的絕緣層上硅(SOI)光子平臺上集成四氮化三硅光波導的方式實現器件的光學讀取功能，即在非常厚的硅襯底層上生長一層絕緣層二氧化硅和波導層，然后在基片上通過光刻、顯影、刻蝕等工藝制備四氮化三硅波導。功能層主要用于實現器件的電學寫入功能。加熱器層的主要用途是與相變材料層形成電接觸，通過較小的接觸面積使接觸處的熱量集中，從而可以在較小的電壓或電流下使相變材料發生相變。因此需要加熱器層具備較好的導熱和導電性能，同時在近 C 波段具有較低的光損耗，可采用石墨烯。電極層可用于提供相變材料器件單元所需要的編程電脈沖。當前擬采用硒摻雜的相變材料合金（如 GSST）作為器件的核心功能層的相變材料。該材料在通信/非通信波段顯示了極低的光損耗和更高的品質因數，且相變前后在通信 C 波段具有足夠大的光學常數反差，可在更惡劣的高溫環境下進行操作，適用于硅基光子器件應用。 采用的主要技術手段包括： ① 依托于相變材料的電致和光致相變特性，通過電學編程、光學讀取的方法實現器件的存儲、算術運算和邏輯運算功能：  存儲功能的實現：擬利用相變材料晶態低透過率和非晶態高透過率分別代表二進制中的‘1’和‘0’，實現數據存儲（編程）功能。例如在電極兩端施加合適的電脈沖，所產生電流流經加熱層時，生成的熱量主要集中在加熱層和相變材料層接觸處，使得接觸處的相變材料發生相變，實現存儲功能。在完成上述編程操作后，從器件波導輸入端輸入讀取連續光。由于相變材料功能層對光強的吸收能力在編程和非編程區域間存在著顯著的差異，因此當輸入光經過波導后，其能量會因為相變材料編程區域的吸收而發生改變，進而顯著改變輸出光強能量。所以通過測量輸入輸出光強的能量之比（即透過率），可實現對先前編程區域的讀取。  算術和邏輯功能的實現：通過調整編程電脈沖的幅度和寬度可以動態調控相變材料的相變程度，使得器件的中間透過率值可用于代表不同的數值，實現多級存儲功能。所以擬采用輸入脈沖數量對應加數的方法實現標量加法計算。同時由于所設計器件的讀取連續光輸出功率可視為讀取連續光輸入功率和器件透過率的乘積，因此可采用將輸入功率和透過率作為被乘數和乘數的方法實現基本乘法運算。除此之外還可以將器件功能層的初始狀態設置為非晶相，把晶化脈沖幅值和不足以產生晶化的脈沖幅值分別作為輸入邏輯‘1’和‘0’；同時設定一個判定閾值并與編程后器件透過率的變化率進行對比，把高于和低于閾值的透過率變化率分別作為輸出邏輯 ‘1’和‘0’；通過合理選擇編程脈沖有望實現各種邏輯功能輸出。 ② 基于器件透射率可調特性驗證其實現神經突觸的可行性。并依托所設計人工突觸構建人工神經網絡芯片，實現圖像、語音和文本識別功能：  突觸可塑性是大腦記憶和學習的神經生物學基礎，也是人工類腦器件需要實現的首要功能。為實現突觸可塑性，擬把相變材料和波導之間的耦合區域視為仿生神經突觸，左右兩端電極分別代表突觸前和突觸后，分別施加在兩端電極上的電脈沖則作為突觸前和突觸后刺激。通過調節從左右兩端電極輸入耦合區域的電脈沖時間差對耦合區域的光透過率進行連續調控，進而依托于上述存算理論模型和實物器件仿真和實驗實現仿生神經突觸的脈沖時序依賴可塑性（Spike-Timing-Dependent-Plasticity, STDP)。  將不同波長的光脈沖序列輸入所設計的突觸單元, 經過相變材料的作用，脈沖強度發生變化，對應于乘法器。進而借助于微環結構，將不同波長的脈沖導入進同一波導中，該功能類似加法器。相加后的脈沖光強較小時，讀取光與微環發生共振，在輸出端口沒有光強輸出。當光強達到一定的閾值后，讀取信號不再和微環發生共振，而是傳播到輸出端口。這一過程類似神經元脈沖信號的激發，實現了非線性激活函數的功能。利用上述的單個神經元結構，驗證其監督式機器學習和非監督式機器學習。對于監督式機器學習，權重的數值通過外部管理器設置；對于非監督式機器學習，不再需要外部管理器來設置權重值，而是通過輸出光脈沖進行反饋控制，調整權重值。在單個神經元結構的基礎上，更復雜的光學脈沖神經網絡結構，證明該結構的可擴展性。擬設計的神經網絡中的每一層結構包括三個功能單元，即收集器、分發器和神經突觸結構。收集器將上一層不同波長的光脈沖信號收集到同一根波導中，分發器將光脈沖分發給多個神經元，神經突觸結構則產生光脈沖信號，輸入給下一層結構。基于上述結構實現圖片、語音和文本的識別。 創新性分析：①首次研究了一款基于“電學編程、光學讀取”模式的光電混合存算一體化器件。與傳統電學存算一體化器件相比,擬研發的器件可以進行長距離的信息傳輸，具有傳輸帶寬高、信號間延遲低、損耗低、抗干擾、集成密度高等優點。②采用硒(Se)摻雜的相變材料作為存算一體化器件的核心功能材料。與采用其他相變材料的存算一體器件相比，以硒參雜的相變材料作為功能材料的存算一體器件有望展現出極低的光損耗。③提出了一種基于“電學脈沖刺激、光學權重調節”的人工神經突觸。該突觸器件有望成為未來通用型人工神經突觸，填補了光電混合型人工突觸的技術空白。 先進性分析：①所提出的光電混合工作模式使得該存算一體化器件不但具有傳統集成電路的高密度特性，且兼具光通信技術的寬頻帶、低延遲、抗干擾的優越性能。②所采用硒參雜的相變材料不但繼承了傳統材料具有的快速相變轉化速度、低功耗和穩定性強等特性，且本身在通信波段非晶態透明的同時還保持了相變前后足夠大的光學性能差異的特點。③所設計的突觸繼承了人工電子突觸和全光突觸的優點，具有高集成度、低功耗、超快響應時間、穩定性強等優點。 獨占性分析：根據已取得成果正在撰寫專利，以獲得該關鍵技術的獨有權。 

