新葡京娱乐场-大陆娱乐场开户注册

學生通過基于虛擬仿真實驗的預習自動評判系統了解實驗原理、儀器的原理及使用，完成實驗操作過程，課前建立實驗直觀認識。系統通過基于實驗操作規則（非固定操作 順序）的教師專家評判系統自動評判，指出錯誤，通過多次預習協助學生完成課前預習。 用于解決實際教學中學生大面積實驗預習難于有效開展的實際問題。問題體現在:1. 由于實驗實和師資力量等限制，很難提供給的環境，使學生無法對實驗環境建立起直觀認識；2.由于教學時間和手段限制，教師也無法有效的對學生的預習情況進行有效檢查,教學過程“走過場”，影響教學質量提高。 針對物理實驗教學質量提高的困難， 1995年，中國科學技術大學研制成在國際上首創開發出《大學物理仿真實驗》，而且不斷增加內容和更新版本，使它成為一部系統的活的物理實驗教科書，學生利用它進行課前預習、課后復習和自我訓練，使物理實驗教學突破時間和課堂的限制，實現與理論教學相同的學習鏈。在多年《大學物理仿真實驗》研究與實踐的基礎上，科大奧銳推出物理實驗在線預習系統，利用在線仿真實驗讓學生深入理解實驗，模擬實驗操作過程；通過在線預習考試系統檢查學生，確保效果學生預習質量。 大學物理實驗預習自動評判系統，采用計算機虛擬現實技術，在原有的《大學物理仿真實驗》的基礎上，進一步加強虛擬實驗的模型設計，建設與理論考試相結合的在線實驗預習環境，用仿真實驗替代了學生按書本抄寫實驗步驟、實驗原理的過程。促使學生完成一個完整的學習鏈過程，保證大面積實驗教學質量的提升，同時大大減輕了教師批改預習報告和實驗報告的工作量。它的應用使課堂實驗教學實現學生自主學習、教師答疑。 曾榮獲1996年獲得中國科學院教學成果一等獎；1997年獲得教育部全國優秀CAI成果獎；1997年DOS版本獲得國家級教學成果二等獎；1997年曾經代表中國CAI最新成果參加聯合國科教文組織大會演示和到英國，日本等國家進行國際交流和展示；1999年獲得安徽省優秀CAI成果一等獎；2000年獲得安徽教學成果特等獎；2001年獲得國家教學成果獎。 系統介紹 系統特色： 1.  開放式的預習環境。學生可在指定時間內在線預習實驗，不受實驗室和課時的限制。教師可以根據需要限制學生單次實驗的預習次數。 2.  學生實驗操作初始狀態和測量值都是隨機產生，對應的正確結果各不相同，有效避免抄襲現象。 3.  自主組卷: 教師可以選擇操作實驗，調用題庫中題目組成試卷，擬定分數存入試卷庫。 4.  自動評判：預習成績自動評判，學生可及時了解學習效果，針對性調整預習內容。 5.  客觀、真實的預習成績：有助于教師掌握學生預習效果、針對性的調整教學重點 6.  開放架構: 教師可自行擴展實驗項目，并可自主更新實驗配套預習資源。 7.  開放式題庫，用戶可自行添加實驗題目，并支持word版題目的批量導入功能。 8.  學生預習結果可長期保存，可以word形式批量導出以便存檔。 工作流程： 功能模塊 大學物理實驗預習自動評判系統由仿真實驗庫、實驗習題庫、實驗報告制作、實驗報告庫（含預習報告）、報告發布、評判和統計五部分組成。 1.  仿真實驗庫：包含50多個常用物理實驗項目，有操作評分功能，可檢查學生對實驗原理、實驗過程、儀器操作的掌握。 2.  實驗習題庫：習題由選擇題和填空題、實驗數據處理等組成，習題有評判功能，教師可自行添加習題。 3.  實驗報告制作：教師從仿真實驗庫中選取實驗，從習題庫中選取習題組成實驗報告模板或預習報告模板，存入實驗報告庫。 4.  報告發布：向授課學生發布實驗報告和預習報告模板，規定上繳截止日期，學生完成預習報告后，可立即看到評分結果，不滿意可重新再做預習報告和實驗報告，直到滿意后提交給教師。 5.  評判和統計：教師見到學生完成的預習報告統計列表，規定預習報告符合要求的學生來做真實實驗。實驗報告可作為平時成績長期保存。 典型應用 物理實驗預習系統在教學中的應用模式  1.實際開展大面積的實驗預習： 通過在線實驗預習環境，從根本上解決了實驗儀器狀況及師資力量不足的問題，學生通過預習環節的實際操作，了解實驗原理、實驗內容、熟悉實驗儀器，對實驗環境建立直觀認識。 2.  營造多元化的教學環境： 利用預習系統在網上開設開放實驗，開設選修課程，開設實驗作業、實驗復習檢查等各種形式滿足各種層次學生的求知需求，提供自評自測，拓展視野，提高學生對實驗學習的興趣。

物理實驗室設備是根據物理開放實驗的要求和學生心理、生理特點，采用新技術、新工藝精加工而成，讓學生進行物理實驗，能滿足學生在實驗室完成不同的課題所做的不同實驗。

物理實驗室設備是根據物理開放實驗的要求和學生心理、生理特點，采用新技術、新工藝精加工而成，讓學生進行物理實驗，能滿足學生在實驗室完成不同的課題所做的不同實驗。

視頻剪輯是一項簡單卻繁瑣的工作，需要投入大量的人力。而且人力完成的視頻剪輯，剪輯結果有著很強的主觀色彩。通過采集大量各類體育賽事數據進行模型訓練，利用深度神經網絡良好的自主學習能力，采用Centernet作為多目標檢測能力的實現框架，同時利用Transformer重構目標檢測進行連鎖，二次捕捉目標檢測的準確性。CenterNet和Transformer的融合，實現了端到端的目標檢測，在準確性提升的基礎上滿足實時處理視頻的要求。綜合應用多目標檢測跟蹤以及多模式識別技術，實現短視頻的智能化剪輯，極大程度減少了人工工作量，同時也增加了短視頻剪輯的客觀性，在大數據時代背景下有著重要的現實意義。

