本发明公开了一种攀爬机器车，包括车体，车体前后端安装设置有车轮，车体面向墙面的一端与一吸附机构连接固定，所述的吸附机构包括有本体，所述的本体为中空圆筒，所述的中空圆筒的上方设置有一盖板，所述的盖板的上端面与车体连接固定，所述的盖板的下端面通过间隔设置的第一垫块与中空圆筒的上端面外缘固定连接；所述的中空圆筒的内壁面上设置有切向喷嘴；所述的第一垫块与第一垫块之间的间距形成中空圆筒的上端面外缘与盖板下端面之间的第一排气流道；所述的中空圆筒下端面与墙面之间留有间隙，所述的间隙形成中空圆筒下端面外缘与墙面之间的第二排气流道。本发明的攀爬机器车能吸附在各种墙面上，吸附能力强，应用范围广。

目前国家电网共有线路160万公里，每公里每年需要投入6000元进行巡视、维护。尤其是春夏季，经常有农膜悬挂线路上，造成短路事故。线路也会有断股、瓷瓶碎裂等故障隐患，需要及时发现维修。 本产品可以代替人工进行线路的巡视、维护，并且比人工更细致、更有效率、24小时不间断地工作。产品克服了现有正在研发的机器人的缺点，具有如下优势： 1、飞行式上下线，不需停电即可作业。 2、感应式在线取电，不需要下线充电，可以在线路上长期工作。 3、可以跨越任何线路结构，做到长距离巡视 4、灵活的机械手可以清除农膜等杂物 5、结合物联网管理系统，可以及时获知机器人运行信息及巡视信息。

本发明公开了一种基于协同尺度学习的行人重识别方法，属于监控视频检索技术领域。本发明首先 根据已标注训练样本集 L 中图像的颜色和纹理特征，进行尺度学习得到相应马氏距离中的协方差矩阵 Mc 和 Mt;随机选择查询对象使用 Mc 和 Mt 进行马氏距离度量，得到相应排序结果，从中取得正样本 和负样本生成新的已标注训练样本集 L，更新 Mc 和 Mt，直到未标注训练样本集 U 为空，得到最终的 标注样本集 L*，并融合颜色和纹理特征得到 Mf，就可以使用基于 Mf 的马氏距离函数进行行人重识别。 本发明在半监督框架下研究基于尺度学习的行人重识别技术，通过未标注样本辅助标注样本进行尺度学 习，符合实际视频侦查应用标注训练样本难以获取的要求，能有效提升少标注样本下的重识别性能。

已有样品/n重点突破智能终端深度学习处理器芯片设计，研发并改进CNN、RNN 等深度学 习算法和技术，设计并研发Alex、Caffe、Torch等常用的深度学习架构。深度学习 处理器芯片支持CNN/DNN/MLP等主流深度学习神经网络算法，基于深度学习处理器 芯片的智能设备可运行手写数字识别等任务；深度学习处理器芯片处理imagenet测 试集图像分类任务达到30帧/s，芯片面积不超过60平方毫米，单芯片功耗不超过 20W，所研发的芯片性能功耗比超过目前智能终端所使用的主流CPU的100倍。最终 在

基于深度学习的图像识别云端服务平台，能够 通过云计算框架训练深度学习算法模型，对图像进行目标检测 和识别。平台拟采用云端 API 的形式，为其他客户端的提供简 单易用的图像识别服务，将目标识别应用到互联网及移动应用 场景中，推动移动互联网的进步。 该平台实现如下功能：1.模型训练：平台能够基于用户给 定的不同行业的数据，训练相应的精细化分类模型。2. 图像识 别：平台能够根据预先训练好的识别模型，对用户

突破性地采用了参考多维度工作方法。这些多维度特征具体包括四大项：1.程序实体的覆盖信息（coverage information），即程序实体在运行失败或成功的测试用例中是否被覆盖到的信息，一般来说被失败测试用例覆盖越多的程序实体更有出错的可能性；2. 程序变异信息(mutation information)， 即当原程序被改变形成的变异体（mut

