产品详细介绍 全部规格的三用紫外分析仪(紫外灯)  WFH-204B WFH-203B WFH-203(ZF-1)   应用于以下领域： 1、在生物化学、医学中，可对DNA、RNA电泳凝胶样品进行观察分析，检测蛋白质、核甘酸等。 2、在制药工业中，可用来检查激素生物碱、维生素等能产生萤光的药品质量，特别适宜作薄层分析、纸层分析和检测。 3、在化工、染料工业中，可鉴别不同种类的原油和橡胶制品，测定各种萤光材料、萤光指示剂、添加剂等。 4、在纺织工业中可用于鉴别棉花、合成纤维、真丝人造纤维、羊毛等各种原料。 5、在食品工业中可用于检验黄曲毒素、食品添加剂、以及粮食、蔬菜、水果、可可豆脂、糖、蛋等的质量。 6、在公安部门可用于法医鉴定等场合。  

产品详细介绍  三用紫外分析仪,暗箱式紫外分析仪 三用紫外分析仪,暗箱式紫外分析仪,手提式紫外分析仪,台式紫外分析仪,凝胶成像系统,紫外灯管，紫外分析仪生产厂家，紫外分析仪用途，紫外分析仪原理 UVG25型紫外割胶仪  产品简介：领成UVG15 /UVG20 /UVG25型紫外割胶仪（暗箱替代型），结构现代，替代传统的庞杂的暗箱型紫外分析仪。 特别采用302nm波长对样品的破坏作用更小，它可适用于DNA、RNA电泳凝胶样品的观察，可检测蛋白质，核甘酸等，在制药工业中检查激素生物碱、维生素等能产生萤光的药品质量，对薄层分析，各种同功酶，纸层分析进行观察分析和摄影，并可作为PCR技术的专用仪器。  二、仪器结构 仪器装有二组透射紫外光源，提供不同的光强度。并专业设计的进口防紫外玻璃盖，可对样品全面直观地观察分析，紫外玻璃盖能过滤99%以上的紫外线  三、技术参数

XM-116头颅骨模型   XM-116头颅骨模型可以拆分为颅盖、颅底和下颌骨3部分，并有3颗可拆下牙：切牙、尖牙、磨齿，显示颅骨形态毗邻和颅底的内、外、前和侧面的结构和形态及骨性标志。 尺寸：自然大，19×15×21cm 材质：PVC材料

XM-515下颌下三角解剖模型   XM-515下颌下三角解剖模型显示舌神经、舌下神经分布及解剖关系等。 尺寸：自然大，15×20×8cm 材质：PVC材料

FYQQ系列电动机是封闭自冷式鼠笼型三相异步电动机，具有较高的起动转矩和良好的低频特性，特别适用于有冲击负荷的场合，在这种场合下使用比一般电机节电。本电机为喷气织机用主电机，适用于引进日本津田驹技术生产的喷气织机，完全可以替代进口电机，电动机起动时为△接法，起动完毕后换为Y接法，外壳防护等级为IP44，冷却方式为IC411， 额定电压为380V，额定频率为50HZ。 结构及安装方式 IMB3型：卧式，机座带底脚，端盖无凸缘。无接线盒，采用出线板方式出线。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近日，化学学院徐浩教授课题组在催化不对称合成领域取得了新进展。

本申请公开了一种3D打印构建菌丝体活体材料并调控生长行为的方法，通过制备封装了真菌孢子的微凝胶颗粒，形成具有优异流变性能的双相微凝胶生物墨水；该墨水适用于挤出式3D打印，可支持真菌孢子的萌芽和菌丝网络的生长，实现菌丝体自生长行为在空间约束、营养浓度和基质刚度等关键因素上的精准调控。本申请通过设计构建自引导菌丝体生长通道结构，为工程化活体材料的设计与应用提供了创新解决方案，具有广阔的应用前景。