产品详细介绍 　　该系统的建立目标是提供给各级教育主管部门使用，包括镇教办、区县教育局、地市教育局、省教育厅和教育信息中心、电教站、教育管理中心等。该系统是集教育主管单位的门户网站、办公自动化系统和内部信息管理与一体的现代化管理系统，拥有包括内部交流、财产管理、公文流转、信息发布、网络磁盘、职工管理、基础教育数据汇总和统计、报表生成、招考管理等在内的功能模块，可帮助各级教育主管部门提高管理的数字化水平，增强职工的相互沟通与联系等。同时，该系统可同步接收东方中原校园信息管理系统提交的基础数据，形成某个地区分布式的基础教育管理解决方案。 　　系统管理权限分配灵活，安全性和稳定性能出色。本系统基于Internet/Intranet,采用最先进的B/S结构开发，以Linux作为服务器端的操作系统，以MySql或Oracle作为数据库。可以采用全部的自由软件搭配，有效地解决了投资成本问题。 　　栏目介绍 　　1. 首页 　　该栏目是教育局或教育厅对外窗口，可供任意用户访问，用于显示本单位发布的各类最新的公文、公告、资讯或新闻，各个部门的主页空间的链接，热点话题，公共信息查询模块链接等。 　　2. 交流园地 　　是网上的讨论区，在缺省的情况下，任意用户可阅读讨论区中的文章，而只有本单位的职工、下级单位职工或通过正式注册的社区用户才可以发表和修改文章。也可以通过模块开关设置，设定不开放讨论区阅读权限给任意用户。 　　3. 下级单位 　　下级单位负责人登录后才显示出来的栏目，只提供给下级单位负责人使用，包括针对该单位的专用功能(个人社区，里面主要内容是查询本单位汇总上报的基础数据)和所有单位负责人公用的查询功能(信息查询)。 　　4. 职工之家 　　本单位职工登录后才可以使用，包括职工的专用功能(个人社区)和所有职工公用功能(信息查询)。 　　5. 办公管理 　　本单位职工登录后才显示出来的栏目，只提供给本单位职工使用，并且每个职工只能进入其所在的部门进行办公管理，进入后他可使用该部门所拥有的所有管理权限。 　　6. 自定义栏目 　　单位可根据自身个性化特点定制其他栏目，无数目限制，可利用信息管理系统中提供的相关模块自由组合成这些栏目，类似用“积木”进行栏目搭建。(如 “政策法规”、“基础教育”、“远程教学”、“教研动态”、“教委文件”、“党建园地”等，体现用户个性化需求) 　　系统特点 　　1. 高集成：集成了门户网站、办公自动化、内部管理、信息交流等各方面的功能，解决信息化多个方面的问题。重点功能突出，有效帮助解决核心问题，特别是提供信息发布、宣传、信息搜索、统计等功能。 　　2. 一站式登录、使用简单：系统可通过社区管理，挂接其他系统，实现一站式登录，免除用户记忆多套系统帐号的烦恼。用户通过帐号或真实姓名登录后，可以统过统一的窗口模式使用各种功能。 　　3. 可定制性和扩展性：系统采用模板技术，支持用户进行功能和界面定制，突出个性化特点。支持社区管理，可接入其他系统，实现一站式登录及系统间数据通讯。 　　4. USB身份认证锁，硬件加密，安全有保障 　　5. 支持自由软件，投入成本低

产品详细介绍

产品详细介绍

一、产品概述 智慧教育平台是集“教、学、测、评、练、管”为一体，为教育管理者、教师、学生构建的互联网+教育平台，具有互联互通、开放灵活、多级分布、覆盖全国的特点。 平台精心打造了教务、校务、教研、教学、学习、课程、资源、题库、考试、设备管控、数据看板等业务板块，构建了课前、课中、课后的完整业务链，能够有效支撑学校和师生开展信息化教学应用，从而全面提升师生信息素养，开展基于互联网的教育服务新模式。 二、产品特点 多级权限管理 多类设备管控 多个场景覆盖 多端数据汇总 多方资源汇聚 多维智能排课 多元教学融合 多维课堂服务 三级等保资质 三、产品形态

为贯彻落实《教育强国建设规划纲要（2024—2035年）》要求，展示高等教育改革发展成果，推进高等教育装备现代化，推动科技创新和产业创新融合，服务教育科技人才一体发展，中国高等教育学会决定在江西省南昌市举办第64届高等教育博览会.

成果介绍人脸图像分析研究不仅能丰富和发展图像处理与分析的理论和方法，而且在教育、医疗、公安等社会服务以及公共安全等行业中具有重要的应用价值。基于人脸视觉特征的表情、身份以及亲属关系识别是当前人脸图像分析研究的前沿课题，而光照和人脸姿态变化等因素对人脸视觉特征提取与建模的影响则成为当前该研究面临的主要瓶颈。开展鲁棒人脸视觉特征的提取、建模与识别研究，突破现有研究的局限性，能显著推动人脸图像分析的研究进展，进一步满足国家在社会服务与公共安全等领域中的需求。技术创新点及参数1、 突破局部二值模式编码的视觉特征描述算子的局限性，提出局部三值模式编码的视觉特征描述算子，提出解决场景光照变化干扰以及高斯噪声干扰的图像处理一般性方法。2、 率先提出基于区域协方差矩阵的非正面表情特征描述方法，提出基于高斯混合模型和最小贝叶斯错误率估计的异方差鉴别分析方法，建立基于高斯混合模型的多视角表情识别理论。3、 率先提出基于人类学和遗传学的“父母—子女”亲属关系鉴别方法，提出以父母年轻时面部图像为桥梁的“父母—子女”亲属关系鉴别的子空间迁移学习理论和方法。4、 提出人脸视觉特征提取和识别的多流形鉴别分析理论，提出双子空间鉴别分析的增量式算法，突破双子空间鉴别分析方法的计算瓶颈。市场前景本项目围绕人脸图像中的表情、身份以及亲属关系识别等科学问题，深入开展鲁棒人脸视觉特征的提取、建模与识别的理论和方法研究，重点解决视觉场景中光照与人脸姿态变化下的鲁棒人脸视觉特征的提取与建模问题

