历史建筑结构检测与加固和建筑节能改造技术

本发明公开了一种在SOI硅片上制备微机械悬空结构的方法。对悬空结构及其固定结构采用不同的槽宽设计，其中，固定结构的槽宽明显大于悬空结构，宽槽底部经刻蚀首先到达或更加接近SiO2层，再通过各向同性干法刻蚀使窄槽底部相互连通并与窄槽下方的Si层分离，将窄槽间的梁释放，形成具有平整底面的悬空结构，同时去除固定结构与悬空结构连接区底部的Si以及固定结构与其它结构之间的区域底部的Si，使得固定结构与窄槽下方的Si层及其它结构隔离，从而使不同的固定结构间相互绝缘。本发明的方法简单有效，能广泛应用于MEMS悬空结构的加工。

产品详细介绍气瓶柜：气瓶柜是实验室家具中主要储藏气体钢瓶的产品。其目的是使实验室的气体钢瓶得到安全妥善的保存。 产品技术要求： 全钢工艺制作，线条柔和，承重性好，组合灵活，利于维修，便于安装运输,外形设计美观大方;外形尺寸误差值：长、宽、高≤3mm；柜体对角线或框架对角线≤1000mm，邻边垂直度允许误差值≤3mm，邻边垂直度允许误差值≤4mm。   产品尺寸：1900*600*450（mm）  全钢单瓶     容量：可储存1只气瓶                 1900*900*450（mm）  全钢双瓶     容量：可储存2只气瓶                 1900*1000*450（mm）全钢三瓶     容量：可储存3只气瓶   产品描述：颜色：黄色                材质：优质冷轧钢                表面：环氧树脂烤漆报警器：选配   产品特点： 1.柜体：采用优质冷轧钢板，经酸洗磷化处理，表面通过环氧树脂静电喷涂，达到防酸碱及防锈之效果。 2.门板：采用可脱卸铰链，正面带视窗，视窗为防爆玻璃。 3.PASS孔：柜体侧面设有PASS孔，保证柜内气体流动。 4.固定链条：内部采用固定式链条，防止气瓶倾倒。 5.踏板：柜体底部设有可调节踏板，方便气瓶装卸。 6.拉手：采用嵌入式高强度拉手。 7.报警器：报警装置可识别：可燃式气体（如甲烷、乙炔、煤气、氢气等）等，采用专用可燃气体探测器，空气扩散采样，当达到芯片切点设定的浓度时，将自动报警。 8.声光报警系统：当柜内传感器检测到气体泄漏时，会自动触发红灯闪烁和报警轰鸣声，同时自动排风。 9.自动排风系统：当柜内传感器检测到气体泄漏并报警的同时，顶部风机会自动工作，将气体通过排风管排出室外，保证工作区域的人身安全。

XM-TB1高级臀部肌肉注射与解剖结构模型   XM-TB1高级臀部肌肉注射与解剖结构模型用于臀大肌、臀中肌、臀小肌和股外侧肌肌肉注射训练，学习臀部注射相关解剖结构，进行对比注射练习。   一、功能特点： ■ 模型采用高分子材料制成，肤质仿真度高。 ■ 模型模拟了一成年人下半身结构，上至腰部，下至膝上，为成人仿真臀部，骨性标志明显，解剖结构精确，便于操作定位。 ■ 双侧对比，一侧用于展示，一侧用于操作，左臀部的肌肉可取下，显示内部解剖结构。 ■ 左侧展示了臀部肌肉和神经的走行，解剖结构包括臀大肌、臀中肌、臀小肌、坐骨神经及周边血管等结构。 ■ 可进行臀大肌、臀中肌、臀小肌和股外侧肌肌肉注射训练。 ■ 肌内注射可注入、排出液体。 ■ 可反复进行练习。   二、标准配置： ■ 臀部肌内注射模型：1台 ■ 训练用注射器：1支 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-408C骨骼肌、心肌、平滑肌结构比较模型   XM-408C骨骼肌、心肌、平滑肌结构比较模型显示骨骼肌、心肌、平滑肌结构比较。 尺寸：放大，50×30×4cm 材质：PVC材料

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。