希望能与有三维建模能力的伙伴合作，基于我司的GIS平台加载能力，提供三维数据建模服务，支持提供LOD1-LOD5 多级别数据生产制作能力。

湖北中潮教育科技集团有限公司（简称“中潮教育”）是一家基于教育大数据和产教融合理念，通过教育内容研发与创新，充分利用移动互联网和信息技术的手段，打造商学类、管理类、法律类、党建类、人文类专业、职业与行业的课程体系，为各类企业、事业和政府组织建立特色化的职业技能提升学习系统，帮助社会大众提升职业素质，培养学习型组织，实现利用互联网平台传授知识、传播思想、传承文化的教育企业。

1、超大型厂房内部温度、湿度、CO2浓度和气流的分析模拟技术。2、超大型厂房内部温度、湿度、CO2浓度和气流精密控制技术与装置。

本发明公开了一种基于多感知数据融合的人机自然交互系统，包括MEMS手臂跟踪装置、视觉跟踪装置，以及安装在操作者的手掌上的力反馈装置，上述各装置由PC终端控制，PC终端包括手臂运动解算模块、图像处理模块、力学解算模块和虚拟场景渲染模块；虚拟场景渲染模块根据手臂运动轨迹和手指运动轨迹生成虚拟手臂和手指，力学解算模块根据虚拟手指与虚拟物体的碰触信息，计算操作者当前状态下应得到的期望反馈力矢量；本发明可满足手臂大范围运动情况下的手臂运动轨迹的跟踪要求；其次，可通过图像信息测量操作者手指的运动轨迹，可精确测量手指上多个关节的角度；再者，可为操作者提供力反馈和虚拟场景的视觉反馈，增强系统的临场感、交互性。

美林数据技术股份有限公司（简称：美林数据，NEEQ：831546）是国内知名的数据治理和数据分析服务提供商，重点面向企业客户提供数据资产管理、数据分析与挖掘、数据开发应用为主的大数据产品及增值解决方案。成立至今，在能源、制造、金融、政务等领域积累了丰富的项目经验，自主研发的 Tempodata 系列大数据产品广泛应用于上千家大型企业，为用户提供从数据采集、数据资产管理、数据挖掘、数据分析应用等综合解决方案。 当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素，实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案——Tempo Talents 大数据人才应用能力成长平台。  

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

本实用新型涉及一种简易学生平安短信服务系统。系统主要包括有源RFID卡、射频读卡器、手机、RS‑485总线以及监控中心计算机。系统以32位ARM芯片STM32系列单片机为主控制核心，由安装于校门内、外的两个读卡器远距离采集学生出入学校信息，并通过手机短信息或RS‑485总线及时发送给相应家长或监控中心计算机。学生进出校门时无需刷卡即可实现区域定位，最远读卡距离80米。因此不会出现因排队刷卡而导致的大量学生滞留校门口的现象。校门内、外两个读卡器的设计保证了系统无漏读和错读射频卡现象。

2017年7月11日，北京邮电大学温向明教授研究团队受邀赴日内瓦参加ITU-T SG13全会，代表北京邮电大学、OAI软件联盟及开源5G中法联合实验室，全程展示了全球首个5G网络服务化切片管理编排原型系统，并提交了SBA 5G网络切片标准化提案。该系统是5G网络操作系统的核心部分，可实现灵活的网络切片管理、业务动态编排及弹性伸缩，可有效应对5G网络中场景多样化、业务动态化和网络异构化的挑战。5G切片管理编排原型系统得到了与会设备商、运营商及研究机构的广泛关注。温向明教授研究团队将加强与国内外重要运营商展开深层次的合作，提升在国际标准化组织的影响力，共同推动5G网络切片管理编排的标准化进程，占领5G网络切片管理编排及网络操作系统的制高点，加速推动5G网络切片管理编排系统在运营商网络的商用。

北京交通大学下一代互联网研究中心在深刻理解已有网络技术及其严重弊端的基础上，从根本上对未来互联网的发展提出了一种全新的“标识分组网络”的设计思路：将目前的多种媒体网络、多种服务模式通过“标识化”统一管理，抽象为一体化网络与普适服务的体系结构，再基于“分组”的形式进行传输。“标识分组网络”既能继承分组传输的优势，又能有效解决现有网络的主要弊端，以开创下一代信息网络全新的发展局面。 接入标识与交换路由标识分离的一体化网络结构具有如下重要作用：保证各种接入网络及用户的移动性；保证用户的隐私性和安全性；保证网络的可控可管性。普适服务体系具有如下重要作用：支持网络服务与资源的统一处理、支持多连接多路径的高效传输协议设计。