产品功能：  产品参数：                         双行显示  分辨率:31*96全阵点显示  349种计算功能  重量：135g(含电池)  快速上下翻转功能  机身尺寸：160mm*82mm*16mm  快速左右翻转功能  耗电：0.0002W  乘幂与方根运算  电源：一节AAA（7号/SUM-4）  三角函数  电池寿命：约有2年（每天使用一小时）  对数与反对数  操作温度：0℃-40℃  阶乘、排列、组合  包装尺寸：163mm*88mm*24mm  复数运算  高/中学适用  直角坐标与极坐标  10+2显示函数计算  统计运算  塑料按键  数据存储  双行显示  微分计算    积分计算    使用电池：AAA*1    机身尺寸：16*8.4*1.6cm(厘米）    保护盖：见包装盒说明      

产品详细介绍系统概述： 作业是老师交代给学生的课后学习任务，一般要求在规定的时间段内完成。 作业系统就是一个管理课后学习任务的系统，提供教师版和学生版两种界面；教师利用该系统来创建、引用、布置和批阅作业，而学生则能利用该系统按时接收教师布置的学习任务并及时上交作业；在教师创建作业时，系统自动生成了全校共享乃至全区共享的作业库，以实现更加智能化的作业管理，提高作业资源的重复利用率，减轻教师作业管理工作量。 核心功能： 老师创建作业 创建作业就是教师创建一个需求明确的学习任务(“学习任务描述、预计用时、适用范围、分享范围”)，并且将该任务分配给指定学生去按时完成。 学习任务描述方式有很多，常见的描述方式有“文本叙述、文档说明、图片说明、视频说明、音频说明、在线资源”； 适用范围则负责说明该学习任务适合什么阶段的学生来做，适用哪个年级？适用哪个学科？适用哪篇课文和哪几个知识点？ 分享范围则限定了谁可以引用该作业，支持私有，校内共享，区内共享三种分享范围。 一个作业就是一个独立的实体，创建一次之后，可以被多次引用和多次布置，同样内容的作业尽量不要重复建设。 老师布置作业 布置作业就是老师将一个学习任务分配给指定学生们，并且规定了在多长时间内完成。一个完整的作业布置流程必须指定班级和作业日期，如图4-19-3。 一个作业可以被多次布置，同一个作业同一个班级同一天只能安排一次，这样，但是一个班级一天可以安排不同学科的多个作业。 学生写作业 学生接收到老师布置的各类课后作业之后，务必按照各门学科的作业要求在规定的时间内去“写作业”，写作业的核心工作就是完成作业要求的学习任务，完成任务的方式不一定是线上完成，也可以是线下完成作业任务，再去线上提交作业结果。 学生交作业 交作业就是将学习任务完成后的答案或者任务作品通过系统提供的文本、拍照等多种方式提交给老师。系统不强求一定要用键盘打字来写作业，线下将学习任务做完，然后通过拍照或者视频摄像等方式来提交作业答案或任务作品都是支持的。 老师批阅作业 老师一旦布置完作业之后，进入该作业的“批阅”窗口内，可以随时检查学生的作业上交情况，如果发现有未按时交作业的学生，可以给学生发送催交信件，如图4-19-5所示；一旦学生上交了作业，老师就能在线批阅学生的作业了；批阅作业时，不但能给学生当天作业打分，还能给出简短评语。 学生本人在看到老师的批阅内容后，还能针对该作业向老师提问(图4-19-4)。 作业分析 作业分析将根据每位学生的作业提交情况从“作业得分、作业用时、作业引用次数”等多种维度进行统计分析，通过作业分析能够发现学生学习中存在的各种问题。 系统特色： 支持线下完成学习任务，然后线上拍照O2O提交作业方式； 作业资源可以校内共享，形成全校统一的作业库； 通过知识点关联实现作业与“教学资源和网络课程”的匹配，实现个性化学习推送； 作业可以直接被网络课程引用。