本项目以国家自然科学基金 重点项目、国家杰出青年科学基金项目等为依托，历时十余年研究，建立了粗粒 土颗粒破碎机理与塑性本构理论。主要取得的科学发现点如下：(1) 针对传统强度理论无法描述粗粒土的颗粒破碎、各向异性、尺寸效应 等问题，建立了粗粒土三维统一非线性强度理论。该强度理论能够准确地模拟粗 粒土因颗粒破碎所导致的偏平面及子午面上非线性的强度特征；能够合理地反映 粗粒土因自重产生的横观各向同性的强度特征；能够准确地模拟粗粒土复杂的各 向异性的强度特征；还能够合理地反映粗粒土三维尺寸效应的强度特征。(2) 提出考虑中主应力影响的粗粒土三维边界面本构理论。试验表明，粗 粒土剪胀特性与中主应力系数相关，据此提出了考虑中主应力影响的粗粒土三维 应力-剪胀方程。针对传统本构模型无法描述中主应力对应力变形影响的问题， 建立了考虑中主应力影响的粗粒土三维边界面本构模型。在边界面理论框架下， 建立了屈服面与边界面的演化规律，获得了应力变形特征。(3) 提出颗粒破碎影响的状态相关塑性本构理论。试验发现粗粒土颗粒破 碎会导致颗粒级配发生变化，细颗粒填充粗颗粒孔隙，进而使得临界状态线发生 移动，并伴随能量散耗，因此，提出了考虑颗粒破碎的三维临界状态面及临界状 态理论。粗粒土在压缩和剪切作用下，颗粒破碎，并具有状态相关性，因此，提 出了考虑颗粒破碎的应力-孔隙耦合状态方程。根据所提出的考虑颗粒破碎三维 临界状态面，建立了考虑颗粒破碎影响的状态相关塑性理论。

我国粗粒土分布广泛，在强震、高应力等复杂应力条件下，高土石坝、高边 坡和岛礁工程中，粗粒土易产生颗粒破碎，导致其级配发生改变并伴随能量耗散, 从而引起边坡及坝体变形失稳破坏。研究粗粒土在颗粒破碎情况下的本构模型以 及评价工程安全稳定是目前粗粒土研究的热点问题。本项目以国家自然科学基金 重点项目、国家杰出青年科学基金项目等为依托，历时十余年研究，建立了粗粒 土颗粒破碎机理与塑性本构理论。主要取得的科学发现点如下： (1)  针对传统强度理论无法描述粗粒土的颗粒破碎、各向异性、尺寸效应 等问题，建立了粗粒土三维统一非线性强度理论。该强度理论能够准确地模拟粗 粒土因颗粒破碎所导致的偏平面及子午面上非线性的强度特征；能够合理地反映 粗粒土因自重产生的横观各向同性的强度特征；能够准确地模拟粗粒土复杂的各 向异性的强度特征；还能够合理地反映粗粒土三维尺寸效应的强度特征。 (2)  提出考虑中主应力影响的粗粒土三维边界面本构理论。试验表明，粗 粒土剪胀特性与中主应力系数相关，据此提出了考虑中主应力影响的粗粒土三维 应力-剪胀方程。针对传统本构模型无法描述中主应力对应力变形影响的问题， 建立了考虑中主应力影响的粗粒土三维边界面本构模型。在边界面理论框架下， 建立了屈服面与边界面的演化规律，获得了应力变形特征。 (3)  提出颗粒破碎影响的状态相关塑性本构理论。试验发现粗粒土颗粒破 碎会导致颗粒级配发生变化，细颗粒填充粗颗粒孔隙，进而使得临界状态线发生 移动，并伴随能量散耗，因此，提出了考虑颗粒破碎的三维临界状态面及临界状 态理论。粗粒土在压缩和剪切作用下，颗粒破碎，并具有状态相关性，因此，提 出了考虑颗粒破碎的应力-孔隙耦合状态方程。根据所提出的考虑颗粒破碎三维 临界状态面，建立了考虑颗粒破碎影响的状态相关塑性理论。

西安科技大学自 1998 年开始对我国煤与瓦斯共采基础理论进行研究，成果获陕西省科学技术二等奖，出版专著 2 部，发表论文 40 余篇（其中 SCI 、 EI 收录 12 篇， ISTP 收录 5 篇），获专利 5 项。研究成果已在山西省天池煤矿等多个高瓦斯矿井进行了煤与瓦斯共采技术验证，有效指导了煤矿现场的瓦斯抽采工作，实现了矿井的安全生产，具有良好的社会和经济效益。

随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析