产品详细介绍 智慧盘点管理系统由平板电和手特式盘点仪设各组成，具有图书盐点、架位查找、图书上架，统计查询等功能，管理员可通过手持式盘点仪对层果标签和图书标签进行扫描，配合相应软件完成馆资料的盘点、上架，查询，，统计等工作。 功能 特征： 1）系统能与图书馆的图书管理系统无缝连接，协调工作。 2）可以非接触式地快速识别粘贴在流通资料上的RFID标签和层标、架标。 3）支持图书盘点、上架、下架、查询、巡拣等功能。

产品详细介绍习友智慧课堂产品详细介绍核心价值以课堂教学为核心，联通课前备课与预习，收集课中教学真实数据；展现更多的资源内容，结合多种深度互动模式，让课堂教学丰富多彩；应用功能可进行多种组合，支持翻转课堂、微课堂、互动课堂等教学模式；进行互动教学过程中同时自动生成丰富的微课资源及一师一优课内容；有效利用校校通网络资源，同时大幅度提升原有使用率不高的班班通设备，让原有投资产生新的价值。技术优势可整体移动的教学环境，部署简单，不受教室条件所限；独立的网络环境，大班教学也能完全胜任；互动数据传输高速稳定，不掉线，不丢包；支持多种下发及广播方式，全面的深度互动；多种题型的测验方式，即时呈现精准分析结果；同步采集真实全面的教学轨迹数据；教师原声录屏课堂回顾记录；直观便捷的人机交互界面，追求使用的“实用、适用、易用”。第4代新产品亮点新增移动端备授课APP，将教学的所有环节搬进手机；同步分类、海量资源查找更便捷，云端自动转码支持多类型课件资源；学生终端全面升级，强力管控，绿色学习净化课堂秩序；开放智慧课堂应用与第三方应用的结合，打开更多可能；教室内网建设组件优化升级，课中教学更流畅、更稳定；增加非课堂教学数据采集，数据采集来源覆盖教学全环节。

产品详细介绍 智慧学习的构建意义        在信息化时代下，充分运用云计算、大数据、移动通信技术，以增强、丰富和加速学习过程，借助于开放教育资源、智能化的“互联网+”个性化学习模式。在任何时间、任何地点实现互联互通，智慧学习环境的构建使学习者的行为改变能力得以增强的较为灵活的学习，让学习者通过自我导向、以人为本的学习方式，并利用智能设备和社会网络，让学习者发展自我启动的创造性学习能力的学习途径。

产品详细介绍专注教育设备，打造传奇品质优诺迪智慧书法教室是新一代的数字化书法教学装备，优诺迪智能科技结合多年的教育装备从业经验，开发出了更加优化的书法数字化教学系统，配以全面升级的高品质数字式临摹台，让老师更容易教，学生更容易学。学习好书法，就选优诺迪智慧书法教室全国招商热线: 18092685097(微信同号) 景女士优诺迪智慧书法教室产品介绍（一）交互式数字临摹桌1. 支持海量云端书法教学资源下载2.临摹屏特有防蓝光护眼功能3. 临摹屏防水、耐磨、抗压功能4. 临摹屏特有高亮、高清、全视角功能5. 支持软笔（毛笔）、硬笔数字化碑帖临摹6.支持电动清洗毛笔（二）交互式动态临摹练习系1. 教育部审定11套书法教材同步配套，实现书法教学和书法临摹练习整体化解决方案。2.基于云端书法资源库，联网下载书法教学资源，进行课程同步临摹练习。3. 支持临摹模板设置功能，具有4种预设模板和自定义模板。动态设置字格大小、样式和字的体例格式。4.临摹例字具有描红、双钩、单钩、轮廓和对临五种体例方式。5. 临摹例字具有动画模拟演示，可实现动态临摹练习（书法卡拉OK）功能。6. 具有书法空间模块。包含“书法知识”、“书家典故”功能，培养书法学习兴趣，增进书法知识和书写技能。

产品详细介绍专注教育设备，打造传奇品质优诺迪智慧书法教室是新一代的数字化书法教学装备，优诺迪智能科技结合多年的教育装备从业经验，开发出了更加优化的书法数字化教学系统，配以全面升级的高品质数字式临摹台，让老师更容易教，学生更容易学。学习好书法，就选优诺迪智慧书法教室全国招商热线: 18092685097(微信同号) 景女士优诺迪智慧书法教室产品介绍（一）交互式数字临摹桌1. 支持海量云端书法教学资源下载2.临摹屏特有防蓝光护眼功能3. 临摹屏防水、耐磨、抗压功能4. 临摹屏特有高亮、高清、全视角功能5. 支持软笔（毛笔）、硬笔数字化碑帖临摹6.支持电动清洗毛笔（二）交互式动态临摹练习系1. 教育部审定11套书法教材同步配套，实现书法教学和书法临摹练习整体化解决方案。2.基于云端书法资源库，联网下载书法教学资源，进行课程同步临摹练习。3. 支持临摹模板设置功能，具有4种预设模板和自定义模板。动态设置字格大小、样式和字的体例格式。4.临摹例字具有描红、双钩、单钩、轮廓和对临五种体例方式5. 临摹例字具有动画模拟演示，可实现动态临摹练习（书法卡拉OK）功能。6. 具有书法空间模块。包含“书法知识”、“书家典故”功能，培养书法学习兴趣，增进书法知识和书写技能。

