厚吉数字器乐实训室 数字器乐实训室（指法仪版）以《厚吉数字音乐课堂教学系统》为核心的集成化数字器乐教室，包含了集成化授课平台、数字音乐谱架（指法仪版）、备课软件与教学资源库四部分。授课平台是由器乐教学子系统、歌唱教学子系统、乐理教学子系统、音乐创编教学子系统、白板互动教学子系统、多媒体课件播放子系统等组成。         数字音乐谱架将传统谱架和指法仪相结合，采用POE网络供电技术，仅用一根网线解决信息传输和供电，无电教学更安全；超A0拍摄幅面实时记录学生完整练习过程，辅助器乐教学。         “全谱器乐、全能歌唱”技术和资源也为学生自主创编奠定了一定基础：内置资源降低创编门槛、多模式试唱即时播放试听、多类小乐器音源库从多方面表现作品，促进学生对音乐理解和表达。 系统拓扑布局 教师：   · 触摸屏与教学大屏同屏显示、双向控制。在弹奏过程中无需起身，即能调整教学内容。  学生：   · 超A0大幅面的学生指法采集仪，完整清晰记录多种器乐指法；   · 采用POE网络供电技术，一根网线同时解决学生端信号传输和供电，无电教学更安全！ 数字音乐课堂教学系统软件介绍 《厚吉数字音乐课堂授课软件》 数字音乐课堂授课软件是一套集成化教学平台软件，包括：器乐教学、歌唱教学、钢琴谱教学、乐理教学、创编教学、音乐白板互动教学、多媒体播放等多个教学模块。 《音乐教学备课软件》 独立的音乐教学备课软件，让老师随时随地完成教案编写、课件制作。专业的音乐符号、演奏记号等，保证教案、课件、试卷的正确性，专业性。音频、视频、动画、图片、文本、表格等多种对象的支持，丰富课件内容。 数字音乐课堂教学资源平台 核心技术 《数字器乐实训室教学系统》是一款集成 “全谱器乐”与“全能歌唱”的综合数字音乐教学平台。         “车同轨，字同文”为中国统一奠定了经济与文化基础；厚吉教育科技为解决常用小乐器没有信息化手段辅助教学的困境，独创“全谱器乐”教学理念与技术，规范各类乐器谱指法规则，夯实教育部提出“小乐器进课堂”的教学目标。          “全谱器乐”基于自主创新研发的五线谱与简谱智能生成小乐器参照图示技术、分解式多维播放技术、多模式播放技术等多项核心技术、多类小乐器音源库，以器乐教学、歌唱教学和作品创编为核心教学应用，结合数字音乐谱架实现口风琴、竖笛六孔、竖笛八孔(英式)、竖笛八孔（德式）、笛子、陶埙八孔、陶埙十孔、陶笛六孔、陶笛十二孔、葫芦丝、洞箫等11种器乐教学，教师根据需要将五线谱与简谱的音符、乐句、乐谱灵活生成为指定的小乐器指法参照图示。全谱器乐谱采用规范统一的指法与吹法标示，学生根据当前所学触类旁通快速提升。         全能歌唱是一种全新音乐教学理念和模式，以歌曲演唱和创作为核心，通过数字化技术手段，实现五线谱和简谱的范唱、节奏、旋律、哼唱、唱名、试唱、伴唱等多种方式教学，并可对词曲灵活改编、创作和表演，学生的创作成果不仅能够呈现，还能通过系统试唱出来、分享出去，让学生在实践中创造与进步。 更多数字器乐实训教室详情请访问公司官网：http://www.gdhouji.com

海格通信持续关注行业用户的无线通信指挥调度需求，以2010年广州亚运会为契机，开展了数字集群产品的研发工作，是目前少数掌握主流数字集群协议的系统方案提供商。通过整合运作，全力打造TETRA、DMR、PDT等多制式数字集群产品。目前，已形成完整数字集群产品系列，包括交换机、基站、手持台、车载台等。 展望未来，海格通信将全面打造数字集群产业链，为行业用户提供数字集群系统解决方案和服务，满足各行业用户，如公安、消防、边防、石油、港口、机场、轨道交通、林业、海关等的无线应急通信指挥调度等需求。

