|
搜索
搜 索
高等教育领域数字化综合服务平台
XM-654B锥体系、锥体外系
XM-654B锥体系、锥体外系
XM-654B锥体系、锥体外系显示锥体系、锥体外系传导。
尺寸：放大，30×30×57cm
材质：塑料
上海欣曼科教设备有限公司
2021-08-23
专家报告荟萃㉙ | 中国地质大学（北京）副校长赵志丹：地学拔尖创新人才培养体系实践与思考
学校以于地质学和地质资源与地质工程两个一流学科为基础，设立基地班、燕山书院、求真班、创新班等多个特色拔尖人才创新班，这些班级通过高考招生和校内选拔相结合的方式，选拔出一批有潜力、有才华的学生，进行专门的培养。
中国高等教育博览会
2025-02-18
基于同质器件架构的感算存一体化神经形态硬件
该成果创新性地基于二维半导体的硅基同质器件，首次提出了类脑功能的“传感-计算-存储一体化”神经形态芯片架构，实现了光电传感、放大运算、信息存储功能的一体化集成，为突破冯·诺依曼瓶颈和实现类脑智能提供了一种全新思路。
缪向水教授团队，长期从事相变存储器芯片、存算一体忆阻器芯片技术研究。2018年出版了国内第一本忆阻器专著《忆阻器导论》，2019年团队93项三维相变存储器芯片专利许可给芯片公司并合作开发产品，并与行业龙头企业合作建立了联合实验室，推动存储器芯片技术的成果转化以及未来引领技术的探索。曾荣获国家科技进步奖2项、湖北省技术发明一等奖1项。
同质晶体管-存储器架构的原理及器件结构
缪向水团队长期从事相变存储器芯片、存算一体忆阻器芯片技术研究。2018年出版了国内第一本忆阻器专著《忆阻器导论》，2019年团队93项三维相变存储器芯片专利许可给芯片公司并合作开发产品，并与行业龙头企业合作建立了联合实验室，推动存储器芯片技术的成果转化以及未来引领技术的探索。曾荣获国家科技进步奖2项、湖北省技术发明一等奖1项。
华中科技大学
2022-08-12
东南大学分析测试中心原位X射线衍射仪采购项目公开招标公告
东南大学分析测试中心原位X射线衍射仪采购项目 招标项目的潜在投标人应在江苏省南京市鼓楼区郑和中路118号D座16楼1612室（邮购）获取招标文件，并于2022年06月13日 14点00分（北京时间）前递交投标文件。
东南大学
2022-05-27
新型冠状病毒肺炎(COVID-19）传播预测模型及流行病学分析成果
全球肆虐的新型冠状病毒肺炎对世界各国人民的生命健康造成了严重的损害，对国际经济产生巨大冲击。加深对突发新型传染性疾病的全面认识，分析新型冠状病毒肺炎的流行病学特征，预测新型冠状病毒肺炎的传播趋势成为了应对疫情最为迫切的需求。马婷团队基于深度数据挖掘，建立输入风险及传染病传播动力学模型，通过与深圳市疾控中心、深圳市三院、黑龙江省疾控中心、美国约翰霍普金斯公共卫生学院专家的密切合作，建立精准度更高、更为个性化的预测模型，第一时
哈尔滨工业大学
2021-04-14
论坛报名 | 建设教育强国·高等教育改革发展论坛之平行论坛“现代职业教育体系建设”
建设教育强国·高等教育改革发展论坛之平行论坛“现代职业教育体系建设”
中国高等教育学会
2025-05-09
多模态多特征融合的脑电信号分类与定位模型
北京工业大学
2021-04-14
一种按数据属性分类存放的混合存储方法及系统
本发明公开了一种按数据属性分类存放的混合存储方法及系统。 考虑到元数据在文件系统中所占空间小、访问频繁等特点，构建了一 种由硬盘驱动器和固态硬盘组成的混合架构，将文件系统中的数据按 数据属性分为数据和元数据，将数据存放在由 HDD 组成的 RAID5 中， 将元数据存放在由 SSD 组成的 RAID1 中，以达到将文件系统中的数 据和元数据分类存放到不同介质、不同阵列级别的设备的目的，提升 文件系统 I/O 性能和可
华中科技大学
2021-04-14
一种基于在线训练的视频运动目标分类方法与系统
本发明公开了一种基于在线训练的视频运动目标分类方法，包括以下步骤：(1)获取原始视频序列的所有运动目标；(2)对运动目标提取速度、面积等标记特征和高宽比等分类特征；(3)将速度特征大于速度高阈值的目标标记为“车辆”，速度特征小于速度低阈值的目标留作步骤(4)进行二次筛选；(4)对速度小于速度低阈值的目标中面积特征小于面积阈值的目标标记为“行人”；(5)将标记完毕的“车辆”目标和“行人”目标设为训练集，训练得到人车分类
华中科技大学
2021-04-14
基于同质块均值核类内协同表示的高光谱图像分类
该成果提出了一种基于同质块均值核类内协同表示分类方法。同质块均值核能够有效地为目标样本确定其邻域区域内的同质样本，并将目标样本和同质块内的样本与训练样本之间的相似度作为新的特征向量，在有效提高类别区分度和空间表征能力的同时，提升了特征生成的效率。其后在分类过程中，利用类内协同表示分类中的吉洪诺夫正则项加强测试样本和各个类别训练样本之间的相关性的同时进一步提高分类效率。
主要技术指标
不同数据集下的训练样本与测试样本数与在该训练样本集数量下的分类结果表现参阅表 1。
（1）相比于传统分类器 SVM，OA 提高了约 15%；相比于 JCR 方法，OA 提高了约 2-4%。
（2）该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。同时有效降低了离散错分样本的数量，改善了过平滑的分类效果。参见表 1 与图 1。
（3）同时该成果特征提取方法有效提高了特征提取效率，参见表 2。
表 1.PaviaU 大学数据的训练样本选取与分类结果
表 2. 不同窗口大小下的特征生成时间比较
西安电子科技大学
2023-04-19