产品详细介绍 赛名师智慧课堂引入云计算、物联网、人脸识别、行为分析等新一代信息技术，打造“智能硬件+多功能软件平台+海量数字资源”的一体化智慧教育环境。拥有互动式教学平台及海量课程资源，可进行多元化智慧管理与评价，并实现智能化沉浸式教学环境，助力学校快速提升教学效果，积累教学资源，实现智能化高效教学管理。 VR教学，海量资源素材 海量课程资源及素材可供选择，提供高效课件编辑工具、资料存取工具，实现高效备课，优质名师模板可供参考提升。授课时可运用VR虚拟仿真资源，配合裸眼3D屏、电子白板屏和录播直播屏“三屏”联动，形象立体，大幅提升学生积极性和教学效果。学生手机端随时回看课程资源，实现碎片化学习，错题整理，推送个性化学习资源。 AI赋能，教学管理方便精准 人脸识别智能考勤，准确省时，课堂行为自动分析生成报表，轻松掌握学生上课状态；线上可发送预习任务和作业，在线互动答疑，获得学情反馈，随堂检测实时输出结果；白板板书智能手写、擦除、缩放、多人书写，一键调用图形工具，板书可分屏显示、截屏保存，拥有视频缩放和标记功能；课程时间地点自动推送至教师手机端，在线听课、评课、巡课，无需亲临现场即可全盘掌握课程情况。 快速录课，远程联动教学 一键开启随堂录课，微课、课程轻松录制，快速积累校本资源；开启远程互动教学，教师可对应多个教室展开教学，可引入外部学校或企业师资开展教学。 赛名师智慧课堂应用价值 资源丰富，高效备课：课程针对职校、高校、K12等各级学校需求开发，涵盖120多个专业、900余门课程的海量资源及素材，快速整合生成课件，发布预习任务，获得学情反馈。 录课直播，轻松形象：人脸识别考勤，一键随堂录课，智能手写、擦除、缩放，快速切换板书课件，讲课更轻松；自带绘图工具，视频缩放细节标记，VR技术加持，课程形象直观。 在线答疑，提升教学：线上作业收发及答疑，回看课程，教学效果数据化，方便教学反思。 VR仿真，形象生动：引入VR虚拟仿真资源，360度全方位解析，可运用裸眼3D屏实现三屏联动，课程更有趣形象，教学效果大幅提升。 碎片学习，高效提升：手机端随时回看课程，实现碎片化学习，错题整理，推送个性化学习资源。 一键录课，积累资源：教师一键开启随堂录课，无须多余操作，快速积累校本课程资源。 远程联动，解除困扰：远程互动教学，教师可一人对应多个教室教学，解决师资不足难题，可开展班班、校校、校企联动教学，校企合作更加高效。 听课巡课，在线完成：在线听课、评课，无需亲临现场，不干扰正常教学秩序和老师发挥；在线巡课，无需下到教室，即可全盘掌握课程情况。

本发明公开了一种炼铁生产过程伴生能源的整体梯级回收系统,包括:包含燃气轮机的高炉煤气燃机发电系统和包含双压余热锅炉的余热回收发电系统;还包括烧结烟气回收系统和冷却热废气回收系统。所述的烧结烟气回收系统将来自烧结机的烧结烟气经除尘器除尘后,在第一引风机的抽吸作用下送入双压余热锅炉;所述的冷却热废气回收系统将冷却热烧结矿后产生的热废气在第二引风机的抽吸作用下也送入双压余热锅炉。本发明系统将烧结工艺显热和炼铁过程伴生的低热值高炉煤气进行整体回收,并且梯级利用,形成完整的、能稳定运行的中低温余热、低热值高炉煤气高效综合利用系统。

本发明公开了一种能源回收自清洁的垃圾输送系统，包括：用于输送垃圾桶升降循环的升降机构，所述升降机构具有环形输送件，环形输送件上间隔布置有多个连接座，每个连接座上转接有所述的垃圾桶；安装在所述升降输送机构两侧并用于保持垃圾桶升降运动姿态的限位轨道，靠近所述升降机构的底部设有无限位轨道作用的垃圾倾倒位；置于各楼层并用于控制垃圾桶在垃圾投放口停止的即停机构；位于所述升降机构下方的垃圾储存箱，用于储存各垃圾桶翻转倒出的垃圾。本发明适用于高层建筑各楼层垃圾的升降输送；节省电梯运输垃圾的功耗，节能减排；减少垃圾处理的人力消耗，降低管理成本。

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。

高校科技成果尽在科转云