|
搜索
搜 索
高等教育领域数字化综合服务平台
脊神经的组成和分布电动模型XM-D017
XM-D017脊神经的组成和分布电动模型
XM-D017脊神经的组成和分布电动模型示感觉纤维传导本体感觉、触觉、痛觉，运动纤维传导内脏和躯体的运动传导及相应的效应器，适用于大、中专医学院校在讲解脊神经组成及分布范围时作为直观教具。
一、示教内容：
根据脊神经的分布和功能，可将其组成的纤维成份分为四类：
■ 躯体感觉纤维：分布于皮肤、骨骼面、腱和关节， 将皮肤的浅部感觉（痛、温度等）和腱、肌、关节的深部感觉冲动传入中枢。
■ 内脏感觉纤维：分布于内脏、心血管和腺体、传导来自这些结构的感觉冲动。
■ 躯体运动纤维：分布于骨骼肌、支配其运动。
■ 内脏运动纤维：分布于内脏、心血管和腺体，支配平滑肌和心肌的运动，控制腺体的分泌。
二、技术参数：
■ 尺寸：40×40×8cm
■ 材质：PVC材料+木框
三、标准配置：
■ XM-D017脊神经的组成和分布电动模型：1台
■ 电源线：1根
■ 说明书：1册
■ 保修卡合格证：1张
上海欣曼科教设备有限公司
2021-08-23
男性躯干骨附主要动脉和神经分布XM-213
XM-213男性躯干骨附主要动脉和神经分布
XM-213男性躯干骨附主要动脉和神经分布模型由男性半身骨架及血管神经附透明亚克力躯壳串制而成一个整体，固定在底板上，显示颅骨与脑，躯干骨与胸、腹、盆腔内脏器官毗邻的位置和关系，可以让学生通过透明体表了解血管、神经在躯干的形态、分布及位置关系。
尺寸：高95cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-D017脊神经的组成和分布电动模型
XM-D017脊神经的组成和分布电动模型
XM-D017脊神经的组成和分布电动模型示感觉纤维传导本体感觉、触觉、痛觉，运动纤维传导内脏和躯体的运动传导及相应的效应器，适用于大、中专医学院校在讲解脊神经组成及分布范围时作为直观教具。
一、示教内容：
根据脊神经的分布和功能，可将其组成的纤维成份分为四类：
■ 躯体感觉纤维：分布于皮肤、骨骼面、腱和关节， 将皮肤的浅部感觉（痛、温度等）和腱、肌、关节的深部感觉冲动传入中枢。
■ 内脏感觉纤维：分布于内脏、心血管和腺体、传导来自这些结构的感觉冲动。
■ 躯体运动纤维：分布于骨骼肌、支配其运动。
■ 内脏运动纤维：分布于内脏、心血管和腺体，支配平滑肌和心肌的运动，控制腺体的分泌。
二、技术参数：
■ 尺寸：40×40×8cm
■ 材质：PVC材料+木框
三、标准配置：
■ XM-D017脊神经的组成和分布电动模型：1台
■ 电源线：1根
■ 说明书：1册
■ 保修卡合格证：1张
上海欣曼科教设备有限公司
2021-08-23
XM-110A人体骨骼附主要动脉和神经分布模型
XM-110A人体骨骼附主要动脉和神经分布模型
XM-110A人体骨骼附主要动脉和神经分布模型显示男性全身骨骼的组成和形态外观，由男性全身散骨串制而成一整体骨架，成直立姿势，并显示人体全身主要血管和神经的行程及其分布概况，四肢大的关节部分均可活动，头颅含可活动的下巴、可移动的头颅盖，其中四肢骨和头颅骨可以灵活拆卸组装，整体固定在支架上，带底座，可灵活移动。
尺寸：高85cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
机器人轨迹赛竞赛平台及其机器人运行轨迹实现方法
