ADS基础实验平台是针对高校模拟电路/数电实验室/电路实验室建设而开发的一整套完整解决方案，包括Digilent-Analog Discovery Studio（ADS）硬件平台、WaveForms软件平台、基于ADS平台的电路原理实验板卡及丰富的实验课程资源。旨在通过便携、极易上手的软硬件平台，安全稳定的配套板卡和与教材高度匹配的丰富实验资源，优化教学模式，提升教学效果，培养“高精尖”人才。

RMST中控平台/RMST立式中控平台/DG-MS智能管理平台 中控平台作为管理系统主要控制核心，负责系统内试剂信息的记录和更新，承载着各管控对象的交互软件和数据信息，实现人机信息传递、外围硬件操控和数据库更新功能，同时能够定时备份保证数据安全。  产品参数PARAMETERS： 操作终端配合中控平台进行数据的出入库管理，主要用于解决实验室试剂管理扩展，完成系统的出库、还库、查库和异常处理，形成完整的试剂信息数据库，并对数据进行分类统计、筛选，以提高实验室试剂管理效率。 产品特色FEATURES： 1、便携式一体化操作平台 平台以控制端为核心集成双功能扫描器、人脸识别能力和超大显示屏，管理员可在平台上查询组网的库房内试剂的所有流转信息，对于异常情况 、权限设置、生成报表等都能快速实现。 2、智能化信息系统 自动记录流转信息、自动统计分析，生成各类统计报表，支持数据随时查询并导出EXCEL报表，实现库存无纸化管理；

课前老师制作课表、上传资料，PPT课件保留原动画特效，课中加强教学互动（考勤、随堂测验、随机选人），课后课程复习、作业提交、作业批改、学习分析等操作，支持移动端学习。

以新大陆嵌入式AI核心开发板为核心，结合深度摄像头、激光雷达等部件，以差速模型与视觉神经网络技术，掌握ROS 机器人操作系统、深度学习、自动驾驶等融合技术。 

集计算机视觉、智能语音、机械臂融合控制技术为一体，配套机器人色块分拣、语音机器人、小型柔性智能制造、无人零售等多个行业典型实验案例，学习掌握人工智能专业核心技术。

面向人工智能工程技术、人工智能技术应用等专业的核心技术教学，学习掌握人工智能计算机视觉、智能语音、边缘计算、终端感知控制等相关人工智能关键技术。

具备教学实训、课堂练习、资源承载的支撑能力以及区块链理论知识、技术实战、环境搭建、开发语言、案例分析于一体的实验平台。

融创教学平台是一款全方位、多功能的在线学习管理系统，旨在为教育工作者和学生提供便捷、高效的教学与学习体验。平台支持课程管理、督导巡课、资源共享、在线测评、学业分析等多种功能，致力于提升教学质量与学习效果。

光学领域顶尖期刊《自然·光子学》报道了浙江大学信息与电子工程学院陈红胜教授课题组的一项最新研究：在国际上率先实现基于深度学习的新一代智能隐身器件。在不依赖任何人为操控的情况下，快速地动态适应变化的背景环境，从而与背景电磁环境特征融为一体，实现自适应隐身。论文审稿专家认为：“这是一项激动人心的、及时而杰出的工作，它连接了变换光学、电磁超材料和人工智能等领域，为智能光子材料和器件这个新兴领域树立了很好的标杆，也将大大促进其他智能电磁器件的发展。”自然界存在两种“隐身”策略。一种是在变色龙和章鱼生物中常见的拟态隐身，使自己融于周边环境；另一种是透明隐身，即光透过物体时不产生任何散射，例如海樽和水母。科学家近年来提出的变换光学隐身方法则区别于上述两种策略，它利用坐标变换的方法来控制电磁波，使其绕过被隐身的区域，按照原来的方向传播，从而使物体完全隐形。与自然界的“隐身衣”相比，人类的“隐身衣”多数只能工作在单一的环境背景和既定的入射波条件。如果稍加改变外界环境或者入射波，隐身效果便会大幅度降低。“理想的隐身衣应该和章鱼和变色龙一样，能够快速自动地适应于变化的外界刺激和背景环境。”陈红胜说。如何才能实现这一点？“章鱼有色素细胞，我们有可重构的新型人工电磁材料单元；章鱼有中枢神经，我们有深度学习方法；章鱼有光敏细胞，我们可以搭建电磁波和环境探测器。”论文第一作者、课题组成员钱超说。当前，深度学习已经开始渗入电磁材料领域，但是主要偏重于理论上设计优化人工电磁材料。如何在实验上实现新型的智能电磁材料、构建新一代智能隐身系统并实现快速有效的自适应隐身，是一个极具挑战的课题，在此之前还未见成功实验的报道。经过三年多的不懈努力，陈红胜研究团队组在充分研究隐身领域关键技术瓶颈的基础上，在微波段成功实现了智能自适应隐身器件。研究团队设计了一项小车智能隐身实验——小车身披一层超薄的可重构的超表面隐身材料，这件“隐身衣”由智能芯片控制，集成了训练好的深度学习模型，能够根据输入的电磁信息快速做出决策，改变“隐身衣”的电磁响应。探测雷达随机改变着入射波的频率、极化和入射角，而小车的任务就是动态适应变化的探测信号，对雷达“隐身”。当环境发生变化，变色龙大约需要6秒时间过度到环境色；而当电磁环境发生变化时，披着智能隐身衣的小车只需要15毫秒就能自动地实时“换装”。陈红胜教授表示，智能隐身成功地融合了新型电磁材料和人工智能等领域，其采用硬件手段实现用于隐身调控的深度学习模型，在应用中只需单次前向计算即可做出合理的决策，大大地缩短了响应时间，这一方法对于实时性要求很高的其他应用也有很好的借鉴意义

本发明公开了一种基于表示学习的星图识别方法，该方法利用端对端的、基于表述学习的神经网络模型RPNet，用于快速高效且鲁棒性强的全天星图识别任务