高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
工业互联网产学研深度融合创新基地建设
工业互联网实现工业现场数据采集、监控管理、数据上云、进行云应用。硬件平台完成材料抓取、模具加工、包装检测、成品入库等工艺过程,模拟模具加工,为工业互联网云平台应用及工业APP开发提供真实数据支撑。
北京昊科世纪信息技术有限公司 2021-02-01
江苏少儿春互联教育科技有限公司
江苏少儿春互联教育科技有限公司成立于 2006年,是一家集教学产品研发、生产、销售、服务为一体,具有科技创新与市场竞争力的高新技术企业。公司坐落于淮安区施河镇教学具产业集聚区,占地面积8000多平方米是华东施河教具转型信息化互联网教育的第一家企业。先后在南京、郑州、武汉、西安等多省会城市成立分公司及办事处,为公司的长远发展奠定了厚实的基础。 投资9000余万元并聘请专业的软件开发团队、专业的书法家课程研发团队以及专业的服务团队共同开发了线上线下结合的中小学书法教育平台—少儿春书法网络云平台。 少儿春书法网络云平台是由局域网版软件、服务器、路由器组成学校版,平板电脑(学校版、学生端)、书法移动APP,在线书法学习网络云平台、学生临摹桌凳、一体机等共同组成,用以个性化学习,实现家校互动,新型教学方式。 少儿春书法网络云平台字体资源分布毛笔资源和硬笔资源;毛笔资源分为三部分:通用教材、碑帖教材、版别教材。通用教材也是书法校本教材,是围绕《中小学书法教育指导纲要》编写,1~2年级为硬笔,3~9年级毛笔;碑帖教材 (九成宫、玄秘塔碑、多宝塔、三门记、神策军碑、雁塔圣教序、兰亭序) 是按原碑帖创作的动画教学视频,配有著名书法老师创作的书写技法、练习方法语音解说,及笔画顺序的动画演示;毛笔版别教材:配套了小学3到6年级经教育部审定的全国11套书法教材,练字的资源与课程同步, 作为老师课堂的书法教学使用。硬笔资源分为三部分:通用教材、版别教材和硬笔强化教材。通用教材是1到2年级根据书法教学编写规律28个基本笔画编写;硬笔版别教材与小学一至六年级的语文课程同步,包含各个版别教材;强化教材是为加强小学各年级硬笔书法练习而精编的。 少儿春书法移动APP分为老师版和学生版,支持支持安卓系统和ios系统,与局域网、互联网云平台资源同步,支持作业发布、智能评价、书法赛事、家校联系等多项功能,学生回家、外出时均可用移动APP和电脑在线学习,适时与老师互动,学生PC端里面资源与局域网书法资源同步。 在互联网+教育的时代, 公司秉承“用户体验和服务”是企业的核心理念,通过完善的制度建设和流程化管理,在技术创新、产品设计、书法学习应用、书法教育实施等各方面相互协同、全面发展,为书法教育提供整体解决方案、定制化设计与技术服务,赢得了合作伙伴及教育行业的广泛信任与一致好评,让客户最好的满意是我们的服务宗旨。   上海视春科技有限公司 2015年,联合教育部教育照明技术研究中心托委上海复旦大学光学院成立"教学场景照 明环境硏究中心",致力改善学校光环境,保护学生视力健康。针对学校不健康、不科学、不 节能的现状,联合研发新一代LED学校照明产品,积极推进我国学校照明环境标准化建设。通过技术创新、产品创新、服务创新不断满足高质量教育需求,提出"全护眼智能照明"创新 理念。实现校园环境健康照明产品全覆盖,通过物联网、云计算、大数据技术构建-优视春-云 管理服务平台,实现了大智慧教肓背景下,对学校光环境进行健康环保、节能高效、智能数字 管理,提高了学校科学管理水平。目前,优视春"全护眼智能照明”在全国30余个省市,200个城市设有销售服务网点。为 点亮万千学校、健康亿万学生助力,为健康高质量教育服务。  
江苏少儿春互联教育科技有限公司 2021-01-15
四川众信互联科技有限公司
四川众信互联科技有限公司于2014年在成都高新区注册成立,2017年在天府(四川)联合股权交易中心挂牌,证券简称:众信互联,证券代码:810628,是集行业信息化产品研发、销售、实施、服务等于一体的国家高新技术企业、智慧创新综合平台服务商。 众信互联立足成都、面向全国、服务全国,以计算机信息技术基础、以自主研发为核心,将先进技术与业务认知进行深度融合,顺应政策导向,适配信创,致力于成为全国领先的智慧创新综合平台服务商。已获得多项专利和软件著作权。 众信互联业务以行业应用为核心,集自主研发的行业通用软件产品、大型网络应用软件组合平台、应用工具于一体,业务涵盖应用软件系统、支撑软件、系统集成等应用层次,具备大规模、工程化软件开发和实施实力,可为客户提供大型的行业应用解决方案。公司注重以自身研发的行业成用软件产品参考模型形成独特竞争力,积极开拓重要行业领域,密切追踪软件技术发展趋势,遵循国际标准的同时,紧密结合中国国情,适配信创,逐步将大数据、云计算、人工智能等前沿技术运用到行业应用软件开发过程中。经过多年发展,公司客户已涵盖政务、教育、交通、航空、通信等各行业。在高等教育等行业细分应用领域已形成自身优势;在政务、交通等领域作为市场参与者,具备丰富的大型项目实施经验。
