本发明公开了一株耐热红法夫酵母及其利用秸秆水解液生产虾青素的方法，所述菌株分类命名为红法夫酵母GF6 Xanthophyllomyces dendrorhous GF6，保藏编号为CCTCC NO:M 2025649；将该菌株接种到发酵培养基中，以秸秆水解液为碳源，在28~30℃下高效生产虾青素；本发明利用农业废弃物秸秆水解液作为廉价的粗原料代替了全部碳源来生产虾青素，提升了发酵温度，降低生产成本，并且对环境友好。

产品详细介绍●实训仿真软件特点： 1、仿真软件提供车床、立式铣床、卧式加工中心和立式加工中心，以及机床厂家的多种常用面板；控制系统有FANuc 0，FANuc 0I，FANuc Powermate 0，FANuc 0IMate，     Siemens 81 OD，Siemens 802S／c，fA8000，FANuc 18I系统，三菱、大森、华兴、凯思帝、华中数控，广州数控、大连机床厂ckA61 36i、沈阳车床厂CAK6136V、济南第     一机床厂J1CVMC40M、LEAdWWELLV20、汉川机床厂xH71 5D等主流系统所有功能。而且所有的系统都有工艺参数功能。不同软件功能在计算机上可随意切换操作。 2、刀具库含数百种不同材料和形状的车刀、铣刀。支持用户自定义刀具以及相关特征参数。 3、仿真机床操作的整个过程：毛坯定义、工件装夹、压板安装、基准对刀及安装刀具、机床手动操作等仿真及加工运行全环境仿真。 4、仿真数控程序的自动运行和MDl运行模式；三维工件的实时切削，刀具轨迹的三维显示；提供刀具补偿、坐标系设置等系统参数的设定。 5、三维高精度测量功能 6、全面的碰撞检测 7、能够通过DNc导入各种CAD／CAM软件生成的数控程序。也可以导入手工编制的文本格式数控程序。还能够直接通过面板手工编程、输入、输出数控程序。 8、以标准的X86兼容构架为硬件平台，以DOS或WINODWS系列操作系统为软件平台，具有丰富的软件基础和充分的升级潜力。操作简单，工作可靠，性能优良。在不同的操作现场。可灵活配置系统构成。以满足用户对性能、成本、安全方式、使用环境等多方面的综合要求。 g、配置标准的DB15-VGA显示接口，可配接彩色CRT显示器或液晶显示器，提供清晰完整的系统监控界面，使用户及时准确地掌握系统运行状况。 10、全中文菜单式控制界面，适合中国国一情。可以减少培训难度，缩短人员培训时间，降低培训成本。 11、本软件系统采用了新颖的“即时参与”技术，内建中文在线手册。在使用中遇到的问题可在屏幕上查阅参考手册，提高工作效率。 1 2、多功能实验室以模拟仿真软件与数控车容为一体，在计算机上可随意切换操作，并连接发送到车床，随意选一进行实际操作。 13、多媒体数控网络机电一体化实验室设备采用多机联网。具有统一编程、统一训练、统一考试功能。 14、考试系统为编程操作技能题型。全班统一考试。电脑自动评分。 1 5、教师把数控程序和其它文件资料可发送给教室里的所有学生，还可以发送到指定的学生机上，学生也可以把文件和资料发送到教师机上，使教师方便了解学生的一情况。 16、具有图形跟踪能力的窗口编程功能。可使用户在编程的同时观察到程序路径。在程序编制结束后还可以使用“快速图形仿真”功能验证刀具运行轨迹。 17、以人机对话方式进行编辑。编程各式符合国标。 1 8、本软件保留了JD-6140两用型数控车床与JD-240两用型数控铣床的全部功能和操作界面。 ●多媒体特点： 教师机：广播教学、语音教学、语音对讲、学生演示、监控转播、文件分发、电子教鞭、班级模型、系统设置、远程命令、远程设置、远程消息、分组教学、语音讨论、文件收集、 查看学生属性。 学生机：电子举手、远程消息、窗口接收广播、可选窗口显示模式。

项目简介： 水安全是一个国家社会与经济发展的基本保障。水资源的管理和 使用需要精确和及时的监测。现有的水质检测技术需要不断提高其便 携性、降低成本、提高测量灵敏度，用来实现野外的实时水质监测。 本项目以 pH、pO2、温度等水质参数为出发点，通过小型化相关 传感器和检测设备，研发出可用于多参数水质检测的手持式设备。 项目特色： 用于水质多参数检测的手持式设备包括多个传感器、传感器信号 采集电路、低功耗蓝牙（BLE）和窄带物联网（NB-IoT）等通讯电路 以及多传感器融合算法等软硬件模块。 一般商用的 pH、pO2、温度等水质测量设备，需要使用市电供电， 只能在室内使用或者工作环境必须有市电的接入口。使得水质测量范 围受限。并且多数水质检测设备体积较大，难以携带。少数可手持的 设备，成本高昂，功能单一，难以适应室外多参数水质检测的需求。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本实用新型涉及一种带有智能家居系统的拼接式楼房。本实用新型由拼接式楼房组件以及智能家居控制系统组成，所述拼接式楼房组建由设置于房间框架内的基层以及设置于基层上的装饰层和隔板组成，所述智能家居系统由服务器终端、安防系统、环境调控系统、网络系统以及远程终端。本实用新型在建筑开发商提供的最基础的框架基础上，购房者可将内部结构灵活改变，由用户定制。实施上按照功能可以由其他专业供应商构造（整体厨房、浴室已经有专业分工，不需使用水泥来固定瓷砖，更换时简单无损耗，使得变换房屋构型变成了更加容易）。本实用新型将多种市场通用产品集成，适合于家居的智能化，可构建性价比较高的智能家居控制系统，远程控制方式灵活多样，用户可通过智能手机和PC机对家居随时进行监控。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

基于无线网络的AGV全智能物流系统是通过AGV的组网、物流管理及多信息的融合来达 到行驶路线易于更改、多AGV多路线进行协作的功能，较之以往的物流系统是通过相应的传 感器识别标志物，从而获知行驶的路线，更加自动化与智能化。本系统主要运用的技术有多信 息融合技术、视觉导引技术、无线通讯技术、最短路径规划技术等。 该系统具有的创新性如下： (1) 多信息融合：将非接触式IC卡应用于AGV系统，可以提供必要的导航信息，对视觉信 息的不足进行补充。其作为一种可读写的数字化传感器，可以对小车前方的轨迹进行预报，增 强小车运动的智能性； (2) 预测学习导航模型：本项目中视觉导航所采用的是根据AGV的位置及摄像机视野建立 预测模型，在行驶的情况下以模糊控制的方法来对AGV的运行状态进行控制，并在运行过程 中不断学习，不断地修正模型中的参数，使其更精确地导航。 (3) 多路况的智能识别：可以对特定的路况进行识别，包括弯道，十字，分叉等；可以支 持虚线和实线两种识别方式。 (4) 物流管理调度：上位服务器可以实时地对AGV进行监视和控制，如果AGVS根据某种 需要，要求改变进度表，则可以很方便地重新安排小车路线。 (5) 网络无缝连接优化：本项目中基于传统的无缝链接技术之上，提出一种优化模型可以 改善AGV在网络间隔区域的通信问题。 基于无线网络的AGV全智能物流系统中的AGV额定负载能力为3~4000kg、最大速度：直 线36m/min，转弯25m/min、工作速度：直线30m/min，转弯20m/min、其自动导航精度达到 ±10mm，停车精度达到±5mm。因此本物流系统能够很好的满足日常仓储物流、流水线物料 搬运的要求，且精确性与实用性更高。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：