新葡京娱乐场-大陆娱乐场开户注册

技術(shù)分析(創(chuàng)新性、先進(jìn)性、獨占性) 挖掘了蛋白質(zhì)分子結(jié)構(gòu)的幾何特征，開發(fā)了新穎的優(yōu)化設(shè)計算法，準(zhǔn)確識別結(jié)合位點，準(zhǔn)備預(yù)測抗體結(jié)構(gòu)和抗體-抗原相互作用復(fù)合物結(jié)構(gòu)，可以顯著提高藥物設(shè)計效益。自主獨立開發(fā)。 已經(jīng)在國際競賽中取得第一名的好成績，也應(yīng)用在生物和醫(yī)學(xué)實驗中，算法和程序代碼完整。

機(jī)器人在煤礦救援領(lǐng)域發(fā)揮著越來越重要的作用，但仍存在無法精確識別災(zāi)后環(huán)境、無法適應(yīng)井下復(fù)雜地形以及難以檢測、定位井下生命體等問題。 一、項目進(jìn)展 創(chuàng)意計劃階段 二、負(fù)責(zé)人及成員 姓名 學(xué)院/所學(xué)專業(yè) 入學(xué)/畢業(yè)時間 柳佳樂 自動化18-2 2018-2022 劉浩峰 計算機(jī)科學(xué)與技術(shù)18-7 2018-2022 石少勇 測控技術(shù)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(shù)與儀器18-1 2018-2022 三、指導(dǎo)教師 姓名 學(xué)院/所學(xué)專業(yè) 職務(wù)/職稱 研究方向 楊洪濤 機(jī)械工程學(xué)院 教授 精密測試技術(shù)、儀器精度理論及應(yīng)用、自動化測控系統(tǒng) 凌六一 電氣與信息工程學(xué)院 教授 智能信息處理、光電檢測及環(huán)境光譜探測技術(shù) 蘇樹智 計算機(jī)科學(xué)與工程學(xué)院 副教授 人工智能、模式識別、機(jī)器視覺、信息融合、深度學(xué)習(xí)等領(lǐng)域 四、項目簡介 目前，機(jī)器人在煤礦救援領(lǐng)域發(fā)揮著越來越重要的作用，但仍存在無法精確識別災(zāi)后環(huán)境、無法適應(yīng)井下復(fù)雜地形以及難以檢測、定位井下生命體等問題。為此，本團(tuán)隊充分利用六足機(jī)器人高穩(wěn)定性和多地形適應(yīng)性的優(yōu)勢，應(yīng)用激光雷達(dá)、深度相機(jī)和其他輔助傳感器，設(shè)計仿生六足煤礦救援機(jī)器人，結(jié)合SLAM、A*、ROS等先進(jìn)技術(shù)，實現(xiàn)礦井災(zāi)后局部復(fù)雜環(huán)境的三維地圖構(gòu)建、地形障礙物識別以及機(jī)器人自主路徑規(guī)劃。機(jī)器人所獲信息實時無線傳輸至上位機(jī)，幫助救援人員快速制定科學(xué)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(yī)學(xué)CT圖像出發(fā)，搭建深度學(xué)習(xí)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(lián)分割網(wǎng)絡(luò)，從病人腹部的CT圖像中將胰腺器官分割出來。級聯(lián)分割網(wǎng)絡(luò)比之前的層級分割網(wǎng)絡(luò)結(jié)果提升10各點。之后建立多模態(tài)分類網(wǎng)絡(luò)，針對CT圖像的特性，將多切片多造影劑時期多區(qū)域的數(shù)據(jù)進(jìn)行融合，在胰腺腫物分類中取得了較好的結(jié)果。 層級分割模型示意圖  分類模型可視化熱圖   2、現(xiàn)有的乳腺癌腋窩淋巴轉(zhuǎn)移的醫(yī)療診斷措施為病理活檢，是一種過度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測手段能夠有效避免過度醫(yī)療。我們構(gòu)造了基于乳腺鉬靶圖像的深度卷積神經(jīng)網(wǎng)絡(luò)模型來處理乳腺癌腋窩淋巴轉(zhuǎn)移問題。我們對乳腺鉬靶數(shù)據(jù)進(jìn)行了預(yù)處理和數(shù)據(jù)集的整理、劃分。我們構(gòu)造了三個不同的深度卷積神經(jīng)網(wǎng)絡(luò)，患病側(cè)單體位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)和雙側(cè)雙體位四視圖網(wǎng)絡(luò)。其中，患病側(cè)單體位網(wǎng)絡(luò)分為 CC 位網(wǎng)絡(luò)和 MLO 位網(wǎng)絡(luò)。在乳腺鉬靶數(shù)據(jù)的測試集上，患病側(cè) CC 位網(wǎng)絡(luò)、患病側(cè) MLO 位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)、雙側(cè)雙體位四視圖網(wǎng)絡(luò)的結(jié)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(cè)雙體位四視圖網(wǎng)絡(luò)具有更好的預(yù)測效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測任務(wù)。