四川众信互联科技有限公司 2024-11-15
可视智能试剂柜
  可视型智能试剂柜优势一智能、安全   1、嵌入式系统   嵌入式系统“试剂柜管理系统V2.0”,液晶显示,触摸屏操作,可监测柜内温湿度,空气质量等信息。   2、外接控制软件   双模式-可外接控制软件“试剂柜控制软件V2.0”,实现多柜连接管控,试剂出入库管理,查询试剂信息。   3、智能定位层板   产品需连接外接软件,通过射频技术精准定位到每层、每个孔位,主动识别试剂信息,无需扫码操作,多种孔位可选。   4、多柜并联、系统交互   嵌入式系统和控制软件可以通过WIFI功能进行远程交互、多柜并联,存储空间无限扩大,试剂信息统计更为便利、准确,导出、打印各式样报表,数据海量存储,长久保存。   5、空气过滤系统   内置活性炭空气过滤系统,有效解决化学品气味影响实验员身体健康的问题。可更换的过滤材料,大风量风扇、保证内部空气每分钟循环三次。   6、双人双锁   有效解决试剂的安全管理,符合《公安部第154号令》对于易制毒、易制爆危险化学品的管理要求。对于常规试剂也可方便的实现单人单锁控制。   可视型智能试剂柜优势二经济、方便   1、超大的存储容量   JPG-2000试剂柜的单柜存储容量达到了920L,并可多柜并联。   2、可调节层板   灵活存储,层高调节极为方便,每层可根据需求放置不同规格的试剂瓶。   3、RFID刷卡模块   通过刷卡及输入密码可方便的开关柜门,IC卡片具有多种样式供用户选择,在断电的情况下具有柜门自动锁止功能,可通过钥匙手动开关柜门。   4、全模具化设计   模具化设计降低了客户采购成本,并提高了产品一致性及制造精度,使工件的质量有所改善和提高,加强了标准结构互换性,现场组装方便快捷。   可视型智能试剂柜优势三灵活、扩展   1、智能摄像系统   无人值守,可实现24小时全天候视频监控,360°无死角,硬盘存储可达30天,并可无限扩充。   2、UPS电源   具有断电续航能力,符合相关部门对《易制爆危险化学品储存场所治安防范要求》,并可根据用户需求定制。
北京晶品赛思科技有限公司 2025-06-10
智能身心反馈放松椅
智能身心反馈放松椅 一、初始状态尺寸:沙发尺寸cm:高105 宽94 长103。 二、沙发整体组合材质:电动控制系统,靠背可进行100度-170意调节,腿部可进行90度-170度任意调节。 颜色:米白加果绿。净重:55KG。开合次数:5万次开合测试,无故障。 沙发组合材质:                                                                                                                                  1、高规格加粗木方做骨架2、加密字簧+进口牛皮筋+中软海棉+无纺布+坐架布3、坐垫使用高密度海绵,靠背、扶手内胆填充3A公仔棉4、晨光龙机械架 三、体感系统配置: 控制器一台:播放控制音量、振动大小调节,上下曲切换,播放模式等。 功率放大器一台:播放模式:TF卡、蓝牙、3.5MM音频输入;3.5MM音频输出至耳机,接收控制器输入信号,音频输出至喇叭,并提取音频中的10-150赫兹低频经放大输出至换能器。 低音频体感振动换能器6个:8欧10瓦;沙发内置。 四、RV反馈放松训练系统V2.0是一款基于心率变异性和新生物反馈技术的“双心”健康管理系统。它根据对人体心率变异性及其频域特征的分析来确定人的生理和心理状态,并通过调节人体自主神经系统内的和谐与平衡,达到增强心理调节能力、提高生理健康水平的目的。 该系统采用红外光电传感器获取心率变异信号,通过USB接口与电脑相连接。用户可在电脑上看到自主平衡前后其心率变化、输送比的变化,并可反复训练,以达到消除紧张、疲劳、焦虑和提升个人表现的目的。该系统结合了生物反馈的新成果和技巧,添加了丰富多彩的训练项目和放松引导来辅助训练,用户可以通过轻松有趣的互动体验过程来调节自己的身心协调状态。 五、硬件系统:(四核、8GB内存、128G固态硬盘、21.5寸液晶显示器) 六、移动台车:材质abs,尺寸:550mm*500mm*850mm
