|
搜索
搜 索
高等教育领域数字化综合服务平台
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
XM-641口、鼻、咽、喉内侧面血管神经模型
XM-641口、鼻、咽、喉内侧面血管神经模型
XM-641口、鼻、咽、喉内侧面血管神经模型显示头面部内侧面口、鼻、咽、喉内部结构以及脑血管和脑神经等结构。
尺寸：自然大，21×3.5×13.5cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-634头颈部血管神经附脑模型
XM-634头颈部血管神经附脑模型
XM-634头颈部血管神经附脑模型由头颈部正中矢状切面（左侧半可向上移动）、颅顶、脑正中矢状切面、眼、左侧半胸锁乳突肌、三角肌、胸大肌、斜方肌、下颌骨、锁骨等19个部件组成，并显示头顶部正中矢状切面、颅顶、颅底、大脑半球、间脑、小脑和脑干各个部分，以及脑神经和脑血管等结构。
尺寸：自然大，34×37×20.5cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-629A头部正中矢状切面附血管神经模型
XM-629A头部正中矢状切面附血管神经模型
XM-629A头部正中矢状切面附血管神经模型显示头颈部正中矢状切面内、外侧面的局部形态及其血管和神经等结构，共有81个部位指示数字标识标志及对应文字说明。
尺寸：自然大
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-631头面及颈部血管神经分布模型
XM-631头面及颈部血管神经分布模型
XM-631头面及颈部血管神经分布模型由头面部动脉分布、头面部静脉及三叉神经3个部件组成，主要显示头部浅层、深层的动静脉及神经的分布情况及相应的结构形态。
尺寸：自然大
材质：玻璃钢材料
上海欣曼科教设备有限公司
2021-08-23
XM-619-2脊椎附脊髓和脊神经放大模型
XM- 619-2脊椎附脊髓和脊神经放大模型
XM-619-2脊椎附脊髓和脊神经放大模型取自胸椎，采用人体等比例设计，展示了胸椎脊髓、脊神经和交感神经的形态解剖结构，带有多个部位数字指示标志和对应的文字说明。
尺寸：自然大，15×14×30cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-629A头部正中矢状切面附血管神经模型
XM-629A头部正中矢状切面附血管神经模型
XM-629A头部正中矢状切面附血管神经模型显示头颈部正中矢状切面内、外侧面的局部形态及其血管和神经等结构，共有81个部位指示数字标识标志及对应文字说明。
尺寸：自然大
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
XM-631A带数字标识头面及颈部血管神经分布
XM-631A头面及颈部血管神经分布模型（带数字标识）
XM-631A带数字标识头面及颈部血管神经分布模型由3部分组成，显示头部主要神经，筛板、视神经、动眼神经、滑车神经、展神经、三叉神经、三叉神经节、眼神经、额神经、眶上神经、滑车上神经、泪腺神经、鼻睫神经、睫状神经节、上颌神经、眶下神经、翼腭神经、上牙槽神经、上牙神经丛、下颌神经、颊神经、下牙槽神经、下牙神经丛、颏神经、舌神经、耳颞神经、颞深神经、鼓索、耳大神经、翼腭神经节、岩大神经、岩深神经、腭大小神经等，并且展示了颈部的肌肉和主要动静脉的解剖，共有多个部位数字指示标志和对应的文字说明。
尺寸：自然大
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
网络的结构可预测性与网络结构的最短压缩比特串长度呈线性关系
在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。 通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。 进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。
中山大学
2021-04-13
郑元世教授团队在多智能体网络化系统的鲁棒性和可扩展性上取得新进展
西安电子科技大学机电工程学院多智能体研究中心郑元世教授团队通过引入了智能体及邻居的历史状态，提出了一种基于记忆信息的一致性协议并建立了该协议下显式的一致域。
西安电子科技大学
2025-02-26