本發明公開了一種空間多自由度定位裝置及其空間位置解算方法。所述裝置包括底板平臺、第一三維轉臺、第二三維轉臺、第一轉臺底座、第二轉臺底座、伺服電機、絲杠和導軌，導軌鋪設在底板平臺上，第一三維轉臺安設在第一轉臺底座上，第一轉臺底座固定在底板平臺的一端，第二三維轉臺安設在第二轉臺底座上，第二轉臺底座可以沿導軌做靠近或遠離第一轉臺底座的運動，兩個目標物體分別固定在第一三維轉臺和第二三維轉臺上。所述空間位置解算方法根據本發明裝置的機械結構特點，通過固定在夾具上兩物體間期望的空間位置姿態關系解算出裝置上每個運動部件的運動量。本發明能夠實現空間中兩個物體之間的復雜相對位置姿態的定位。

本發明公開了一種基于 GPU/CPU 混合架構的流程序多粒度劃分與調度方法，包括：根據數據流程序各個任務的計算特點以及任務之間的數據通信量，將任務分配到合適的計算平臺上；利用 GPU 端任務的并行性將其均衡分裂到各個 GPU，以避免 GPU 間高額的通信開銷；通過選擇 CPU 核，將 CPU 端各任務均衡分配給各 CPU 核，以保證負載均衡并提高 CPU 核的利用率；采用多種數據存儲結構和多種訪問類型的方法，以提高內存的訪問效率；通過生成目標模板類和壓縮目標結點的個數，降低目標代碼的冗余量。本發明在

本發明公開了一種基于眾核和 GPU 的網絡視頻流不良內容檢測方法，包括：在眾核計算平臺下獲取網絡數據包，對網絡數據包進行分類，以提取網絡數據包中的視頻數據包，對視頻數據包進行重組，按照網絡視頻流編碼的語法對重組后的視頻數據包進行解碼，以生成圖像序列，GPU 采用基于紋理檢測和膚色點檢測相結合的方法對圖像序列進行預處理，以確定疑似不良圖像，GPU 采用 SVM 對疑似不良圖像進行精確處理，以確定不良圖像。本發明只需獲取網絡數據包，即可識別出視頻流，直接對視頻流進行解碼后，采用圖像匹配檢測技術即可識別該視頻流是否含有不良信息。