产品详细介绍我们公司多年来一直专注于图书馆自动化管理系统，谢谢广大客户朋友们多年来对我们产品的支持与肯定。今天又要给大家带来一个惊喜了。现在隆重给大家介绍一款我们公司最新推出的免费软件——《瑞天书目数据共享平台》！ 　　《瑞天书目数据共享平台》采用最新技术实现图书套录，达到资源共享。具体什么意思呢？就是您用我们的  《瑞天书目数据共享平台》可以在录入书籍信息时只需要输入书籍的ISBN码就可以远程获取我们公司服务器里的图书书目信息，而且我们这个书目数据库信息目前是完全免费开放的。 　　大家都知道，图书馆自动化管理中，最重大而繁琐的事情那就非“图书信息录入”莫属了，自己手工录入太累，找专门做数据的公司来录入图书数据经费又大，那怎么办呢？呵呵··当然是能找到一个可以免费获取图书书目信息的渠道最好呀。有这种想法的人，不妨使用我们的《瑞天书目数据共享平台》，体会这款系统的功能效果就知道是不是你们想要的。 　　此软件配合您现有的图书管理软件使用，让您的工作异常轻松，关键是免费！ 注1：目前中国大陆所有“联合编目数据中心”想要获取他们数据库里的数据都是需要花几毛钱一条的，有兴趣的可以网上了解，我们是中国大陆唯一一家免费提供数据共享平台的。 注2：远程编目服务器的开放时间一般是工作日时间段(作为我们的正式版用户，如果您需要其它时间段获取数据，请随时联系我们，我们会尽量安排开启服务器，请不用担心，这些都是免费提供的服务)。 注3：因近段时间远程编目服务器地址经常变动，若发生链接不上服务器，请联系我们的在线工作人员，我们会把最新服务器地址告诉您。  更多资讯及相关产品讯息可登录北创科技官网wwwbc863.com进一步了解。  

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

资源库系统基于三层体系体系结构，将多种形式的教学资源有层次，有组织，科学地组织起来。根据教学需要，灵活构建与本校教学相适应的特色资源库系统，有效运用教学资源，为提高教学质量提供了有效的手段。 教学资源建设是教育信息化的基础，需要长期的建设和维护。由于教学资源的内容丰富多彩，形式多种多样，所以一个高效的教学资源管理应用系统，是现代远程教育系统中一个重要的、必不可少的基础系统。 科大奥锐针对目前高校物理教学的特点，基于改进的三层体系体系结构开发出《物理实验资源库系统》，将多种形式的教学资源有层次，有组织，科学地组织起来。用户可根据教学需要，灵活构建与本校物理教学相适应的特色资源库系统，有效运用教学资源，为教学质量提供了有效的手段。系统具有良好的扩展性和可维护性，可以方便地移植到其他学科教学领域。 系统拥有3G容量教学资源，可根据实际课程体系分类组织、管理。具体包括76个物理实验资源、物理学CAI、大学双语网络课程、Flash演示课件等。资料包括千余张实际仪器图片、900余张珍贵的物理学发展史的图片、近600个生动形象的物理现象Flash演示动画、1.2G以上教学录像、7门双语网络课程、25个可操作的CAI课件等资源。丰富的资源可供教师制作课件，供学生预习、复习实验内容，为学生自主学习创造环境。 系统介绍 工作流程： 系统特色：   1.  按照实验中心实际课程体系分类组织管理，便于教学应用。   2.  76个物理实验资源，包括授课教案、实验仪器、实验习题、教学录像、教学讲座等。。   3.  资源内容形式多样，Flash动画、录像、图片、文字。   4.  方便下载，可方便用于制作教师自己的课件。   5.  学生可方便地利用该系统进行课前预习、课后复习，课中结合仿真实验学习和得到指导信息。实验中心的授课更具开放性，学生在教学中更具自主学习性。   6.  针对本系统资源量大，系统设计了巧妙方便的搜索功能。 特色资源： 功能模块 系统包括资源服务平台、资源库管理平台两个部分。系统功能结构如下图所示。 详细功能介绍： 1.  资源管理平台 实验课程管理：管理实验课程，包括新增、修改和删除。 实验项目管理：管理实验项目，包括新增、修改和删除。 资源类型管理：系统预设了授课教案、实验指导、实验仪器、实验习题、实验讲座、实验录像、学生论文、教材资料等八类。可根据实际需要增删。 用户管理：管理系统用户及权限。 资源查询：检索现有资源。 资源审核：对用户上传的资源进行审核。 资源编辑：修改资源的基本信息或在线编辑资源。 2.  资源服务平台 资源上传：资源由两部分构成：一是图文并茂的描述；二是相关文件构成的附件。通过本功能可将资源分门别类的上传到资源库，供用户浏览下载。 资源浏览：在线浏览资源。 资源检索：提供功能强大的资源检索功能。 资源浏览下载：学生下载资源文件。 典型应用 在教学中的应用模式 1.  作为信息化教学手段应用于实验教学中 教师可将教案、教学的重点难点等以多媒体形式加入资源库系统，课堂教学时通过网络访问资源，利信息化手段教学，激发学生学习兴趣，提高教学质量。 2.  利用资源库管理系统，建设学生课外自主学习的教学环境 丰富的资源可供教师制作课件，供学生预习、复习实验内容，为学生自主学习创造环境。

