|
搜索
搜 索
高等教育领域数字化综合服务平台
甲状旁腺模型
XM-531甲状旁腺模型
XM-531甲状旁腺模型显示甲状旁腺结构和形态。
尺寸：自然大，17×12×4cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
甲状腺模型
XM-530甲状腺模型
XM-530甲状腺模型显示甲状腺的结构和形态。
尺寸：自然大，17×12×6.5cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
纵隔模型
XM-529纵隔模型（5部件）
XM-529纵隔模型可拆分为胸骨、胸腺、纵隔、心脏等5部件，左面看显示心包、主动脉弓、胸主动脉、胸导管等；右面观显示心包、食道、上下腔静脉、奇静脉等；纵膈两侧均有胸腺、支气管、肺动静脉、膈神经、迷走神经、胸廓内动静脉等。胸廓后壁示肋间动静脉、肋间神经、交感神经干等。
尺寸：放大，38×30×28cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
纵隔模型
XM-528纵隔模型（3部件）
XM-528纵隔模型可拆分为胸骨、胸腺、纵隔3部件，左面看显示心包、主动脉弓、胸主动脉、胸导管等；右面观显示心包、食道、上下腔静脉、奇静脉等；纵膈两侧均有胸腺、支气管、肺动静脉、膈神经、迷走神经、胸廓内动静脉等；胸廓后壁示肋间动静脉、肋间神经、交感神经干等。
尺寸：放大，31×27×22cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
肝脏模型
XM-503D肝脏模型
XM-503D肝脏模型显示肝的外形、肝的分叶、肝的韧带、肝门结构和胆囊、胆管系统等结构，共有8个部位数字指示标志及对应文字说明。
尺寸：自然大，9×14×20cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法
本发明公开了一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法，控制系统包括基于RBF神经网络模型的预测控制器、控制量初始化模块以及被控对象，被控对象为双进双出球磨机模型，其输出连续被控量经离散化后生成的离散被控量和被控量当前设定值输入控制量初始化模块和预测控制器，控制量初始化模块输出控制量初始值输入给预测控制器，预测控制器输出离散控制向量经零阶保持器转换为连续控制量输出给双进双出球磨机模型。控制方法采用RBF神经网络正向模型和RBF神经网络逆向模型实现对被控对象的预测控制。本发明可以对系统进行提前控制和调节，适用于大滞后系统的控制，被控量响应快、超调量小，同时具有良好的鲁棒性。
东南大学
2021-04-11
基于时空多尺度联合学习模型的能源需求预测技术
本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。
南开大学
2021-02-01
基于模式识别的软件缺陷定性/定量预测模型构建技术
软件所含缺陷的风险或数目是合理安排软件测试资源，提高软件测试效率，衡量软件设计及开发质量的关键信息，应用模式识别技术对软件所含缺陷进行有效预测将对我国航空工业软件测试工作从被动测试到主动测试的转变起到积极的作用。对软件所含缺陷进行风险或定量预测，其根本技术在于利用以往软件缺陷数据，构建软件内在信息和软件缺陷信息之间的映射关系函数。 软件缺陷数据具有如下特点：软件度量信息冗余；软件缺陷数据分布及其不平衡；软件缺陷数据易含有不准确数据（如不准确的缺陷量）对于模型构建来说就是噪声数据；软件缺陷数据维度高，复杂度高等。该技术的广泛使用，将对我国航空工业中的软件测试工作，从传统的被动测试向主动测试，合理安排有限的测试资源，提高测试效率，从而提高软件质量起到重要作用。
北京航空航天大学
2021-04-13
体育赛场、危险化学品事故预警模型及应急预案编制技术
人群拥挤踩踏事故风险理论研究对于大型建筑性能化设计，人群疏散及管理等有重要应用意义。目前该研究处于起步阶段，仅仅停留在现象表面。故本课题组通过对人群拥挤踩踏事故风险特征分析提出人群拥挤踩踏事故风险理论并建立相关模型，并以此为基础建立了拥挤事故的预警模型，并提出了相应的应急预案编制技术，从而为大型体育赛场的事故的预警及其应急提供理论支持。 随着我国化学工业企业的规模和数量的快速增加，大部分化工企业都与有毒有害、易燃易爆的危险化学品打交道。做好危化品的管理，防患于未然固然是企业的大事。但
南开大学
2021-04-14
基于时空多尺度联合学习模型的能源需求预测技术
本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。
项目特色：
面向综合能源时空数据的需求分析和预测可以根据历史数据，结合地理区域的相互关系来预测给定时间范围和空间位置的能源需求。
针对综合能源的特性，项目提出了联合学习和迁移学习的思想对模型进行训练。同时优化不同区域中多种类型能源的联合预测模型，将已有模型的结果迁移到训练集数据不足的模型中，提高能源用量预测的准确率。
面向智慧城市的综合能源信息应用服务场景，并利用 GIS 技术实现配电网分析和用户用电特性分析的可视化。
南开大学
2021-04-13