|
搜索
搜 索
高等教育领域数字化综合服务平台
天平台
供应实验室天平台，量身定做，价格从优，质量保证，欢迎来电咨询。
备注：以上是天平台的详细信息，如果您对天平台的价格、型号、图片有什么疑问，请联系我们获取天平台的最新信息。
咨询电话：0577-67473999
温州市育人教仪制造有限公司
2021-08-23
天平台
规格：900*600*850
一、.台面：30mm大理石台面。
二、框架采用 40*60*1.5mm方钢管焊接成C型钢架，前后梁采用30*60*1.5mm方钢管焊接而成，表面经酸洗、磷化、表面环氧树脂粉末静电75um喷涂，（烤房）180℃高温固化。
三、侧 板：采骼15㎜厚优质三聚氰胺板，断面以PVC防水封边处理。
四、装饰亲：两侧立柱角镶嵌R型不锈钢边条，无犄角，更具人性化。
五、地 脚：采用优质尼龙脚垫，其特殊的沉稳结构可有效防止或降低外来振动的影响，达到最佳防震效果，双重水平调节，稳定性良好，可调查高度0-30㎜。
广东厚吉教育科技有限公司
2021-08-23
妙+平台
物联网健康大数据平台 通过物联网健康数据入口为基础，服务包括保险、企业、手机、政府等领域，覆盖用户超6.5亿。 链接能力 超过90%的智能设备，包括智能手环、血压计、血糖仪等300多款检测型设备 体检、挂号绿通、在线问诊、海外医疗等28个类别的400余项医疗健康服务 数据量亿+ 运动、睡眠、营养、心理健康行为类数据 心率、血压、血糖、体重、体温等身体指标数据 行业标准 联合中国疾控中心慢病中心、工信部中国信通院开发国内首个“物联网健康数据交互平台” 获中国通信标准化协会CCSA各项审核批准，成为行业标准
北京妙医佳健康科技集团有限公司
2021-02-01
H平台
健康风险分级管理平台 为企业客户提供一系列健康数据智能解决方案。其中涵括：体检报告OCR识别、健康档案管理、个人综合健康指数评分、异常指标解读、疾病风险预测等。 健康档案 依据国家现有文献标准创建健康档案数据库 标签库 17W+健康医疗及用户行为标签系统 医学OCR引擎 结构化/非结构化/APP/体检报告等数据采集 医学规则引擎 机器与人工审核双重数据智能清洗
北京妙医佳健康科技集团有限公司
2021-02-01
M平台
人工智能健康干预平台 以遵循医学原理为基础，实现对用户的引导促进，并为用户提供千人千面、科学有趣的智能健康干预方案。 AI健康管理师 300+ 处方方案 2600 国内外专业文献及专家共识 具备通过国家健康管理师 考试能力 AI运动康复师 1300+ 运动动作库 7 种 症状运动康复方案 18 点 人体关键点动作识别 AI营养师 25+ 人群适宜禁忌推荐 13 类 人群智能配餐方案 86 % 准确率食物识别
北京妙医佳健康科技集团有限公司
2021-02-01
基于HDFS的在线学习信息管理系统
成果描述：基于HDFS的在线论文管理平台主要用于管理研究生和本科生毕业论文，学生在线提交论文，老师通过本系统下载论文。系统通过邮件将相关修改意见和答辩信息反馈给学生，所有版本论文和评审意见需存储归档。市场前景分析：毕业论文（设计）是高等院校毕业生提交的有一定的学术价值和实际价值的文章或设计。它是高校培养人才的重要实践教学环节， 是对学生四年学的专业知识、研究能力、自学能力以及各种综合能力的检验。目前很多高校对于本科学生毕业论文（设计）的管理均采用传统的手工方式。随着因特网的普及、现代远程教育的发展以及现代本 科教育模式的发展， 继续采用传统手工管理模式对毕业论文（设计）进行管理就显得费时、费力、工作量大、效率低。另外，传统的手工管理模式对于教学管理者来说难以及时准确地把握毕业论文的设计进展情况，给管理带来一定的难度。与同类成果相比的优势分析：本系统使用分布式文件系统HDFS对学生论文进行管理。HDFS有着高容错性的特点，并且设计用来部署在低廉的硬件上。而且它提供高传输率来访问应用程序的数据，适合那些有着超大数据集的应用程序。
电子科技大学
2021-04-10
基于分类学习的图像检索原型系统