對于雙側(cè)雙體位四視圖網(wǎng)絡(luò)，我們不僅使用了雙側(cè)測試集 1，還使用了額外的雙側(cè)測試集 2 進(jìn)行測試。 鉬靶乳腺圖像預(yù)處理   雙側(cè)雙體位深度學(xué)習(xí)網(wǎng)絡(luò)   優(yōu)勢：從客觀的醫(yī)學(xué)圖像數(shù)據(jù)出發(fā)，結(jié)果可重復(fù)，而且高效快捷，提高識別準(zhǔn)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(yī)學(xué)CT圖像出發(fā)，搭建深度學(xué)習(xí)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(lián)分割網(wǎng)絡(luò)，從病人腹部的CT圖像中將胰腺器官分割出來。級聯(lián)分割網(wǎng)絡(luò)比之前的層級分割網(wǎng)絡(luò)結(jié)果提升10各點。之后建立多模態(tài)分類網(wǎng)絡(luò)，針對CT圖像的特性，將多切片多造影劑時期多區(qū)域的數(shù)據(jù)進(jìn)行融合，在胰腺腫物分類中取得了較好的結(jié)果。層級分割模型示意圖 分類模型可視化熱圖 2、現(xiàn)有的乳腺癌腋窩淋巴轉(zhuǎn)移的醫(yī)療診斷措施為病理活檢，是一種過度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測手段能夠有效避免過度醫(yī)療。我們構(gòu)造了基于乳腺鉬靶圖像的深度卷積神經(jīng)網(wǎng)絡(luò)模型來處理乳腺癌腋窩淋巴轉(zhuǎn)移問題。我們對乳腺鉬靶數(shù)據(jù)進(jìn)行了預(yù)處理和數(shù)據(jù)集的整理、劃分。我們構(gòu)造了三個不同的深度卷積神經(jīng)網(wǎng)絡(luò)，患病側(cè)單體位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)和雙側(cè)雙體位四視圖網(wǎng)絡(luò)。其中，患病側(cè)單體位網(wǎng)絡(luò)分為 CC 位網(wǎng)絡(luò)和 MLO 位網(wǎng)絡(luò)。在乳腺鉬靶數(shù)據(jù)的測試集上，患病側(cè) CC 位網(wǎng)絡(luò)、患病側(cè) MLO 位網(wǎng)絡(luò)、患病側(cè)雙體位網(wǎng)絡(luò)、雙側(cè)雙體位四視圖網(wǎng)絡(luò)的結(jié)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(cè)雙體位四視圖網(wǎng)絡(luò)具有更好的預(yù)測效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測任務(wù)。對于雙側(cè)雙體位四視圖網(wǎng)絡(luò)，我們不僅使用了雙側(cè)測試集 1，還使用了額外的雙側(cè)測試集 2 進(jìn)行測試。鉬靶乳腺圖像預(yù)處理 雙側(cè)雙體位深度學(xué)習(xí)網(wǎng)絡(luò) 優(yōu)勢：從客觀的醫(yī)學(xué)圖像數(shù)據(jù)出發(fā)，結(jié)果可重復(fù)，而且高效快捷，提高識別準(zhǔn)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(shè)定、渲染等功能，以實現(xiàn)3D模型自動重建的目標(biāo)。 利用人工智能技術(shù)，構(gòu)建模擬計算的算法和模型，根據(jù)數(shù)據(jù)實時進(jìn)行仿真計算。 上傳一張圖片，可以在1分鐘以內(nèi)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(nèi)快速生成精細(xì)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(xiàn)實體設(shè)計、草圖繪制、參數(shù)化建模和模型編輯功能。 支持導(dǎo)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(huán)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(jìn)行扭曲、折彎、錐度等多種變形處理。 