新葡京娱乐场-大陆娱乐场开户注册

技術分析(創新性、先進性、獨占性) 挖掘了蛋白質分子結構的幾何特征，開發了新穎的優化設計算法，準確識別結合位點，準備預測抗體結構和抗體-抗原相互作用復合物結構，可以顯著提高藥物設計效益。自主獨立開發。 已經在國際競賽中取得第一名的好成績，也應用在生物和醫學實驗中，算法和程序代碼完整。

機器人在煤礦救援領域發揮著越來越重要的作用，但仍存在無法精確識別災后環境、無法適應井下復雜地形以及難以檢測、定位井下生命體等問題。 一、項目進展 創意計劃階段 二、負責人及成員 姓名 學院/所學專業 入學/畢業時間 柳佳樂 自動化18-2 2018-2022 劉浩峰 計算機科學與技術18-7 2018-2022 石少勇 測控技術與儀器18-2 2018-2022 欒廣鑫 電氣工程及其自動化18-5 2018-2022 李明晶 測控技術與儀器18-1 2018-2022 三、指導教師 姓名 學院/所學專業 職務/職稱 研究方向 楊洪濤 機械工程學院 教授 精密測試技術、儀器精度理論及應用、自動化測控系統 凌六一 電氣與信息工程學院 教授 智能信息處理、光電檢測及環境光譜探測技術 蘇樹智 計算機科學與工程學院 副教授 人工智能、模式識別、機器視覺、信息融合、深度學習等領域 四、項目簡介 目前，機器人在煤礦救援領域發揮著越來越重要的作用，但仍存在無法精確識別災后環境、無法適應井下復雜地形以及難以檢測、定位井下生命體等問題。為此，本團隊充分利用六足機器人高穩定性和多地形適應性的優勢，應用激光雷達、深度相機和其他輔助傳感器，設計仿生六足煤礦救援機器人，結合SLAM、A*、ROS等先進技術，實現礦井災后局部復雜環境的三維地圖構建、地形障礙物識別以及機器人自主路徑規劃。機器人所獲信息實時無線傳輸至上位機，幫助救援人員快速制定科學有效的救援方案。

簡介： 1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。 層級分割模型示意圖  分類模型可視化熱圖   2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。 鉬靶乳腺圖像預處理   雙側雙體位深度學習網絡   優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。  

1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。層級分割模型示意圖 分類模型可視化熱圖 2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。鉬靶乳腺圖像預處理 雙側雙體位深度學習網絡 優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。

集成3D模型、視頻、圖片等各種素材，提供場景編輯、交互流程設定、渲染等功能，以實現3D模型自動重建的目標。 利用人工智能技術，構建模擬計算的算法和模型，根據數據實時進行仿真計算。 上傳一張圖片，可以在1分鐘以內快速生成三維模型素材。 上傳一段視頻，可以在1個小時以內快速生成精細紋理三維模型素材。 支持本地化部署，支持分布式部署建模，支持大批量用戶同時在線訪問。 可實現實體設計、草圖繪制、參數化建模和模型編輯功能。 支持導入*.glb、*.stl、*.obj、*.gltf格式模型。 可輸出*.glb、*.stl、*.obj、*.gltf格式模型。 全方位的3D場景，上下、左右、前后360度觀察模型所在環境，展示效果更逼真。 可以通過造型表面上的多個點來控制造型變形； 可對造型進行扭曲、折彎、錐度等多種變形處理。 可實現邊學習邊實操的教學模式，支持創建學習資源或教學課件。 可直接在軟件里拖曳云盤中的三維模型，也可以將軟件中模型直接上傳到云盤。 系統采用PBR材質，基于物理的著色技術，最大程度還原工作環境，提高用戶沉浸感； 采用LOD技術處理復雜場景的繪制，使軟件運行更加流暢，分層級處理系統渲染效果； 采用三維模型構建場景及物體，物體多邊形面數(poly)控制在≤30 萬面，基礎包大?。?0MB，支持多種分辨率(1280×720，1600×900，1920×1080)確保用戶體驗； 實訓場景內模型無閃面、重面、破面，不能有多邊面，保證場景演示無閃爍現象； 場景烘焙無曝光過度，無黑邊現象，采用PostProcess進行場景后處理，真實逼真； 虛擬人物滿足人設需求，著裝符合角色身份； 虛擬人物能自主控制，具有多種動作，動作自然，可模擬操作主要過程；

因果關系是自然界現象之間最普遍和最基本的聯系。在物理學、生命科學、地理學等各個自然科學領域乃至哲學、經濟學等社會科學中，發現內蘊的因果關系、因果網絡可以反映系統演化的核心互作機制，具有重要的科學意義。

