产品详细介绍TI-92plus是一款可用于中学数学、物理、化学等理科教学乃至大学的图形计算器。由于采用了闪存（Flash）技术使之可以进行电子化升级，并具备了更多的内存空间。TI-92plus的功能更为强大，128×240像点的大屏幕，"优美打印"使得显示的表达式如书写一样美观，带有高级的数学软件，可装载类似于电脑几何画板功能的几何画板或卡氏几何，让您的操作随时随地都可进行。每个TI-92plus都有一个液晶板（ViewScreen™）接口，用于连接一个液晶板，借助它可以使用标准投影仪向全班显示屏幕信息。具备有Flash(闪存)技术的图形计算器使计算器的扩展，升级应用程序的更新成为可能。同时TI公司还提供针对此技术的最新的，不断升级的操作系统和许多供教师教学和学生学习的应用程序。用户可以方便地从我公司的网站（http://ti-edu.com）上将公布的最新的操作系统和应用程序下载至计算机中，然后通过 TI Graph link安装到自己的图形计算器中，以增加其功能，提高其使用效率并使之个性化而满足个人不同的需求。这样，用户手中的图形计算器就具备了可升级性，从而实现更多的功能，更快的速度，更个性化的应用和更长的使用时间。 硬件特点：快闪存储器和升级能力：快闪只读存储器大大地增加了可用的计算器内存，允许安装计算应用软件及基于代码的升级。 128×240像点的大屏幕。内存：共有890kb，包括188kb用户可写的RAM（存储器）和702kb的快闪只读存储器用于用户数据存档或计算应用软件。增强型显示效果：防炫光及反灰明显提高了可读性。连通性：可在i/O端口连接TI-89，TI-92，TI-92plus，Cbl2，Cbr及TI Graph Link。标准键盘。机对机的连接电缆。

产品详细介绍

CP Lab Safety ECO 废液收集器是由ECO漏斗和相应试剂容器组合而成的，可以有效防止实验室99%的有机试剂挥发，大幅度减少废液敞口放置对实验室人员和环境造成的伤害。Safety ECO 废液收集器的各组成部件如漏斗，接头和溶剂瓶既可以单独使用，也可以自由搭配组合，可满足客户的不同需求，而且还可以直接和多种设实验设备联用，自动收集废液。

LAUDA Integral T 工艺过程恒温器提供了较宽的外部温度控制和迅速的温度变化。 紧凑的设计，所有的设备都带有滚轮，为用户节约了宝贵的实验空间。 内部的循环泵，使得设备的温度控制不受外部液体流动的影响。 可以选择附件实现远程控制。

● 产品亮点 ◇ 经皮微创置钉，减少术中腰背部软组织损伤； ◇ 矢状面持续牵张复位，辅以弹性固定促进成骨； ◇ 外置固定套件，术后门诊拆钉，避免二次手术； ◇ 体外部件简易，患者术后可平躺，不影响正常生活； ◇ 配合多种微创技术，有效扩大手术适应症；

1 .掌握大鲵子二代亲鲵生殖生理特点和生殖调控机理，创建大鲵子 二代生殖调控技术和大鲵子三代全人工繁殖和苗种规模化培育技术；2 .选育和培育出体质健壮子二代亲 鲵400多组（1尾雄亲鲵+3尾雌亲鲵为一组），诱导性腺发育与雄雌同步成熟，使用高活性催产剂进行人 工催产，催产率达72%，受精率90%，孵化率33%，苗种存活率90 .5%，三年（2007-2009年）共繁育大 鲵子三代苗种44800尾；3 .实现大鲵子三代苗种规模化生产，能提供大批量子三代苗种供养殖部门发展 大鲵养殖产业，并在自然保护区放养，还进行子三代健康养殖示范，具有显著的经济效益、社会效益和 生态效益

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。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。