|
搜索
搜 索
高等教育领域数字化综合服务平台
汽车教学设备16线三维激光雷达实训平台
北京智扬北方国际教育科技有限公司
2021-08-23
DRSim5.0-虚拟数字X 线成像技术仿真实验仪
DRSim5.0-虚拟数字X 线成像技术仿真实验仪包含三个独立的模拟模块：X 射线物理模块、DR摄影技术模块、图像质控（调节）模块。 DRSim5.0-虚拟数字X 线成像技术仿真实验仪满足医学影像成像理论（或类似课程）的X 射线物理和DR 成像原理部分教学，以及医学影像检查技术课程的DR 操作实验。
北京中科通标技术有限公司
2021-02-01
虚拟数字X线成像技术仿真实验仪（DRSim5.0）
本仿真实验仪模拟X射线产生与检测的物理原理，和临床CR/DR设备的基本操作及图像质量控制功能。包含三个独立的模拟模块：X射线物理模块、DR摄影技术模块、图像质控（调节）模块。满足医学影像成像理论（或类似课程）的X射线物理和DR成像原理部分教学，以及医学影像检查技术课程的DR操作实验。
北京中科通标技术有限公司
2021-02-01
高仿真超声、X线引导经皮穿刺肾镜技能训练
XM-CS310高仿真超声、X线引导经皮穿刺肾镜技能训练模型
功能特点：
■ XM-CS310高仿真超声、X线引导经皮穿刺肾镜技能训练模型用于超声、X线引导下目标盏的穿刺、导丝置入、通道的扩张、进镜观察乃至碎石等相关操作，基本囊括了经皮肾镜的每个操作环节。
■ 模型的材质可透超声及X线，超声与X线下均可见肾脏形态及积水肾盏位置。
■ 仿真人体模型的左右肾区设有凹槽方便更换镶嵌式穿刺模块。
■ 凹槽内镶嵌与人体相似的肾周围组织、仿真肾脏、肾盂、肾大盏、肾小盏、肾乳头。
■ 用临床超声诊断仪扫查肾脏，可在显示屏上看到肾脏轮廓、肾盂、肾盏、肾结石等。
■ 可进行超声及X线引导下经皮肾穿刺，穿刺成功后可从针尾抽吸出液体。
■ 置入导丝后的筋膜扩张器扩张过程所能感受到的阻力与人体组织相近，且可通过模型内注水来判断扩张程度。
■ 模型可制作成正常以及多种畸形的肾内构造，并可人工置入结石，以便扩张完成后进镜观察及配合超声、气压弹道及钬激光等能量方式完成碎石等相关操作，肾内镜下表现逼真，适合进行各个肾盏的探查。
■ 模块可更换。
上海欣曼科教设备有限公司
2021-08-23
有源同轴二分频线阵列全频音箱-GL26A
GL26A线阵列音箱提供70Hz-20KHz的频率范围，具备平滑的频率和相位响应.8个1寸的钕磁球顶高音扬声器和2个6.5寸钕磁中低音扬声器构成一个动态余量极大的组合,高音扬声器同轴阵列式排布在中低音扬器上方，声像定位更准，提高线阵列音箱的远场声场均匀度和清晰度。音箱内装一个独立的大功率功放及DSP，音箱可单独调节，连接数量根据实际场合大小进行配置,使得现场扩声极其灵活、便捷。
音王电声股份有限公司
2022-07-02
基于机器视觉的智能拉力试验机
一、 项目简介通过机器视觉进行电缆护套拉伸长度测量，用于“电线电缆”产品检验设备，通过数字图像处理技术测量电缆护套上两个标志点之间的长度，来分析电线电缆绝缘层材料的抗张强度和断裂伸长率。该检测装置无需人工干预，可自动完成电缆护套试件拉伸长度的测量，检测过程中样品无接触压痕，可实现5个实验样本一次装卡，同时作拉伸长度检测试验，并进行智能数据分析，缩短了试验时间，极大地提高了实验效率和检测精度。二、 项目技术成熟程度已完成样机研制，获专利1项。三、 技术指标（包括鉴定、知识产权专利、获奖等情况）1、最大试验力：500N ； 2、测力示值准确度：≤±1.0%；3、试验速度范围：10-500mm/min； 4、速度示值准确度：≤±1mm；5、移动台最大位移：600mm ； 6、位移示值准确度：≤±1mm。四、 市场前景（应用领域、市场分析等）产品可用于电材生产及相关质检部门，目前国内无类似产品，属国内首创，市场前景看好。五、 规模与投资需求（资金需求、场地规模、人员等需求）机械部分可以自行加工或外协加工，计算机电控部分组装与调试需2~3人。除机械部分外，厂房40平方米左右即可。规模生产需要流动资金100万左右。六、 效益分析 按每年生产200台计算，可获利约1500-2000万，七、 合作方式 技术入股，技术转让等形式。或面谈。八、 项目具体联系人及联系方式（包括电子邮箱）项目负责及联系人：高振斌，电话：022-60436758邮箱：gaozhenbin@hebut.edu.cn九、高清成果图片2-3张
河北工业大学
2021-04-11
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
机器视觉系统应用实训平台（初级）
深圳市越疆科技有限公司
2022-06-14
机器视觉系统应用实训平台（中级）
深圳市越疆科技有限公司
2022-06-14
机器视觉系统应用实训平台（高级）
深圳市越疆科技有限公司
2022-06-14