医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。 由一款围棋人工智能程序AlphaGo(阿尔法围棋)开始，人工智能开始走进大众的视野。世界范围内对其的广泛讨论预示着人工智能时代已经到来。随着深度学习算法不断发展、日益成熟，人工智能已逐步用于医疗影像分析领域。近年来，关于内窥镜影像在AI领域的发明成果如潮水般涌现。 在内镜检查中，操作医师将抓取的图像和视频保存到内镜报告系统中，再由诊断医生根据这些抓取的影像出具诊断报告。由目前公开的内窥镜影像收集归纳系统中，尚未利用深度学习的方法来进行胃、肠的内窥镜影像学习，进而构建一个较为全面的内窥镜影像的样本库。目前的方法不利于简化医生的操作且不具有数据归一化处理和转换能力，无法根据数据适用范围的不同对数据进行管理和提供智能的数据分析功能。 一种人工智能扫描内窥影像样本库管理系统包括以下模块：图像输入模块，用于收集内窥镜图片；按官方标准，将胃部或者肠部内镜视野分成多个部位，通过人工智能系统对从医院内窥镜系统采集的图像进行预分类，并将影像数据上传至系统指定文件目录；登陆模块，用于在注册医生登录系统进入当前功能菜单后，对图片进行评图，确认该图片类别是否正确；系统主控界面，用于进行人机交互，并对图像进行显示；业务功能模块，包括：图像分类单元、视频库单元、病灶标记单元、我的任务单元、用户信息单元；系统设置模块，用于管理用户与权限。本发明界面美观友好、信息查询灵活方便；对上传影像数据智能分类，减少医生操作，只需最终确定。 本系统产生的价值在于： 一、界面美观友好、信息查询灵活方便； 二、对上传影像数据智能分类，减少医生操作，只需最终确定； 三、数据库管理模块，具有数据归一化处理和转换能力，根据数据适用范围的不同对数据进行管理，提供智能的数据分析功能； 四、集成第三方标记工具，标记过程简单清晰，结果数据稳定可靠； 五、用户权限设置合理，系统安全级别高； 六、防错退出模式，保证系统安全稳定运行。

项目成果/简介:医疗内窥镜是目前常用的一种临床诊断工具，尤其对于消化科的医生而言，他们通过内窥镜能直接观察到人体消化器官内部的病变情况，如溃疡、肿瘤等，甚至还可以利用内窥镜进行微创的外科手术，在医学界应用广泛。与放射科的阅片相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。由一款围棋人工智能程序AlphaGo(阿尔

