1、参照典型人体标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

产品详细介绍　　1、采用2.4G频段数字跳频传输加编解码技术，实现无串频、声音无延时，任一无线 话筒与任一个接收主机都能建立连接实现多媒体音箱，方便进行一； 　　2、U盘式无线话筒，锂电池供电，USB接口充电，1小时充足电可连续使用8小时以上； 　　3、无线话筒麦克风采用内藏式设计，能接外置麦（如头戴麦）使用或手持使 用，达到扩音效果； 　　4、任何两只无线话筒都可以在一个教室内同时使用； 　　5、按频道键隔接收器3米之内即可对频，随之默认锁频，之后在音箱有效距离之内开机即可对频。开机和关机操作最为方便； 　　6、无线话筒在与接收主机失去连接30秒后自动待机，从而避免前面老师用完发射机 后忘记关机时，损耗电量； 　　7、无线话筒只能跟同在一间教室内的一个接收主机建立连接，接收主机最多只能跟同 在一间教室内的两只话筒建立连接，从而确保不会与隔壁教室的接收机建立连接， 杜绝了对错频和串频现象； 　　8、音箱采用全频带内置高音杯5.5寸语音扬声器单元，人声动态范围宽，突显人声色 彩； 　　9、音箱箱体采用专用木质一体成形，箱体浑厚重实，高音透亮、中音清脆、低音浑厚； 　　10、主机具有高音、低音独立调节功能，可以美化音质； 　　11、话筒采用5V、USB接口充电，笔记本都可以给麦克风充电，极大地方便发射器充 电； 　　12、接收主机设有校园广播信号接入功能，广播信号具有优先功能，由此可以省去校 园广播喇叭，也避免了教室喇叭安装过多造成的不便； 　　13、可外接一组有线鹅颈麦克风输入，有线话筒音量和无线话筒音量分开独立调节， 由此可以省去教师内有源音箱； 　　14、可外接一组音频输入（电脑、DVD、MP3），音频音量独立可调，由此可以省去传统 的多媒体电脑音箱； 　　14、无线话筒采用内置式发射天线，有效发射接收距离在25米以上，避免外置天线使 用的不方便； 　　15、可以配备20支话筒一次性充电的集中充电箱，方便学校对设备的管理； 发射器安装 主机连接示意图，音箱连接示意图

产品详细介绍系统简介 -------------------------------------------------------------------------------- 东方中原试题辅导系统主要面向教师群体和学生。它包括智能测试、综合测试、试题浏览、试卷浏览、个人信息、下载专区等常用功能。用户可对题目进行自测试或听取不同名师对题目或试卷的不同讲解，可以有效地理解题目，从而举一反三，寻找到科学的解题方法，最终实现解题能力的不断提高；系统还提供了自动判题功能，组卷功能，查看答案和解题过程功能；标识做过的试题功能。可对试题进行注解，若再遇上该题时可阅读这些注解。 主要技术指标 -------------------------------------------------------------------------------- 东方中原试题辅导系统可跨平台使用，有网上试题辅导系统和单机版的试题辅导系统，兼容windows、linux系统；可统计学生答题情况，不断调整题目难度，提供组卷功能，学生可根据自己能力和水平组出适合自己做的试题。学生可随机查看试题答案和解题过程，解题过程支持各种表现形式，如动画、声音、影像等。试题中可以附带声音、影像等内容，提供常规题目所不能包括的内容。系统还支持将试题导出成文档进行打印。 系统特点 -------------------------------------------------------------------------------- 不同的服务器环境可搭配不同的数据库类型，如安装在Windows环境下的系统其数据库支持的类型有Access、Sql server或Mysql；而安装在Linux环境下的系统其数据支持的类型有Sql server或Mysql； 智能测试提供自动判题和统计用户答题情况的功能，可不断调整题目难度； 综合测试提供组卷功能，用户可根据不同的难度组合出适合自己水平标准的试题；  用户可随机查看试题答案和解题过程，解题过程支持多种表现形式，如：动画、声音、影像等；  试题中附带有声音、影像等内容，提供常规题目所不能包括的内容。例如提供了英语听力部分的测试； 用户可以标识已经作答的试题，在以后的试题测试时可选择跳过这些题目；  用户可以为试题添加注解，其内容被保存到数据库中，以便以后阅读； 支持将试题导出成文档进行打印； 根据用户操作过程，状态栏提供动态的操作提示信息。 系统界面

产品详细介绍项目：虚拟电子白板，IT网络设备，通信产品，通信服务，基站机房，指纹智能识别，防盗报警，电子产品开发，行业软件，企业和单位外包业务。                            其他相关产品：投影设备电教设备，网络教室方案，虚拟电子白板——电教设备，正版系统光盘，指纹采集器，指纹卡机，指纹门禁，指纹锁，  

为什么选择我们服务与实力并列，解决您后顾之忧 7x24小时无忧服务业内*质的售后服务、7x24小时及时响应确保您运营无忧 高品质按时交付不随意拖延开发工期，保证质量按时交付开发成品 完善的售后服务以服务客户为己任，全方位跟进项目需求，实际解答您的疑惑

额定压力（MPa） 35 工作环境温度（℃） -40~80 单瓶水容积（L） 140、170、210 重量储氢密度（单瓶） ≥3.3（wt）% 瓶组数量（只） 2-8 超压和超温检测和保护功能 有 过流保护功能 有 氢气泄漏检测功能 有 报警控制管理系统 有 产品描述：      拥有十余年压缩气体产品设计生产和制造经验，完善质量管理体系；奥扬氢系统采用轻量化和模块化设计，主要由氢气储存系统、氢气供给系统和氢气加注系统、氢气安全保护系统组成。产品均经过静推强度、冲击强度、气密等试验验证，具有较高的安全性、可靠性、经济性和实用性。 目前有燃料电池客车氢系统、燃料电池乘用车氢系统、燃料电池物流车氢系统、燃料电池重卡车系统、燃料电池有轨电车氢系统四款氢系统产品。 核心特点  ◆ 过压保护：设置比例卸荷阀，保护燃料电池的安全； ◆ 过温保护：设置TPRD，保护储氢气瓶的安全； ◆ 过流保护：每瓶设置过流阀，防止管路发生爆裂时，气体泄漏； ◆ 压力监测：设置高、中传感器实时监测系统压力，防止过压危险； ◆ 温度监测：每瓶设置温度传感器，实时监测系统温度，防止过温危险； ◆ 泄漏监测: 设置独立氢气防泄漏传感器，监测系统的氢气泄漏量，防止发生氢气积聚； ◆ 气体放空：独立放散管路，管路压力的快速、安全泄放防止氢气聚集； ◆ 模块设计：产品模块化设计，便于安装和整车布置； ◆ 轻量化：系统固定框架，采用高强度钢材铆合连接。

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。