新葡京娱乐场-大陆娱乐场开户注册

本項(xiàng)目聚焦于鋰電池管理系統(tǒng)在智能化監(jiān)測(cè)與預(yù)測(cè)中的關(guān)鍵痛點(diǎn)，尤其擬面向電池容量衰減預(yù)測(cè)、SOC/SOH估計(jì)不準(zhǔn)、電池剩余時(shí)間不準(zhǔn)確、MAP/SOP估算等方面。通過(guò)引入人工智能算法，構(gòu)建融合機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的電池狀態(tài)預(yù)測(cè)模型，擬實(shí)現(xiàn)高精度SOC（荷電狀態(tài)）與SOH（健康狀態(tài)）估計(jì)的優(yōu)化，提升電池管理系統(tǒng)的智能水平與安全性。 解決方案方面，項(xiàng)目基于實(shí)地檢測(cè)磷酸鐵鋰電池充放電數(shù)據(jù)構(gòu)建訓(xùn)練集，采用輕量級(jí)線(xiàn)性回歸模型及改進(jìn)型人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建模優(yōu)化，并結(jié)合特征工程技術(shù)提高預(yù)測(cè)精度。同時(shí)，設(shè)計(jì)適用于邊緣計(jì)算的部署方案，使模型可在BMS嵌入式硬件平臺(tái)實(shí)時(shí)運(yùn)行，降低對(duì)計(jì)算資源的依賴(lài)。 在競(jìng)爭(zhēng)優(yōu)勢(shì)方面，項(xiàng)目成果具備算法輕量化、部署便捷、預(yù)測(cè)準(zhǔn)確度高、兼容性強(qiáng)等特點(diǎn)，特別適用于電力儲(chǔ)能、電動(dòng)汽車(chē)等對(duì)安全性和可靠性要求高的場(chǎng)景。相比傳統(tǒng)BMS方案，該AI算法可顯著提升電池使用效率與壽命，精準(zhǔn)估算SOC/SOH，降低維護(hù)成本。 目前項(xiàng)目成果已在合作企業(yè)內(nèi)部?jī)?chǔ)能設(shè)備中開(kāi)展應(yīng)用測(cè)試，初步反饋表明荷電狀態(tài)預(yù)測(cè)準(zhǔn)確度提升40%左右，電池健康度準(zhǔn)確度提升40%左右，系統(tǒng)響應(yīng)及時(shí)，具備較高實(shí)用性和推廣價(jià)值。專(zhuān)家評(píng)審一致認(rèn)為，該項(xiàng)目在智能電池管理系統(tǒng)方向具有較強(qiáng)的創(chuàng)新性和實(shí)際應(yīng)用前景。

北京體育大學(xué)沈燕飛科研團(tuán)隊(duì)使用人體姿態(tài)估計(jì)算法，對(duì)擊劍比賽過(guò)程中兩名選手的身體各環(huán)節(jié)和關(guān)節(jié)的運(yùn)動(dòng)進(jìn)行的智能識(shí)別。工手動(dòng)標(biāo)記數(shù)據(jù)等方法，更為高效，可應(yīng)用于海量體育視頻數(shù)據(jù)的分析和未來(lái)的體育大數(shù)據(jù)的構(gòu)建。

簡(jiǎn)介： 抗體藥物是生物制藥中復(fù)合增長(zhǎng)率最高的，2019年全球研究抗體市場(chǎng)規(guī)模為34億美元，預(yù)計(jì)在預(yù)測(cè)期內(nèi)復(fù)合年增長(zhǎng)率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細(xì)胞因子藥物研發(fā)的突破口。人工智能技術(shù)廣泛應(yīng)用在靶點(diǎn)篩選、分子進(jìn)化、臨床各階段研究、產(chǎn)品上市后的活動(dòng)中。 我們開(kāi)發(fā)的智能抗體設(shè)計(jì)平臺(tái)，包括 抗體序列注釋分析、抗體翻譯后修飾位點(diǎn)的預(yù)測(cè)、抗原線(xiàn)性表位預(yù)測(cè)、抗體結(jié)構(gòu)的預(yù)測(cè)與優(yōu)化、 抗體-抗原相互作用的預(yù)測(cè)、抗體分子的設(shè)計(jì)與改造。高效的完成抗體親和力成熟、穩(wěn)定性?xún)?yōu)化和人源化改造等。  優(yōu)勢(shì)： 1、研發(fā)成本節(jié)約3-5倍，時(shí)間節(jié)省5倍，篩選成功率提升6倍 2、可以幫助指導(dǎo)、設(shè)計(jì)實(shí)驗(yàn)，減少消耗，加快速度，提高準(zhǔn)確率 3、計(jì)算方法已經(jīng)得到了實(shí)驗(yàn)從正、反兩方面的驗(yàn)證。 圖1：深度學(xué)習(xí)算法預(yù)測(cè)蛋白質(zhì)相互作用時(shí)界面氨基酸配對(duì):成功率72.1% 圖2：計(jì)算相互作用得到了實(shí)驗(yàn)從正、反兩方面的驗(yàn)證

