科利尔（青岛）环境技术有限公司是一家以环保设备（污水处理设备、废气处理设备、危险废物处置设备以及高校实验教学装置）的设计、制造、安装、调试、运营以及提供环境技术咨询服务为核心业务的高新技术环保企业。公司本着“理论结合实际，不断创新技术”的宗旨，确立了“实用、环保、高效、节能”的产品定位，秉承“诚信、互惠、求实、创新、发展”的理念和“重德、利他”的价值观，不断引进新观念和新技术，开发新设备，依靠公司高素质人才为客户和社会提供优质的产品和服务。

公司介绍 上海慧洲信息技术有限公司（简称“慧洲科技”）成立于2014年，注册资金2000万元。公司总部位于上海浦东张江高科技园区，在北京、成都、苏州、新疆等地设有分支机构，能够更好地为客户提供本地化服务。   慧洲科技是一家致力于计算机软件产品研发、项目开发与实施、信息化咨询与服务的科技企业、双软认证企业，是上海市“专精特新”中小企业。公司已先后通过国家高新技术企业、ISO 9001质量管理体系、ISO 27001安全管理体系、CMMI 3等专业认证，并拥有40多项计算机软件著作权证书。   慧洲科技始终以用户需求为导向，为用户提供最新的软件产品和专业服务。经过多年积累，目前公司已开发一系列具有自主知识产权的产品。依托人工智能、大数据、机器学习等核心技术，自主研发精心打造了一系列特色产品，包括智能内容审核校对、全媒体内容管理、网站和新媒体内容检查、网媒舆情监测分析、课件内容审核、合同校对等，为政府、高校、金融、大型国有企事业单位等不同行业客户提供全产业链的产品和创新服务，助力1000+客户提升信息化能力。   主要客户： 教育和科研院所 北京理工大学，宁夏大学，长治医学院，天津城建大学，山西大学，苏州城市学院，南京城市职业学院，北京生物结构前沿研究中心，北京未来芯片技术高精尖创新中心，浦东新区党校，苏州市教育局。   政府机构 新疆维吾尔自治区政府，云南省政府，上海市浦东新区政府，上海市奉贤区政府，南通市政府，钦州市政府，内江市政府，葫芦岛市政府，池州市政府，淮北市政府，百色市政府，钦州市政府，贺州市政府及平桂区、八步区、昭平县、富川县政府，南京市六合区政府，深圳市光明区政府，南山区政府，苏州工业园区管委会，苏州市吴中区政府，太仓市政府，辉南县政府，上海海关，南京海关，四川省交通厅，云南省水利厅，广西税务局，河南省税务局，广西体育局，十堰市郧阳区网信办，仙桃市网信办。   金融和国有企业 中证数据，江西银行，南京银行，中宏人寿，建信人寿，交银康联人寿，东吴人寿，长生人寿，小康人寿，中国中铁，中检集团，中交二航局，同方威视，北京长城伟业公司，新华联合发行有限公司、中科弧光量子等。   慧洲科技以优异的软件产品和服务能力，有力地提升了客户的信息化建设水平，赢得了客户广泛赞誉。      

青岛安创达安全技术有限公司由中国石油大学（华东）安全工程专业教师和研究生骨干创立的社会化安全技术专业服务和研究应用科技企业。开发出国内首套多人协同火灾、爆炸后果嵌入VR模拟超级平台系统，首套“实验室VR安全告知和培训箱”等兼备技术和科研应用产品。结合安全工程高校人才优势和企业社会化服务灵活性优势，已经为10余家大型企业，20余所高校开展以VR和安全工程技术结合的安全培训、应急模拟和研究分析产品。

北京触点互动信息技术有限公司成立于2016年，前身北京触点互动科技有限公司，是一家专注研发国产化高性能网络仿真测试产品的创新型企业。其自主研发的产品包括XproNetworkSimulator高性能网络仿真测试工具，XproReplay 5G核心网仿真测试工具，XproUESimulator 移动终端仿真测试工具，XproVideo视频质量测试工具等。XproReplay 5G核心网仿真测试工具可以实现业界最高的性能仿真能力，能在单台服务器上模拟超过200万手机用户的并发访问和超过200Gbps的手机并发访问流量。XproUESimulator 移动终端仿真测试工具，可以基于X86架构实现仿真数百个并发手机终端通过空口访问5G网络，与之前传统的硬件仪表方案相比，极大地提升了5G接入网测试的效率和易用性。XproNetworkSimulator高性能网络仿真测试工具，可以仿真常见互联网应用协议和攻击行为，其攻击库目前已经支持近万条攻击行为的仿真，包括常见CVE漏洞利用的攻击，高危事件的仿真，病毒传播的仿真，DDOS攻击的仿真等。目前触点互动XproNetworkSimulator高性能网络仿真测试工具被广泛应用于安全设备商的设备研发测试，网络靶场的流量和攻击仿真，护网行动的攻击演练等场景。 在如今的数字化时代，触点互动立志帮助各行业用户更好、更快、更全面、更低成本地去完成产品的开发与测试，以及设备的选型测试，给客户带来实际的价值，向世界领先的网络通信领域测试工具提供商目标迈进，愿为我国在测试工具行业早日实现国产化替代目标贡献力量。

