天雁TY-TX800,高中，大学图形计算器学生使用，是高中理科实验室仪器配备目录，可进行四则运算、 函数计算、排列、组合、阶乘、 极坐标、直角坐标、算数运算、 统计、方程、绘制表格、矩阵、 数列、递规、函数图象、算法语 句的输入与运行、用二分法求方 程的似解、定积分与微积分、 概率、方程组求解 高分辨率128*64像素，大屏幕显示、 内含13个存储器、USB接 可与电脑相连升级同步 欢迎来电洽谈： 15323758534 QQ：2793177994 韦先生

本实用新型公开了一种基于偏振光相位调制的结构光生成装置。激光器发出线偏振光的光束入射到半波片上，经过半波片偏振方向旋转角度，再到电光相位调制器中分解成两个偏振分量，被电光相位调制器调制产生相位差，接着经扩束镜扩束后入射到左、右偏振分光镜拼接后形成的端面中间让调制后的光束透过，然后两路光束入射到偏振片上仅透过沿其光轴方向的分量形成一路光束，最终聚焦在聚焦镜的焦点处发生干涉。本实用新型能应用到荧光显微成像上，能获得更好的荧光信号信噪比和更强的组织内部大深度成像能力。

本发明公开了一种频率及脉宽可调的微波信号产生方案，基于由一个宽带光源、一个可调的差分群时延元件，一个带宽可调的光滤波器，及一个频域到时域映射模块构成的微波产生装置；微波信号产生方法为：将光源产生的宽谱光注入光谱构造模块中，使用可调的差分群时延模块及光滤波器构造目标光谱，最后利用频域到时域映射装置产生指定频率及脉宽的微波信号。本发明方法在保证了产生微波信号高频性能的基础上，实现了信号频率及脉冲宽度的可调性，增强了一般微波信号生成方法的灵活性。

本发明公开了一种基于动态规划的电力系统黑启动方案生成方 法。采用逐步推演黑启动恢复操作的思路，且通过状态削减技术不断 精简恢复效率或质量不佳的操作序列，因而无需像 Petri 网等技术一样事先将全网所有元件的恢复条件及其相互衔接关系进行全列举再作决 策，提高了算法效率，降低了对计算存储的要求。不基于任何黑启动 恢复阶段假设，每步恢复操作均能从所有种类中自由选择，因此允许 根据需要对发电机组重启、网架恢复和负荷恢复进行任意组合，易于 克服黑启动前期线路节点电压过高，后期网架不适应负荷恢复

本发明公开了一种利用激光点云辅助的可量测全景影像生成方法，包括：步骤 1，将全景影像进行 虚拟成像获得多幅框幅式影像；步骤 2，选取初始点对，并初始化各框幅式影像的外方位元素；步骤 3， 以初始点对中所有激光点到对应框幅式影像上的投影误差的和最小为条件方程，调整外方位元素初始值， 获得精确的外方位元素值；步骤 4，构建激光点云的空间索引，在空间索引中选取以曝光中心为球心的 球形邻域，球形邻域内激光点云即全景影像的邻域点云；步骤 5，计算邻域点云中各激光点的法向量， 获得邻域点云的特征；步骤 6，将邻域点云的深度和特征投影到全景影像。采用本发明生产的可量测全 景影像具有较高精度，可广泛运用于测量领域及资产调查。 

项目背景：大型工业软件是我国迈向制造强国的战略支 撑，实现智能制造的核心技术载体。欧美发达国家将“掌握 最先进的大型工业软件的核心技术”视为“持续掌控全球工 业产业布局主导权”的必要条件。《国民经济和社会发展第 十四个五年规划和 2035 年远景目标纲要》指出，要“加强 工业软件研发应用”。典型的大型工业软件 CAD 是提高我国 制造业核心竞争力，保证国家制造业战略安全所必须的关键 技术，但目前市场基本被国外产品垄断，核心技术受制于人。 发展我国自主可控的 CAD 软件，打破卡脖子局面势在必行。 面向行业的 CAD 软件是当前的发展趋势。在化工设备的 CAD 设计环节，其主流的技术已经逐渐从二维模型设计到三维模 型设计演进。但在化工设备的制造环节，仍然以二维工程图 作为唯一参考。由于诸多原因，通过软件自动将三维模型自 动生成二维工程图成为解决问题的较优解。二维工程图自动 生成是 CAD 行业世界性难题，国内外尚无一款软件完整实现 该功能。为了攻克 CAD 工业软件卡脖子战略性技术，提升国 产工业 CAD 软件的竞争力，大幅度提高化工设计的设计效率， 寻求合作以研制出具有自主知识产权的、符合化工静设备设 计要求的二维工程图自动生成关键技术。 所需技术需求简要描述：针对公司前期设计的三维模型 文件，自动创建二维工程图，满足以下关键技术需求：1.能 够覆盖 90%以上的静设备类型；2.设计架构可扩展，可以通过配置或者类似插件形式扩展的新的设备类型；3.支持的自 动出图内容包括图幅、视图、文表、节点图、管口方位图等； 4.支持的文表包括标题栏、明细栏、管口表、管口明细表、 技术特性标和零件参数表等，文表内容准确率 100%；5.支持 的视图元素包括投影视图、自动标注、管口引线、零件序号 引线等；视图表达正确、清晰、无歧义、符合行业习惯；6. 支持的图幅种类有装配图、零件图、部件图、管口方位图； 7.支持整套设备图纸自动布局，包括图幅的选择、图纸拼接、 图面内元素的自动布局等；8.尺寸正确率 100%，核心尺寸缺 失率 0%，整体尺寸缺失率<5%；9.图面美观，符合行业规范， 图纸完成度>90%；10.支持常见的图面布局形式，视图比例 恰当，各图面元素间结构关系合理，整体布局紧凑、美观。 可提供若干布局方案供选择。  对技术提供方的要求:1.具有化工设计行业知识和经 验，承担过石油化工相关项目。2.熟悉 CAD 软件的相关开发。 3.具有工学博士学位或高级职称，技术方案成熟可靠稳定有 创新思维。 

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本发明的目的在于克服现有技术的不足，提供一种基于门限的低复杂度MPA算法， 该算法通过设置置信度门限来及时对可靠的码字进行译码，或对发送概率极低的码字进行 舍弃，从而有效地降低了原始MPA算法的复杂度。

本发明公开了一种并行 LLL 高维模糊度降相关算法，首先通过混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法针对高维模糊度降相关的计算效率，增强高维模糊度降相关的能 力。其次为了得到降相关能力较强的 Z 变换矩阵，所以在每一次 QR 分解变换过程中，变换系数矩阵要 获取较小的整数值，因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序， 而在上三角分解前先对矩阵的列向量按内积大小进行降序排列，由此求得的 Z 变换降相关性能更佳。最 后把算法正交变换过程中的取整运算移至在求 Z 矩阵时取整，可以避免算法迭代过程中反复取整而引起 的误差累积，解决算法发散的问题，从而进一步提高并行 LLL 算法的计算效率和稳定性。