抗體藥物是生物制藥中復(fù)合增長(zhǎng)率最高的，2019年全球研究抗體市場(chǎng)規(guī)模為34億美元，預(yù)計(jì)在預(yù)測(cè)期內(nèi)復(fù)合年增長(zhǎng)率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細(xì)胞因子藥物研發(fā)的突破口。人工智能技術(shù)廣泛應(yīng)用在靶點(diǎn)篩選、分子進(jìn)化、臨床各階段研究、產(chǎn)品上市后的活動(dòng)中。我們開(kāi)發(fā)的智能抗體設(shè)計(jì)平臺(tái)，包括 抗體序列注釋分析、抗體翻譯后修飾位點(diǎn)的預(yù)測(cè)、抗原線(xiàn)性表位預(yù)測(cè)、抗體結(jié)構(gòu)的預(yù)測(cè)與優(yōu)化、 抗體-抗原相互作用的預(yù)測(cè)、抗體分子的設(shè)計(jì)與改造。高效的完成抗體親和力成熟、穩(wěn)定性?xún)?yōu)化和人源化改造等。 優(yōu)勢(shì)：1、研發(fā)成本節(jié)約3-5倍，時(shí)間節(jié)省5倍，篩選成功率提升6倍2、可以幫助指導(dǎo)、設(shè)計(jì)實(shí)驗(yàn)，減少消耗，加快速度，提高準(zhǔn)確率3、計(jì)算方法已經(jīng)得到了實(shí)驗(yàn)從正、反兩方面的驗(yàn)證。

技術(shù)分析(創(chuàng)新性、先進(jìn)性、獨(dú)占性)挖掘了蛋白質(zhì)分子結(jié)構(gòu)的幾何特征，開(kāi)發(fā)了新穎的優(yōu)化設(shè)計(jì)算法，準(zhǔn)確識(shí)別結(jié)合位點(diǎn)，準(zhǔn)備預(yù)測(cè)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(jì)效益。自主獨(dú)立開(kāi)發(fā)。已經(jīng)在國(guó)際競(jìng)賽中取得第一名的好成績(jī)，也應(yīng)用在生物和醫(yī)學(xué)實(shí)驗(yàn)中，算法和程序代碼完整。