简单介绍： MRI技术仿真虚拟实验系统应用主流的MR设备和操作系统界面可完成理论知识、模拟视频、模拟仿真操作、人机考试模拟仿真整个MR系统的工作流程，MRI技术仿真虚拟实验系统对学生的规范化实训与教学工作。MRI技术仿真虚拟实验系统模拟MR教学系统设备按照医院MR室布局标准建设。 详情介绍： 建议电脑配置：操作系统  Windows 7  64位    处理器：  英特尔 Core i5-7400 @ 2.00GHz 双核 以上 内存：      8 GB 以上 主硬盘： 硬盘500G以上或固态硬盘（128G）以上 显卡：   Nvidia GeForce GT 730 ( 2 GB )以上 显示器： 19寸 1366x768 正好 MR硬件教学系统技术参数 一、应用主流的MR设备和操作系统界面可完成理论知识、模拟视频、模拟仿真操作、人机考试模拟仿真整个MR系统的工作流程，对学生的规范化实训与教学工作。模拟MR教学系统设备按照医院MR室布局标准建设。 二、MR硬件主要组成 1 扫描床 2 主磁体机架 3主机控制软件工作站 4 遥控控制台 三、设备功能参数 1. 扫描床 1.1床面尺寸≥667mmx2600mm 1.2水平运动范围 ≥  2350mm 1.3垂直运动范围≥366mm 1.4床面*离地面满足*小≤*小580mm ，*大946mm 1.5扫描床承载重量 ≥  250kg 1.6按照扫描模式可以自动进入主磁体中心。 1.7提供床垫、头颅线圈、颈部线圈、体部线圈、乳腺线圈、肩关节线圈、膝关节线圈等扫描附件。：乳腺线圈和肩关节线圈为选配 2.主磁体扫描架 2.1机架尺寸≥1700x1700x1500mm：1730mm×2080mm×2410mm 2.2机架孔径≥710mm 2.3配备定位激光灯，X/Y/Z三方向 2.4机架外形款式必须与目前合资品牌1.5T磁共振机机外形一致，对磁共振机机架外形 采购方有决定权。 2.5机架两侧分别各带一块控制面板，具备控制床面升降、前后运动，控制激光定位系统、“急停”，磁体中心锁定按钮，自动进入主磁体中心键；机架顶侧具有液晶显示屏，可显示各项机械运动参数 3.MR主机控制软件 3.1具备系统基础知识、仿真扫描视频、仿真操作系统、特殊检查与图像处理、人机考试 3.2病人信息登记，病人协议选择，病人体位选择，成像参数选择，扫描定时选择 3.3具备病人管理功能，支持病人信息登记，预选，设定扫描部位，扫描参数设置，扫描方式设定功能。 3.4具备定位像显示、操作、处理及定位参数设置功能，能实现利用定位激光灯实现各个部位的定位功能。 3.5定位像扫描界面显示三幅定位框，分别对应横断位 冠状位  矢状位 图像，每个定位框内可显示定位线，可以调节定位线的区域 角度。 3.6具备体位设置功能，能实现调整功能。 3.7具备图像显示，图像浏览，图像处理功能。 3.8扫描包含头颅、胸部、腹部、脊柱、四肢关节等至少15个扫描部位选取功能，各种参数随着需求选择确定进行扫描。每一个扫描部位中 包含常规扫描方位序列(SE序列 FSE序列IR序列 STIR序列 FLAIR序列 GRE 序列等) 、特殊扫描方位与序列（如DWI扫描 SWI 扫描）  快速扫描序列、增强扫描 序列  、MRA扫描 序列，腹部扫描方案里应含有 MRU MRCP扫描序列 方案，同时显示不同扫描参数出现不同图像，可以用特殊方法显示特殊扫描图像。参数改变图像随着改变。 3.9执行扫描，系统会象真实MR 机器一样在图像显示区实现扫描图像一幅紧接一幅动态显现的整个过程，同时扫描模拟进度条一直前行直到图像扫描完成，扫描出的图像必须与扫描方位序列一致。比如  颅脑横断T2WI 扫描序列完成后，图像显示T2WI,横断DWI序列扫描后的图像是DWI 图像。增强扫描 显示增强MR图像。每一个扫描过程操作、显示增强剂量、速度、时间、辐射剂量显示、排版各种方案、单、多幅、图像定位线显示、拍片、综合性图像处理（DR、CT、MR）教学、训练、练习

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。