XM-WK开放式外科手术学多媒体辅助教学系统   功能特点： ■ XM-WK开放式外科手术学多媒体辅助教学系统为医学院校学生提供了一种能够自主学习、加强感官认识、强化护理学相关知识、易于操作的全方面的学习条件，丰富医学院校护理教学内容，弥补书面教学过于抽象的不足，方便学生自主学习。 ■ 系统具有开放性、交互性，能够让学生课后随时地进行自主学习，可对学员24小时开放使用，系统操作简单、界面漂亮，具有动态效果，能够从视觉上、听觉上吸引学生注意力，避免了枯燥无味的介绍，弥补课堂不足。 ■ 内容丰富，素材量大，容量超过20G，以视频、动画、图片为主，模拟试试10套以上。 ■ 外科图片库内含：常用器械、物品及基本技术类、麻醉类、心肺复苏与急救类、外科感染类、常见体表肿瘤类、头颈部疾病及处理类、胸部疾病类、腹部疾病类、泌尿、男性生殖系统疾病类、直肠肛门疾病类、创伤、烧伤类、运动系及周围血管神经疾病类、应用解剖及其它类、再植与植皮类等。 ■ 手术视频包括：手术基础、无菌术类、外科手术基本操作技能类、麻醉类、心肺复苏急救技术类、创伤和战伤类、颜面部颈部手术类、心胸外科手术类、胃肠外科手术类、肝胆外科手术类、泌尿外科手术类、神经外科类、骨外科类、整形外科类、眼科类、耳鼻喉科类、口腔科类、妇产科类等。 ■ 配置：19寸触摸一体机，双核处理器，内存2G，硬盘500G。

XM-HL开放式基础护理学多媒体辅助教学系统   功能特点： ■ XM-HL开放式基础护理学多媒体辅助教学系统为医学院校学生提供了一种能够自主学习、加强感官认识、强化护理学相关知识、易于操作的全方面的学习条件，丰富医学院校护理教学内容，弥补书面教学过于抽象的不足，方便学生自主学习。 ■ 系统具有开放性、交互性，能够让学生课后随时地进行自主学习，可对学员24小时开放使用，系统操作简单、界面漂亮，具有动态效果，能够从视觉上、听觉上吸引学生注意力，避免了枯燥无味的介绍，弥补课堂不足。 ■ 内容丰富，素材量大，容量超过20G，以视频、动画、图片为主，各种常用护理技术40种以上，模拟试题20套。 ■ 理论教学包括：护理学基础、护理学相关理论、护理理论、医疗服务体系、沟通、护理程序、舒适、休息、睡眠与活动、营养与饮食、排泄、医院内感染的预防和控制、给药、静脉输液与输血、冷热疗法、病情观察危重病人的抢救和护理、临终护理等相关内容。 ■ 技能训练包括：舒适与安全、骨科学护理技术操作，体温、脉搏、呼吸、血压测量法、生命体征的观察、铺床法、鼻饲法、晨间护理、出入院病人护理、大量不保留灌肠法、导尿和灌肠术、电动吸痰器、隔离技术、给氧法、护理基础技术操作、肌内注射法、肌内注射法、静脉输液和输血、口服给药法、口腔卫生、冷热疗法的应用、麻醉床铺法、密闭式静脉液法、男患者导尿术、女患者导尿术留置导尿管法、皮内注射法、皮下注射法、偏瘫患者的ADL训练、尸体护理、糖尿病人的自我保健、特殊口腔护理法、头发护理、徒手心肺复苏、外周静脉血标本采集法等。 ■ 配置：19寸触摸一体机，双核处理器，内存2G，硬盘500G。

华南理工大学电力学院始终依托区域资源优势，紧密结合区域经济社会发展的新需求和新动向，与南方电网等主要电力能源企业在“本科-研究生”两个层次、“招生-培养-就业”三个环节、“制度建设-平台建设-师资建设-教学建设”四个维度同步推进，形成更加多元、开放、可持续的联合办学格局和体系，走出了一条校企联合的特色办学之路，为国家特别是南方区域经济社会发展培养了一大批卓越人才。

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。

近日，傅正义院士团队平航副研究员在材料过程仿生制备新技术研究方面取得创新性进展，成果以“Mineralization Generates Megapascal Contractile Stresses in Collagen Fibrils”为题，发表在国际顶级期刊《Science》（科学）上。