“現階段醫生需要在大量影像數據中快速診斷出新冠肺炎的病例，此外還需要診斷出病灶分布的位置、大小等來評估嚴重程度。”薛向陽介紹，針對臨床的現實需求，團隊將設計目標定位于“肺炎分類鑒別”和“關鍵病灶檢測”兩大功能，前者是為區別健康狀態、新冠肺炎、其他病毒性肺炎、細菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區域。針對這些需求，團隊設計診斷算法模型，讓機器利用模型進行訓練，學習不同類型肺炎在CT影像表現上的不同特征，最終具備智能輔助診斷的能力。而這需要突破小樣本學習、小目標檢測等多個技術難題?！靶颖緦W習”即在較少訓練數據樣本的條件下進行機器學習。在疫情發生前期，能夠獲取的新冠肺炎影像數據相對較少，且由于一線影像醫生任務繁重，無法獲得大量專家標注，因此需要算法在少量樣本的條件下“自學成才”。為此，團隊采用基于自遷移學習的半監督學習等技巧，使算法具備一定的“小樣本學習”能力，在不增加醫生標注工作量的情況下較好地提高了算法模型的普適性。由于CT影像切片中的病灶區域有大有小，且往往大中小病灶區域面積懸殊，如何使算法能同時檢測大、中、小各個目標是另一大難題。團隊利用神經網絡的層次性特點與病灶區域的大小進行對應，“網絡的底層關注細節，即小病灶區域，而網絡中層到高層所關注的病灶區域則越來越大，因此模型通過不同層次的加權和融合，最終便能達到同時檢測大小病灶區域的目標?！毖ο蜿柦忉尩??！安贿^，即便有診斷‘神器’，影像科醫生也是不可替代的。”薛向陽說，人是復雜的機體，病毒在不同人體內感染的反映也不一定相同。”他表示，當遇到機器未曾學習過的微小病變或疑難病例時，仍需要影像醫生的經驗和智慧。以解決實際問題為目標，該項目在研究過程中始終與臨床應用緊密結合。無論是機器學習數據，還是測試評估數據，都來源于臨床真實病例。在算法模型定型過程中，為了檢驗模型的準確率和泛化性，團隊也利用現實疑似病例進行了測試。

2019年12月以來，由SARS-CoV-2病毒感染導致的新型冠狀病毒疾?。–OVID-19）在全球開始蔓延。報道顯示，SARS-CoV-2感染患者的中位住院時間為10天，而武漢患者在發病10天后癥狀有可能加重。因此，住院時間是COVID-19臨床預后的重要指標之一。 目前，CT影像學已成為COVID-19肺炎的診斷和監測工具，主要表現為磨玻璃影、實變及混合密度影。然而，現階段的影像學研究主要集中于對病灶的定性和半定量描述，缺乏對病灶的全定量分析。因此，基于前期提出的CT定量監測COVID-19肺炎病程，團隊假設在CT病灶背后的高通量影像特征“隱藏”了患者預后轉歸的“秘密”。 本研究納入了蘭州、安康、麗水、鎮江、臨夏5家新冠肺炎定點醫院，自2020年1月23日到2月8日期間住院患者的臨床資料和首次CT資料，所有患者經RT-PCR證實SARS-CoV-2病毒感染。至2月20日，研究共納入31例治愈出院的患者（排除14例未出院患者和7例首次CT檢查無肺炎表現患者），并將10天作為住院時長的二分類閾值。基于有限的樣本量，團隊將4個中心作為訓練隊列，另外一個中心作為驗證隊列。通過自動分割肺葉和半自動分割病灶，31名患者中累計分割出72個病灶。在對病灶圖像預處理后，提取影像組學特征并篩選。為了研究影像組學特征的穩定性，團隊使用了Logistics回歸模型和隨機森林模型對篩選的特征分別進行建模和驗證。?結果發現，6個篩選出的二階特征在兩種不同分類器中均表現出良好的預測價值。在外部測試隊列中，Logistics回歸模型的AUC為0·97(95%CI 0·83-1·0), 敏感性 1·0, 特異性0·89；隨機森林模型的AUC為0·92 (95%CI 0·67-1·0),敏感性 0·75, 特異性1·0。隨后，研究又納入了2月20日-28日新出院的6名患者，利用已建立的影像組學模型可以正確預測所有6名患者的住院時間。 

中國電子學會發布“電子信息領域優秀科技論文（2020）遴選活動”入選論文。東南大學尤肖虎、張川、談曉思、金石、鄔賀銓聯合署名的論文《AI for 5G: research

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 學號 趙玉蓉 外國語學院/英語 2016/2020 201631131102 三、指導教師 姓名 學院/所學專業 職務/職稱 研究方向 阮先玉 外國語學院/英語 教研室主任/副教授 語言學、翻譯 四、項目簡介 隨著互聯網的發展，機器翻譯成為翻譯活動中的重要的輔助工具。而機器翻譯錯譯、死譯頻出，給翻譯工作帶來諸多不便。近年來，“大數據”的出現為機器翻譯帶來了新希望，其獨特的“4V”特點將對機器翻譯產生革命性的影響。尤其最近出現的AI同傳給翻譯行業帶來了不小的沖擊，本項目希望通過探究大數據在AI同傳中的應用，分析AI同傳翻譯的優點和局限性，推動機器翻譯的發展。