小试阶段/n大数据监控管理平台的目标为：建立基于大数据处理技术的数据中 心，整合各种数据源的数据；实现多源数据的高效管理和可靠存储；为 应用开发人员提供统一的数据访问层，方便平台的二次应用开发；提供 图形化的文件管理；实现界面化的数据管理；提供图形化的集群的部署 和监控；实现方便高效的数据迁移。同时，提供有效的安全访问控制和 界面化的快捷操作。 当前各行各业均有大数据应用的需求，需要投入巨大的人力、物力 来简历和维护大数据平台，技术升级和平台迁移的成本非常高，大数据 监控管理平台的应用，将在大数据应

该系统采用数据采集专用终端对多种类、多型号便携式取证设备产生的音视频资料进行采集，实现电子证据采集自动化。采集终端设备具备接入设备认证、数据加密、时间校准以 及自动充电等功能，达到解放人力，提高执法办案人员工作效率的作用。可将执法场所监控视频抽取至统一音视频数据管理平台，与便携式取证设备对接处警、 执法现场等执法行为形成的音视频资料一起，共同形成完整的执法过程音视频管理资料库。 专用采集终端设备将数据采集到统一数据管理平台，各级不同用户根据权限通过统一的执法过程音视频管理系统实现数据共享。上级执法管理部门可实现跨区域跨级别执法资料的 查询、调用与统计，有效掌控一线民警的执法情况。执法监督部门可通过后台管理系统实时查看、监督执法过程音视频资料采集的及时性、 完整性、规范性，通过自动统计分析，对各单位执法规范化水平和执法办案人员工作绩效情 况进行量化统计。

该系统采用B/S架构设计，利用扫描系统把传统玻璃切片进行扫描、拼接，生成一张全视野的数字切片，实现数字切片的浏览、存储和管理，可进行固定倍率或无级变倍观察，系统包含有七大类1300张以上切片。

01. 成果简介 非结构化数据是没有显式数据结构约束的非关系型数据，包括时间序列、图像、音视频等，其管理与分析技术成为国际信息领域战略竞争焦点。许多实际应用中，非结构化数据不仅总的体量大，而且数量也极为巨大。例如，我国气象预报业务每天接收到的气象数据文件达数亿非结构化气象小文件。此外，这些文件存在大量业务语义属性，这些属性形成了描述一个数据的多种维度。 针对海量非结构化数据的管理需求，清华大学软件学院提出了多维文件空间模型，并基于此模型突破了一系列非结构化数据核心技术，包括：l  非结构化数据到多维空间模型的映射方法；l  多维文件空间模型的分布式物理实现方法；l  分布式存储的副本控制方法。 该技术通过对非结构化数据的属性维度进行分类，将非结构化数据建模成多维文件空间模型，并对文件集合上的各种操作进行定义。此外，通过细粒度计算磁盘IO代价、网络代价、副本代价、CPU代价、数据分区代价，得到指定工作负载下的最优物理存储实现，进而通过排队论等方法对副本的一致性进行控制，实现满足用户SLA（服务等级保证）的柔性事务。  图1. 基于多维文件空间的最优非结构化数据存储方法示意图  相比现有对象存储等技术，该项技术可以实现更加灵活的数据访问。同时，该项技术能够建立多维文件空间到分布式物理存储的最优映射机制，保证非结构化数据总访问代价最小。相比于现有的分布式文件系统，该项技术可以确保使用少量内存管理数以亿计的海量非结构化小文件，而现有多数分布式文件系统在遇到海量文件管理时往往会出现内存爆炸问题。02. 应用前景 本成果技术可广泛用于各种类型尤其是多维度属性的非结构化数据管理。目前已经被成功应用于中国气象局和全国31个省或直辖市气象局，以及石油、风电等多家工业企业。该项成果还入选了2016国家十二五科技创新成就展和2018首届数字中国建设峰会，并作为贡献之一获得2018年教育部技术发明一等奖和中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权13项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、数据质量、深度学习与迁移学习、业务过程挖掘等方向。团队课题负责人为王建民教授、博士生导师。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖。05. 合作方式 技术许可 / 软件服务。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn 团队电话：010-62786972；13051000520 团队邮箱：huangxdong@tsinghua.edu.cn