多模态医学影像信息处理与分析，具有重大的应用背景，是国家和社会当 前高度重视的研究领域之一。 本项目拟基于机器学习方法，主要研究医学影像的特征描述、设备无关性 的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、 参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为： （1）建立统一的特征描述模型，实现跨模态医学影像的统一特征描述； （2）提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无 关性问题的通用框架； （3）在医学影像标注数据有限、数据库为海量等条件下，实现高效率单模 50 态影像检索，有效提高多模态、跨模态医学影像检索的精度，实现用户友好的 检索结果展示； （4）从结构复杂的多模态医学影像数据中，挖掘有用的知识，构建有效的 辅助诊断模型、实现个人疾病风险预警； （5）完成首期参考库建设与算法辅助研发平台的开发，为项目研究内容的 开展提供有效数据和环境支撑。本项目获得国家自然科学基金重点项目资助，项目执行期 2013.1-2017.12。

超星客户端是为期刊编辑部提供的可用于学术资源“域出版”的唯一移动出版平台，也是为移动终端用户提供的集阅读、科研、学习、交流、管理等用途为一体的现代化综合移动服务终端，包括文献、图片、音频、视频、论坛和授课等多媒体互动功能。

爱学习，为全国教育机构提供高品质教学产品及办学解决方案。平台围绕“开放连接，成人达己”的战略路线，整合“教研、教学、服务、营销、管理”五大版块，业务涵盖七大学科产品及备授课系统、直播教学、师资培训、学员测评、营销招生、办学咨询等多个领域，截至目前，爱学习全国合作伙伴超过8000家，业务覆盖全国30个省份1600个县市，服务学员总量超过1200万，年均超过500名学员走进清华北大，并在成都、杭州、深圳、西安等9个城市建立教研和营销服务中心，更好地构建教育赋能新生态。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本发明属于机器人智能控制相关技术领域，其公开了一种机器 人力控示教模仿学习的装置，其包括六自由度并联示教机器人、第一 六维力传感器、第二六维力传感器、六自由度操作机器人及力位采样 控制系统，所述第一六维力传感器设置在所述六自由度并联示教机器 人的末端执行器上，其用于感测所述六自由度并联示教机器人受到的·109·驱动力；所述第二六维力传感器设置在所述六自由度操作机器人的末 端执行器上，其用于感测所述六自由度操作机器人末端的接触力；所 述力位采样控制系统分别电性连接于所述六自

1.痛点问题 在大数据应用领域，当前普遍存在数据隐私安全、数据孤岛和终端设备计算能力受限等问题。如何在保障数据安全、隐私安全和安全合规的条件下，联合使用跨机构或跨设备中的数据，实现数据价值的深度挖掘和流通是亟待解决的行业问题。 2.解决方案 本技术在现有联邦学习框架的基础上提出一系列改进方案，综合提升了联邦学习的安全、效率和模型质量。首先，基于纵向联邦学习具有突破数据孤岛和保护数据安全的优点，采用自编码信息混淆技术实现标签隐私信息的保护，在不影响联邦建模效果的前提下，构建了一种新的数据高效、安全、合规的使用范式，该技术可应用于纵向联邦学习场景中实现多方安全联合建模。其次，通过结合联邦学习打破数据孤岛和保护数据安全，预训练大模型可实现知识持续积累，有选择的知识蒸馏技术可实现保护隐私、模型压缩和知识迁移等方面的优势，构建一种新的数据高效、安全、合规的使用范式。即在服务器端充分利用丰富的计算资源，打造出更为强大的模型，并通过有选择的知识蒸馏策略，实现知识在服务器端的持续正向积累，来提升资源受限的终端设备和拥有大模型的服务器两端模型的整体表现，从而实现一种“数据、模型不动，知识动”的效果。 合作需求 本技术与孵化产品在金融、医疗、制药和政务等数据敏感行业数据合规使用和多方协同建模应用上有合作需求，可服务于政府与企业等机构： 1）金融领域合作 本技术与孵化产品可服务于金融科技各级（部委与地市级）主管单位，以及各类银行、保险等金融机构。可应用于金融领域中高敏感数据的合规使用和跨机构间联合建模应用场景，例如银行征信、反欺诈等应用，以降低金融欺诈、骗保等事件发生，产生积极的社会效益。 2）医疗和制药领域合作 本技术与孵化产品可服务于医疗和制药领域各类政府主管单位、医院和制药企业等。可推动医疗和制药领域数据安全协作利用，为医疗领域有效监管、AI制药和辅助诊疗等智能应用提供数据安全协作基础，提高制药效率，降低制药成本和周期、促进新药研制等。 3）智慧政务领域合作 本技术与孵化产品可服务于科技、工信和大数据等各级（部委与地市级）主管单位。可为政府建立数据要素市场提供数据安全流通技术保障，促进数据要素安全有序流通，也可支撑政务服务水平提升，协同推进地方政府的数字政府建设。

爱学习教育集团（原高思教育集团）成立于2009年12月，并于集团十周年之际，由“高思教育”品牌升级而来。集团是一家以学生成长为中心、以内容和科技为驱动、以新教育模式为载体，推动公平而有质量的K12教育普及的科技教育公司。多年来，集团秉承“让每个孩子爱上学习，收获成长”的使命，将教研教学和科技研发作为核心驱动力，并在人工智能、大数据、云服务等领域积极开展探索创新，旨在通过教育与科技的融合，实现数字化转型，致力于打造“内容和科技驱动的K12教育供给平台”。

产品服务:本项目主要面向商业用户，提供技术服务或者成套的商用解决方案，目标客户为银行、互联网金融公司等。项目优势:目前针对金融风控领域尚无合适的autoML框架，许多金融风控解决方案的提供商并没有提供自动化机器学习的解决方案，通用的自动化机器学习方法如Google的Cloud AutoML 又不能很好的应用于金融风控领域，目前面向金融风控的自动化机器学习算法存在一定的市场空缺，具有广阔的应用前景。市场概况:本项目注重该领域的细分市场，主要面向中小客户和个人研究者   

本发明提供了一种适用于分布式机器学习的参数同步优化方法 及其系统，使用参数服务器分布式方式实现的机器学习算法，解决现 有算法在参数同步过程中的瓶颈。本发明系统包括参数服务器端的资 源监控和分配模块、参数维护模块，各工作节点的服务器资源请求模 块、参数同步时间间隔控制模块、未同步时间累计模块、参数计算模 块和参数同步模块。本发明通过监控参数服务器资源占用情况，为不 同工作节点选取不同同步时间间隔来避免请求突发情况，同时

本项目主要面向商业用户，提供技术服务或者成套的商用解决方案，目标客户为银行、互联网金融公司等。