本系统采用Core图像数据库51135幅，每幅图像提取纹理与颜色相综合的128维特征值构建特征数据库，采用自行设计的度量距离分类学习算法，在传统的图像检索基础上引入学习机制，系统共分类369个，每一类选取少量有代表性的图像（最多不超过6幅），试验表明，在提供有限的学习样本条件下，能有效提高图像检索的精度。 系统采用两种检索方法进行比较，一种是传统的欧氏距离，另一种是本系统设计的分类距离学习方法，比较两者在图像检索精度上的差异。 该原型系统核心程序在Linux下用C编译实现，图像检索界面由PHP实现，通过Web服务器实现在线检索功能。
东华大学
2021-02-01
在量子物理与机器学习研究的进展
生成模型的研究重点是如何从给定的数据集合中学习到数据的联合概率分布，以及从学习到的概率分布中高效地生成新的样本。研究团队提出将数据的联合分布概率编码成量子多体态的概率幅的模平方。进一步地，他们提出在经典计算机上使用矩阵乘积态(Matrix Product States)来模拟学习的过程。矩阵乘积态的参数，即张量网络的张量元，可以通过类似密度矩阵重整化群(Density Matrix Renormalization Group)的算法进行学习，最终形成一个具有泛化能力的生成模型。这个学习算法结合了量子物理与机器学习各自的优点：它不仅可以利用GPU高效地学习到模型参数，还可以利用张量网络的灵活性动态地调节模型表达能力。此外，与传统的基于统计物理的生成模型（例如玻尔兹曼机）相比，玻恩学习机还具备直接生成无关联样本的强大能力，从而可以高效地生成新的数据。 基于量子态的概率生成模型融合了量子物理与机器学习的思想，是一个崭新的研究领域。玻恩学习机借助量子态内禀的概率解释及其强大的表达能力，意在为机器学习和人工智能提供更为先进的生成模型和学习算法。此外，这类模型在量子信息处理，量子计算以及多体物理中具有应用潜力。展望将来，最令人兴奋的前景应该会是在一台量子计算机上实现玻恩学习机，从而以全新的方法进行概率型的学习和建模。这项工作用使用张量网络模拟量子计算机的运行，向无监督量子机器学习迈近了一步。作用在一幅MNIST图片上的矩阵乘积态以及它的纠缠谱
北京大学
2021-04-11
一种安全高效的联邦学习技术
1.痛点问题
在大数据应用领域，当前普遍存在数据隐私安全、数据孤岛和终端设备计算能力受限等问题。如何在保障数据安全、隐私安全和安全合规的条件下，联合使用跨机构或跨设备中的数据，实现数据价值的深度挖掘和流通是亟待解决的行业问题。
2.解决方案
本技术在现有联邦学习框架的基础上提出一系列改进方案，综合提升了联邦学习的安全、效率和模型质量。首先，基于纵向联邦学习具有突破数据孤岛和保护数据安全的优点，采用自编码信息混淆技术实现标签隐私信息的保护，在不影响联邦建模效果的前提下，构建了一种新的数据高效、安全、合规的使用范式，该技术可应用于纵向联邦学习场景中实现多方安全联合建模。其次，通过结合联邦学习打破数据孤岛和保护数据安全，预训练大模型可实现知识持续积累，有选择的知识蒸馏技术可实现保护隐私、模型压缩和知识迁移等方面的优势，构建一种新的数据高效、安全、合规的使用范式。即在服务器端充分利用丰富的计算资源，打造出更为强大的模型，并通过有选择的知识蒸馏策略，实现知识在服务器端的持续正向积累，来提升资源受限的终端设备和拥有大模型的服务器两端模型的整体表现，从而实现一种“数据、模型不动，知识动”的效果。
合作需求
本技术与孵化产品在金融、医疗、制药和政务等数据敏感行业数据合规使用和多方协同建模应用上有合作需求，可服务于政府与企业等机构：
1）金融领域合作
本技术与孵化产品可服务于金融科技各级（部委与地市级）主管单位，以及各类银行、保险等金融机构。可应用于金融领域中高敏感数据的合规使用和跨机构间联合建模应用场景，例如银行征信、反欺诈等应用，以降低金融欺诈、骗保等事件发生，产生积极的社会效益。
2）医疗和制药领域合作
本技术与孵化产品可服务于医疗和制药领域各类政府主管单位、医院和制药企业等。可推动医疗和制药领域数据安全协作利用，为医疗领域有效监管、AI制药和辅助诊疗等智能应用提供数据安全协作基础，提高制药效率，降低制药成本和周期、促进新药研制等。
3）智慧政务领域合作
本技术与孵化产品可服务于科技、工信和大数据等各级（部委与地市级）主管单位。可为政府建立数据要素市场提供数据安全流通技术保障，促进数据要素安全有序流通，也可支撑政务服务水平提升，协同推进地方政府的数字政府建设。
清华大学
2022-05-19
基于大数据的用户业务行为学习
南京邮电大学
2021-04-14