可實現(xiàn)邊學(xué)習(xí)邊實操的教學(xué)模式，支持創(chuàng)建學(xué)習(xí)資源或教學(xué)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(tǒng)采用PBR材質(zhì)，基于物理的著色技術(shù)，最大程度還原工作環(huán)境，提高用戶沉浸感； 采用LOD技術(shù)處理復(fù)雜場景的繪制，使軟件運行更加流暢，分層級處理系統(tǒng)渲染效果； 采用三維模型構(gòu)建場景及物體，物體多邊形面數(shù)(poly)控制在≤30 萬面，基礎(chǔ)包大小＜50MB，支持多種分辨率(1280×720，1600×900，1920×1080)確保用戶體驗； 實訓(xùn)場景內(nèi)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(xiàn)象； 場景烘焙無曝光過度，無黑邊現(xiàn)象，采用PostProcess進(jìn)行場景后處理，真實逼真； 虛擬人物滿足人設(shè)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(guān)系是自然界現(xiàn)象之間最普遍和最基本的聯(lián)系。在物理學(xué)、生命科學(xué)、地理學(xué)等各個自然科學(xué)領(lǐng)域乃至哲學(xué)、經(jīng)濟(jì)學(xué)等社會科學(xué)中，發(fā)現(xiàn)內(nèi)蘊(yùn)的因果關(guān)系、因果網(wǎng)絡(luò)可以反映系統(tǒng)演化的核心互作機(jī)制，具有重要的科學(xué)意義。

1. 痛點問題 工業(yè)時序數(shù)據(jù)具有應(yīng)用領(lǐng)域廣、數(shù)據(jù)規(guī)模大、經(jīng)濟(jì)價值高的特點，蘊(yùn)含的巨大商業(yè)價值，因而其安全性受到不法分子采用黑客攻擊等技術(shù)手段以及雇傭商業(yè)間諜等非技術(shù)手段的威脅。數(shù)據(jù)所有者通常會采用前效方法對數(shù)據(jù)庫中的數(shù)據(jù)加以保護(hù)，但是這些方法只能有效防止外部人員進(jìn)行非法盜竊，對于內(nèi)部人員盜竊等途徑并不能有效遏制。數(shù)字水印是解決數(shù)據(jù)在傳播過程中安全問題的一個主流分支，通常的數(shù)字水印采用分組多數(shù)投票方法來提升算法的魯棒性，但時序數(shù)據(jù)通常有較多的噪聲，高價值數(shù)據(jù)點相對集中，因而一個未經(jīng)加權(quán)的投票算法可能會因為大范圍的噪聲干擾而導(dǎo)致水印判定失效。此外，常見時序數(shù)字水印算法基于時間戳進(jìn)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(dǎo)致水印提取完全失效。 2. 解決方案 工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)是工業(yè)大數(shù)據(jù)規(guī)模迅速擴(kuò)張的主要來源。各類物聯(lián)網(wǎng)傳感器以極高的頻率采集其所在設(shè)備的工作狀態(tài)數(shù)據(jù)，通常為一系列包含數(shù)據(jù)產(chǎn)生時間戳（Timestamp）和采集數(shù)據(jù)（Data）形式為(Timestamp, Data) 的元組序列，稱為時間序列。工業(yè)時序數(shù)據(jù)具有應(yīng)用領(lǐng)域廣、數(shù)據(jù)規(guī)模大、經(jīng)濟(jì)價值高的特點，蘊(yùn)含的巨大商業(yè)價值，因而其安全性受到不法分子采用黑客攻擊等技術(shù)手段以及雇傭商業(yè)間諜等非技術(shù)手段的威脅。 數(shù)據(jù)所有者通常會采用前效方法對數(shù)據(jù)庫中的數(shù)據(jù)加以保護(hù)，包括但不限于：數(shù)據(jù)加密、用戶權(quán)限劃分等等。但是，這些方法只能有效防止外部人員進(jìn)行非法盜竊，對于內(nèi)部人員盜竊等途徑并不能有效遏制。數(shù)字水印是解決數(shù)據(jù)在傳播過程中安全問題的一個主流分支，常見時序數(shù)字水印算法基于時間戳進(jìn)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(dǎo)致水印提取完全失效。此外，數(shù)字水印通常采用分組多數(shù)投票方法來提升算法的魯棒性，但時序數(shù)據(jù)通常有較多的噪聲，高價值數(shù)據(jù)點相對集中，因而一個未經(jīng)加權(quán)的投票算法可能會因為大范圍的噪聲干擾而導(dǎo)致水印判定失效。 本項目針對常見的水印失效場景進(jìn)行了分析，提出了能夠有效提示水印魯棒性的技術(shù)，更好的確保數(shù)據(jù)安全的管理能力。 3.合作需求 在全國范圍內(nèi)工業(yè)互聯(lián)網(wǎng)/工業(yè)大數(shù)據(jù)相關(guān)領(lǐng)域?qū)で髴?yīng)用場景，希望能與能源/裝備制造行業(yè)的大中型企業(yè)開展這方面的合作研究和落地實施；并針對上述企業(yè)開展包括二次開發(fā)在內(nèi)的各類實際應(yīng)用，助力企業(yè)降本增效、轉(zhuǎn)型升級。

