本发明公开了一种超长工作面无线电波透视 CT 测试方法，利用工作面巷道条件，构建无线电波透视 CT 测试系统，进行面内构造探查，对在巷道中揭露及隐伏的断层、薄煤区、陷落柱等地质异常进行探查与解释，为工作面安全高效回采提供技术参数。

手持终端集激光教鞭、无线话筒、PPT翻页于一身； 新一代2.4G技术，O-QPSK调制方式，超强抗WIFI干扰； 绿色安全节能，超低辐射，超低功耗； 智能化设计，即插即用，随开随用； 接收机整合在有源音箱内，接上电源就可使用，简便，节约。 发射端内置咪头，可手持使用，也可配头戴使用。  服务教育行业，紧跟电教发展新潮流 保护教师金嗓子，彻底告别讲课拼嗓门的日子 解放三尺讲台束缚，倡导移动教学新理念 出彩教学 多彩选择 技术参数  接收机： 频率范围：2.4~2.483MHz 频率响应：50Hz~12KHz 调制方式：O-QPSK，BT=0.5Gaussian 连接方式：ID对码，自动连接锁定 接收方式：双向2.4G短波跳频 灵敏度：-82dBm(1%BER) 信噪比：≥110dB 谐波失真：≤0.5% 输出功率：2x20W 最大消耗功率：≥100W 电源：AC 220V~50Hz   发射机: 频率范围：2.4~2.483MHz 频率n向应：50Hz~12KHz 调制方式：O-QPSK，BT=0.5Gaussian 发射功率：2.5mW 链接方式：ID对码，自动连接锁定 传输方式：双向2.4G短波跳频 连接时间：20小时 供电方式：3.7V聚合物锂电池 电池容量：1200mAH 电池充电时间：大约4小时 工作范围：≥50米 温度范围：-30~50℃ 重量：70g 尺寸：108mmx33mmx21mm

产品详细介绍产品优点：1.四个频道信号互不干扰；2.天线灵活，可拆卸，可360°旋转以追求最佳音质；3.高频VHF可提供纯净的音质；4.在没有障碍物的情况下，麦克风有效使用距离高达60m；5.可实时监控；6.音量大小可调节；7.采用5号碱性电池供电；8.包含配置：一个可挂在腰间的发射器，一个与相机连接的接收器和一个全指向型领夹式麦克风。

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。

第二类超导体中量子化磁通的运动行为对超导材料和器件的电磁输运性质起着关键作用。人为调控超导磁通量子的运动行为，不但可以有效提高超导体的临界电流密度，还可实现具有新功能的超导电子器件，如超导磁通整流器、磁通二极管等。以往的磁通量子调控手段往往缺乏原位可调性，极大限制了相应超导电子器件的应用。近日，南京大学吴培亨院士领导的超导电子学研究所王永磊教授和王华兵教授研究团队设计出了一种可调控的新型人工自旋冰与超导异质结构器件，不但实现了超导电性的原位开关，还实现了可开关和可反转的磁通霍尔效应。 人工自旋冰是具有集体相互作用的纳米小磁体阵列，其特殊的几何排列使得系统具有很高的简并度、新奇的低能激发态（如磁单极子）、丰富的相变和磁畴。近年来该团队致力于人工自旋冰和超导纳米结构器件等方面的研究，不但设计出了可擦写的人工自旋冰，并且于国际上首次设计和制备出了人工自旋冰与超导的异质结构器件，实现了可调控的超导磁通阻挫效应和磁通整流效应。近日该团队又设计出了一种基于风车型人工自旋冰与超导的异质结构器件，利用风车型人工自旋冰易于调控的链条状磁荷结构，以及磁荷与超导磁通量子间的强耦合作用，实现了对超导磁通运动的原位操控，展示了超导零电阻态与耗散态之间的原位开关，同时实现了可编程的磁通霍尔效应。