1. 痛點問題 工業時序數據具有應用領域廣、數據規模大、經濟價值高的特點，蘊含的巨大商業價值，因而其安全性受到不法分子采用黑客攻擊等技術手段以及雇傭商業間諜等非技術手段的威脅。數據所有者通常會采用前效方法對數據庫中的數據加以保護，但是這些方法只能有效防止外部人員進行非法盜竊，對于內部人員盜竊等途徑并不能有效遏制。數字水印是解決數據在傳播過程中安全問題的一個主流分支，通常的數字水印采用分組多數投票方法來提升算法的魯棒性，但時序數據通常有較多的噪聲，高價值數據點相對集中，因而一個未經加權的投票算法可能會因為大范圍的噪聲干擾而導致水印判定失效。此外，常見時序數字水印算法基于時間戳進行水印嵌入計算，容易受到更改時間戳或頻率變換的攻擊，一旦時間戳序列大幅度改變，水印提取算法將受到很大影響，很可能導致水印提取完全失效。 2. 解決方案 工業物聯網數據是工業大數據規模迅速擴張的主要來源。各類物聯網傳感器以極高的頻率采集其所在設備的工作狀態數據，通常為一系列包含數據產生時間戳（Timestamp）和采集數據（Data）形式為(Timestamp, Data) 的元組序列，稱為時間序列。工業時序數據具有應用領域廣、數據規模大、經濟價值高的特點，蘊含的巨大商業價值，因而其安全性受到不法分子采用黑客攻擊等技術手段以及雇傭商業間諜等非技術手段的威脅。 數據所有者通常會采用前效方法對數據庫中的數據加以保護，包括但不限于：數據加密、用戶權限劃分等等。但是，這些方法只能有效防止外部人員進行非法盜竊，對于內部人員盜竊等途徑并不能有效遏制。數字水印是解決數據在傳播過程中安全問題的一個主流分支，常見時序數字水印算法基于時間戳進行水印嵌入計算，容易受到更改時間戳或頻率變換的攻擊，一旦時間戳序列大幅度改變，水印提取算法將受到很大影響，很可能導致水印提取完全失效。此外，數字水印通常采用分組多數投票方法來提升算法的魯棒性，但時序數據通常有較多的噪聲，高價值數據點相對集中，因而一個未經加權的投票算法可能會因為大范圍的噪聲干擾而導致水印判定失效。 本項目針對常見的水印失效場景進行了分析，提出了能夠有效提示水印魯棒性的技術，更好的確保數據安全的管理能力。 3.合作需求 在全國范圍內工業互聯網/工業大數據相關領域尋求應用場景，希望能與能源/裝備制造行業的大中型企業開展這方面的合作研究和落地實施；并針對上述企業開展包括二次開發在內的各類實際應用，助力企業降本增效、轉型升級。

產品詳細介紹 機械臂運動算法STEAM主題課程 項目背景 隨著工業 4.0 科技革命的到來，工業機器人已成為工業化程度的重要標志。機械臂是最為典型也是最早出現的工業機器人，它可以代替人的繁重勞動以實現生產的機械化和自動化，提高生產效率的同時避免人身事故的發生。機械臂課程的學習可以培養學生將科學技術應用于日常生活、社會實踐的意識。 在本項目中，學生可借助機械臂運動算法套件與人工智能與編程教學系統，了解關節機械臂和伸縮機械臂的原理及特點，搭建不同類型機械臂并通過編程實現智能控制。 課程性質 這是一門以項目式教學開展的跨學科課程，以基于建構主義理論的 5E 教學模式作為指導，結合了 中小學信息技術課程標準與編程教學特色。 課程目標 1.知識與技能 ?  了解機械臂的類型及其在現實生活中的應用。 ?  掌握關節機械臂和伸縮機械臂的結構特點，設計并制作相應模型。 ?  學習圖形化編程或 C++代碼編程的基礎知識，使模型完成實際任務。 ?  掌握機械臂運動算法的設計、編寫及調試。 2.過程與方法 ?  通過觀察、查閱相關資料等活動，培養對信息的有效性、客觀性做出判斷的意識，發展分析概括能力。 ?  通過機械臂模型的搭建和編程，發展編程思維和工程思維能力。 ?  在完成模型設計和算法設計過程中，提高分析問題和解決問題能力，養成自學能力。 3.情感態度與價值觀 ?  了解機械臂在日常生活中的實際應用，萌發將科學技術應用于日常生活、社會實踐的意識。 ?  養成實事求是，尊重自然規律的科學態度。 ?  關注科學技術對社會發展、自然環境及人類生活的影響。

項目成果/簡介:本發明涉及一種基于果蠅算法優化廣義回歸神經網絡算法的茶葉儲存時間分類方法,旨在通過改進的廣義回歸神經網絡解決茶葉儲存時間分類問題,屬于茶葉儲存時間分類領域.其原理利用電子鼻傳感器模擬人感官品評的功能和特征,采集不同時間不同傳感器的特征值,構建樣本集.利用果蠅算法優化廣義回歸神經網絡,獲得廣義神經網絡的平滑因子,進而構建毛峰茶葉儲存時間的FOAGRNN分類模型和方法.本發明的有益效果在于將果蠅算法優化廣義回歸神經網絡算法應用于毛峰茶葉數據中,提高預測毛峰茶葉儲存時間分類的效率和準確度,為消費者提供茶葉儲存時間分類的有效方法.

本發明涉及一種基于果蠅算法優化廣義回歸神經網絡算法的茶葉儲存時間分類方法,旨在通過改進的廣義回歸神經網絡解決茶葉儲存時間分類問題,屬于茶葉儲存時間分類領域.其原理利用電子鼻傳感器模擬人感官品評的功能和特征,采集不同時間不同傳感器的特征值,構建樣本集.利用果蠅算法優化廣義回歸神經網絡,獲得廣義神經網絡的平滑因子,進而構建毛峰茶葉儲存時間的FOAGRNN分類模型和方法.本發明的有益效果在于將果蠅算法優化廣義回歸神經網絡算法應用于毛峰茶葉數據中,提高預測毛峰茶葉儲存時間分類的效率和準確度,為消費者提供茶葉儲存時間分類的有效方法.