技術(shù)分析(創(chuàng)新性、先進(jìn)性、獨(dú)占性) 挖掘了蛋白質(zhì)分子結(jié)構(gòu)的幾何特征，開(kāi)發(fā)了新穎的優(yōu)化設(shè)計(jì)算法，準(zhǔn)確識(shí)別結(jié)合位點(diǎn)，準(zhǔn)備預(yù)測(cè)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(jì)效益。自主獨(dú)立開(kāi)發(fā)。 已經(jīng)在國(guó)際競(jìng)賽中取得第一名的好成績(jī)，也應(yīng)用在生物和醫(yī)學(xué)實(shí)驗(yàn)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(lái)越重要的作用，但仍存在無(wú)法精確識(shí)別災(zāi)后環(huán)境、無(wú)法適應(yīng)井下復(fù)雜地形以及難以檢測(cè)、定位井下生命體等問(wèn)題。 一、項(xiàng)目進(jìn)展 創(chuàng)意計(jì)劃階段 二、負(fù)責(zé)人及成員 姓名 學(xué)院/所學(xué)專(zhuān)業(yè) 入學(xué)/畢業(yè)時(shí)間 柳佳樂(lè) 自動(dòng)化18-2 2018-2022 劉浩峰 計(jì)算機(jī)科學(xué)與技術(shù)18-7 2018-2022 石少勇 測(cè)控技術(shù)與儀器18-2 2018-2022 欒廣鑫 電氣工程及其自動(dòng)化18-5 2018-2022 李明晶 測(cè)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(zhuān)業(yè) 職務(wù)/職稱(chēng) 研究方向 楊洪濤 機(jī)械工程學(xué)院 教授 精密測(cè)試技術(shù)、儀器精度理論及應(yīng)用、自動(dòng)化測(cè)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(cè)及環(huán)境光譜探測(cè)技術(shù) 蘇樹(shù)智 計(jì)算機(jī)科學(xué)與工程學(xué)院 副教授 人工智能、模式識(shí)別、機(jī)器視覺(jué)、信息融合、深度學(xué)習(xí)等領(lǐng)域 四、項(xiàng)目簡(jiǎn)介 目前，機(jī)器人在煤礦救援領(lǐng)域發(fā)揮著越來(lái)越重要的作用，但仍存在無(wú)法精確識(shí)別災(zāi)后環(huán)境、無(wú)法適應(yīng)井下復(fù)雜地形以及難以檢測(cè)、定位井下生命體等問(wèn)題。為此，本團(tuán)隊(duì)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(shì)，應(yīng)用激光雷達(dá)、深度相機(jī)和其他輔助傳感器，設(shè)計(jì)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(shí)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(shí)別以及機(jī)器人自主路徑規(guī)劃。機(jī)器人所獲信息實(shí)時(shí)無(wú)線(xiàn)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(jiǎn)介： 1、胰腺腫瘤CT圖像診斷算法。針對(duì)胰腺腫瘤分類(lèi)問(wèn)題，從醫(yī)學(xué)CT圖像出發(fā)，搭建深度學(xué)習(xí)模型。對(duì)于腫瘤分類(lèi)，我們將問(wèn)題建模成兩部：胰腺定位查找和胰腺腫瘤分類(lèi)。我們建立級(jí)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(lái)。級(jí)聯(lián)分割網(wǎng)絡(luò)比之前的層級(jí)分割網(wǎng)絡(luò)結(jié)果提升10各點(diǎn)。之后建立多模態(tài)分類(lèi)網(wǎng)絡(luò)，針對(duì)CT圖像的特性，將多切片多造影劑時(shí)期多區(qū)域的數(shù)據(jù)進(jìn)行融合，在胰腺腫物分類(lèi)中取得了較好的結(jié)果。 層級(jí)分割模型示意圖  分類(lèi)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(guò)度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無(wú)創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測(cè)手段能夠有效避免過(guò)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(lái)處理乳腺癌腋窩淋巴轉(zhuǎn)移問(wèn)題。我們對(duì)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(gè)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(cè)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(shí)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(cè)效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測(cè)任務(wù)。對(duì)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(cè)試集 1，還使用了額外的雙側(cè)測(cè)試集 2 進(jìn)行測(cè)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(shì)：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(shí)別準(zhǔn)確率的同時(shí)，便于臨床推廣。  

1、胰腺腫瘤CT圖像診斷算法。針對(duì)胰腺腫瘤分類(lèi)問(wèn)題，從醫(yī)學(xué)CT圖像出發(fā)，搭建深度學(xué)習(xí)模型。對(duì)于腫瘤分類(lèi)，我們將問(wèn)題建模成兩部：胰腺定位查找和胰腺腫瘤分類(lèi)。我們建立級(jí)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(lái)。級(jí)聯(lián)分割網(wǎng)絡(luò)比之前的層級(jí)分割網(wǎng)絡(luò)結(jié)果提升10各點(diǎn)。之后建立多模態(tài)分類(lèi)網(wǎng)絡(luò)，針對(duì)CT圖像的特性，將多切片多造影劑時(shí)期多區(qū)域的數(shù)據(jù)進(jìn)行融合，在胰腺腫物分類(lèi)中取得了較好的結(jié)果。層級(jí)分割模型示意圖 分類(lèi)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(guò)度醫(yī)療。基于乳腺鉬靶圖像的術(shù)前無(wú)創(chuàng)的乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測(cè)手段能夠有效避免過(guò)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(lái)處理乳腺癌腋窩淋巴轉(zhuǎn)移問(wèn)題。我們對(duì)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(gè)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(cè)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(shí)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(cè)效果，更適合乳腺癌腋窩淋巴轉(zhuǎn)移預(yù)測(cè)任務(wù)。對(duì)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(cè)試集 1，還使用了額外的雙側(cè)測(cè)試集 2 進(jìn)行測(cè)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(shì)：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(shí)別準(zhǔn)確率的同時(shí)，便于臨床推廣。

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(gè)自然科學(xué)領(lǐng)域乃至哲學(xué)、經(jīng)濟(jì)學(xué)等社會(huì)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。