机器人竞赛是中央 “ 科教兴国 ” 战略方针的具体体现和创新举措。 “ 机器人轨迹赛竞赛平台 ” 主要针对目前机器人轨迹赛竞赛需要裁判现场评判且评价机器人性能的好坏没有统一标准的缺陷而提出，能够有效应用于机器人轨迹赛竞赛的现场裁判中且评价标准统一，能够有效应用于多种机器人轨迹赛，如机器人直线行走、直线花样行走、直线绕障行走、按规定图形行走竞赛等，使竞赛规则更为直观、明朗，减小了竞赛结果判断的人为误差。该成果已获专利 2 项。
西安科技大学
2021-04-11
数字技术对大学生在线学习效果的影响
本研究使用疫情期间对334所高校在线教育的调查数据,将数字技术分为技术环境、技术知识和技术技能三类,采用多元排序Logit模型检验数字技术对大学生在线学习效果的影响。实证分析发现:(1)三类在线学习的教学技术均显著促进学生有效学习;(2)技术环境、技术知识和技术技能三者具有显著的依存关系;(3)大学生在线学习的技术支持存在"数字鸿沟"和"数字代沟"问题,而"数字学沟"问题并不明显;(4)在线教学互动中存在数字"反哺"行为,即在线教学情境下的学生对教师、高技术对低技术学生群体存在带动作用。最后,本文提出要实现"三个转变",即提升学生在线学习数字化生存素养、加强对弱势院校学生在线学习保障,以及促进师生和生生在线教学互动互助。
西南财经大学
2021-02-01
一种行人重识别的度量学习方法和系统
本发明公开了一种行人重识别的度量学习方法和系统，其中方法的实现包括：收集两个摄像头下行人目标的特征向量，建立正样本对特征向量集合和负样本对特征向量集合，计算正、负样本对特征向量的距离，对正样本对特征向量进行单阈值约束，对负样本对特征向量采用双阈值进行约束，在正、负样本对特征向量的距离约束条件下建立基于度量矩阵的损失函数，以损失函数值最小为目标迭代更新度量矩阵，这种方法可以有效的减轻图像背景、噪声等无关变量对矩阵
华中科技大学
2021-04-14
一种基于深度学习的多目标抓取方法及系统
本发明公开一种基于深度学习的多目标抓取方法及系统，属于计算机视觉与机器人控制技术领域，方法包括获取待抓取目标的图像以及深度信息，基于目标抓取检测模型得到抓取点的坐标，输入机械臂生成抓取指令抓取至少一个目标；其中，通过相机标定算法建立映射模型，改进YOLOv5网络和GRCNN网络构建目标检测模型和抓取点预测模型；目标抓取检测模型的数据处理方法包括将待抓取目标的图像以及深度信息，输入目标检测模型检测目标和抓取点预测模型确定抓取点，得到图像采集设备坐标系下的抓取点坐标，并基于映射模型转换为机械臂坐标系下的抓取点坐标。本发明解决了现有技术中存在的目标识别精度不足、抓取点计算不准确以及缺乏实时性的问题。
南京工程学院
2021-01-12
基于迭代学习的多机械臂变批次协同阻抗控制方法
本发明公开了基于迭代学习的多机械臂变批次协同阻抗控制方法，包括以下步骤：步骤1，构建多机械臂动力学模型，并根据机械臂的性质和假设将多机械臂变批次协同阻抗控制问题描述为期望轨迹、期望相对配置和交互力之间的动态关系，得到目标阻抗模型；步骤2，基于所述目标阻抗模型得到多机械臂变批次协同阻抗控制目标；步骤3，针对所述阻抗控制目标设计分布式的迭代学习阻抗控制律，使每个机械臂仅通过邻域的阻抗信息来获得期望的阻抗。本发明使得每个机械臂能够通过与邻居的交互来调整阻抗参数，从而在不确定的动态环境中实现更好的协作和性能提升。
南京工业大学
2021-01-12
智学小u学生学习终端 | 答题/语音/一卡通
产品详细介绍
深圳伟东云教育科技有限公司
2021-08-23