数字历史模型是现在最流行的高科技展示教学设备，它基于全息投影的成像技术，将历史文物以全息影像方式投射到透明介质上，产生3D立体观感，虚幻莫测，非常直观，可以给师生留下很深的印象。 数字历史模型可以360°全方位展示3D历史模型课件，所有模型均能够任意放大缩小，并配备了专业生动的语音解说，在教学演示方面有着非常震撼的视觉效果，并在潜移默化的培养学生对中国历史和世界历史的兴趣。

国际发明专利唯一授权 列入2019年《中华人民共和国教育行业标准》 列入教育部《中学地理专用教室装备规范》 专家联手打造配套新课标课程资源，享有自主知识产权 全国教育科学“十一五”规划教育部重点课题研究成果 中国教育装备行业协会2014、2016、2018、2020年度推荐产品      数字星球系统是信息时代数字化的教育装备之一，也是目前国内率先实现三维立体动态展示的单体数字化教学仪器。      它通过国际先进的三维图像处理平台，结合精密光学技术，瞬间将图片、视频、动画等多媒体资源展示于数字化球形投影屏幕上，动态立体的再现自然科学和社会科学的现象与过程，能够广泛应用于中小学科学、地理、历史等多学科教学和科普教育，满足校内外教育教学多元化和个性化需求，促进教师教学观念、手段和方法的更新，激发学生的学习兴趣，促进学习方式的变革。      目前，数字星球系统已被教育部列入2019年颁布的《中华人民共和国教育行业标准》（编号JY28004）和《中学地理专用教室装备规范》以及全国教育科学"十一五"规划教育部重点课题，绝大多数省市教育装备部门也已将数字星球系统列入当地装备标准和目录。      数字星球系统包含硬件和软件二部分：硬件系统由投影机、鱼眼透镜组、球形投影屏幕、底座、遥控器等组成；软件系统由平台软件、二次开发软件包、配套新课标资源和指导手册组成。     可以形象地说，一套数字星球系统®就是一个可以移动的地理专用教室，就是一座包罗万象的天文和地理科技馆，就是一个学校开展素质教育、拓展教育和科普教育的综合教育基地。      为了满足新课标要求，适应教育教学需要，教育部教育装备研究与发展中心（原教育部教学仪器研究所）、中教启星联合北京师范大学地理学与遥感科学院的专家、北京市等多个省市地理教研员和一线优秀教师，成功开发完成基于"数字星球系统"的小学科学和初高中地理新课标同步课程资源。      数字星球系统除了为教师提供了大量课程资源、专题资源以及拓展资源外，还依托二次开发接口，提供了灵活简便的以PowerPoint为基础的模块化、积件式的课程制作工具，教师可以根据教学需要，将各个知识点的球面图像和动画随意插入到PPT课件的任何位置，轻松开发自己的课程，并实现与数字星球系统的完全交互与融合。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本发明的目的在于克服现有技术的不足，提供一种基于门限的低复杂度MPA算法， 该算法通过设置置信度门限来及时对可靠的码字进行译码，或对发送概率极低的码字进行 舍弃，从而有效地降低了原始MPA算法的复杂度。

本成果针对空间目标的运动特征，通过研究目标距离徙动轨迹与 等效运动模型，构建了一个欠定的运动方程组，基于全局炳最优化准 则求解出目标运动参数，提出了一种全新的距离对准算法。实验结果 表明该算法具有较高的准确性，更重要的是，距离对准过程中不会引 入距离像随机偏移误差和高频相位误差，这也是应用大转角高分辨成 像方法的前提条件。

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在

本发明提出了一种基于时间-能耗重要性比重的并行任务调度算 法，在满足时间和能耗的双重限制下，实现异构并行系统下任务所用 时间和能耗的权衡优化。本发明考虑到实际情况中任务受各种因素的 影响，执行时间不是固定且确定的，而是近似于正态分布，因此在确 定任务调度顺序时，不采用以往技术中使用执行时间平均值的方法， 而是将执行时间的平均值和方差同时考虑进来使用近似权重。在任务 分配阶段，同时考虑时间和能耗这两个性能指标，并能根据