北京京师慧智科技有限公司 2025-05-22
人工智能实验箱
1、产品介绍 本平台融合了先进的多模态大模型智能体,并配备了一系列场景化实体组件,包括人工智能边缘计算平台(RK3588)、深度相机、二自由度云台、多轴机械臂、微型输送机、工业相机以及麦克风阵列等。这些设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。 平台内置了丰富的案例资源,包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov等热门模型,为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用,也为他们的创新项目提供了坚实的基础。通过这样的实训平台,学生能够在实践中深化理论知识,提升解决实际问题的能力。 1.一体式设计,要配套提供键盘、鼠标、电源适配器和实验教具,支持上电即用; 2.提供17寸以上屏幕,分辨率≥1920×1080; 3.安装面板需同时集成机械手臂、2D视觉系统、深度视觉系统、二自由度电动云台、语音模块、嵌入式传感器等组件.  
江苏学蠡信息科技有限公司 2025-07-15
可穿戴式移动互联飞机维修辅助工具
联网登录后台服务器,查询和浏览网页及数字维修资料;通过FTP客户端,从后台服务器下载文件及解压压缩文件至SD存储卡;拍摄现场图片、短视频并传回服务器供分析处理;实时加密通话,方便现场维修人员与专家团交流沟通;语音命令识别,解放操作人员双手等。 应用领域: 飞机维修,宇航员执行任务,大型机械远程维修,远程医疗,军事作战现场等。 特色及先进性: 轻便可穿戴,双目成像眼睛,语音识别解放双手,通话加密,强大的后台专家资源支持等。 解决的关键问题和实施后效果: 解放了远程维修人员的双手,使维修现场能够得到后台强大的专家资源支持,实施后可以大大节省维修时间,解决更多复杂的维修问题。 图1 双目可穿戴设备实物 图2 单目可穿戴设备实物
电子科技大学 2021-04-10
互联网文本内容主题概念漂移检测系统
成果描述:互联网文本内容主题 概念漂移检测系统, 通过分析数据集中的 所有文档数据的潜在 语义关系,提取出它 们之间的潜在语义主 题标示,通过评估参 数的方法,将生成的 主题时序关系用数据 的形式表示出来,并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象, 并提供给用户这一主 题转移过程。市场前景分析:点。基于这些特点, 流数据的处理和分析 面临巨大的挑战,是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题,当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题,即数据 中学习的概念(从属 性到类别的映射)是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测,对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析:能够将生成的主题时 序关系用数据的形式 表示出来,方便用户 查看; 可以动态调整评估参 数,以实现对不同数 据集的自适应性分析; 可以将评估参数值与 发生概念漂移的主题 中心相关联,主动探 测出主题发生变化的 过程。
电子科技大学 2021-04-10
CDMA2000移动互联网内容监管系统
本系统在设计中使用了先进的网络处理器技术,包括高性能的IXP2400处理器和高速千兆以太网接入能力,提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求,可以广泛应用于各种网络通信系统和网络安全领域,边缘路由器,千兆硬件防火墙和入侵检测系统,具有广阔的市场前景。
东南大学 2021-04-10
基于大数据的能源互联网能量管理系统
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。
清华大学 2021-04-11
首页 上一页 1 2 3 4 5 6
  • ...
  • 187 188 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1