產(chǎn)品詳細(xì)介紹 機(jī)械臂運動算法STEAM主題課程 項目背景 隨著工業(yè) 4.0 科技革命的到來，工業(yè)機(jī)器人已成為工業(yè)化程度的重要標(biāo)志。機(jī)械臂是最為典型也是最早出現(xiàn)的工業(yè)機(jī)器人，它可以代替人的繁重勞動以實現(xiàn)生產(chǎn)的機(jī)械化和自動化，提高生產(chǎn)效率的同時避免人身事故的發(fā)生。機(jī)械臂課程的學(xué)習(xí)可以培養(yǎng)學(xué)生將科學(xué)技術(shù)應(yīng)用于日常生活、社會實踐的意識。 在本項目中，學(xué)生可借助機(jī)械臂運動算法套件與人工智能與編程教學(xué)系統(tǒng)，了解關(guān)節(jié)機(jī)械臂和伸縮機(jī)械臂的原理及特點，搭建不同類型機(jī)械臂并通過編程實現(xiàn)智能控制。 課程性質(zhì) 這是一門以項目式教學(xué)開展的跨學(xué)科課程，以基于建構(gòu)主義理論的 5E 教學(xué)模式作為指導(dǎo)，結(jié)合了 中小學(xué)信息技術(shù)課程標(biāo)準(zhǔn)與編程教學(xué)特色。 課程目標(biāo) 1.知識與技能 ?  了解機(jī)械臂的類型及其在現(xiàn)實生活中的應(yīng)用。 ?  掌握關(guān)節(jié)機(jī)械臂和伸縮機(jī)械臂的結(jié)構(gòu)特點，設(shè)計并制作相應(yīng)模型。 ?  學(xué)習(xí)圖形化編程或 C++代碼編程的基礎(chǔ)知識，使模型完成實際任務(wù)。 ?  掌握機(jī)械臂運動算法的設(shè)計、編寫及調(diào)試。 2.過程與方法 ?  通過觀察、查閱相關(guān)資料等活動，培養(yǎng)對信息的有效性、客觀性做出判斷的意識，發(fā)展分析概括能力。 ?  通過機(jī)械臂模型的搭建和編程，發(fā)展編程思維和工程思維能力。 ?  在完成模型設(shè)計和算法設(shè)計過程中，提高分析問題和解決問題能力，養(yǎng)成自學(xué)能力。 3.情感態(tài)度與價值觀 ?  了解機(jī)械臂在日常生活中的實際應(yīng)用，萌發(fā)將科學(xué)技術(shù)應(yīng)用于日常生活、社會實踐的意識。 ?  養(yǎng)成實事求是，尊重自然規(guī)律的科學(xué)態(tài)度。 ?  關(guān)注科學(xué)技術(shù)對社會發(fā)展、自然環(huán)境及人類生活的影響。

項目成果/簡介:本發(fā)明涉及一種基于果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法的茶葉儲存時間分類方法,旨在通過改進(jìn)的廣義回歸神經(jīng)網(wǎng)絡(luò)解決茶葉儲存時間分類問題,屬于茶葉儲存時間分類領(lǐng)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(gòu)建樣本集.利用果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò),獲得廣義神經(jīng)網(wǎng)絡(luò)的平滑因子,進(jìn)而構(gòu)建毛峰茶葉儲存時間的FOAGRNN分類模型和方法.本發(fā)明的有益效果在于將果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于毛峰茶葉數(shù)據(jù)中,提高預(yù)測毛峰茶葉儲存時間分類的效率和準(zhǔn)確度,為消費者提供茶葉儲存時間分類的有效方法.

本發(fā)明涉及一種基于果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法的茶葉儲存時間分類方法,旨在通過改進(jìn)的廣義回歸神經(jīng)網(wǎng)絡(luò)解決茶葉儲存時間分類問題,屬于茶葉儲存時間分類領(lǐng)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(gòu)建樣本集.利用果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò),獲得廣義神經(jīng)網(wǎng)絡(luò)的平滑因子,進(jìn)而構(gòu)建毛峰茶葉儲存時間的FOAGRNN分類模型和方法.本發(fā)明的有益效果在于將果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于毛峰茶葉數(shù)據(jù)中,提高預(yù)測毛峰茶葉儲存時間分類的效率和準(zhǔn)確度,為消費者提供茶葉儲存時間分類的有效方法.