|
搜索
搜 索
高等教育领域数字化综合服务平台
ST STM32F407 CORTEX-M4 ARM学习板
2020年8月25日上午，由上海皮赛电子有限公司研发、设计与生产的“学而精”系列ST STM32F407 CORTEX-M4 ARM 实验箱在中国科学技术大学通过了《嵌入式与微机原理》课程组的验收，标志着该门课程的教学与实验的内容成功地从X86架构转向了ARM架构，以适应市场的变化与人才培养的需求。
ST STM32F407 CORTEX-M4 ARM实验箱是由上海皮赛电子有限公司自主研发、设计与生产的，基于ST公司CORTEX-M4 ARM内核的处理器STM32F407ZGT6，配合独立按键、矩阵键盘、拨码开关、红外线遥控器等输入设备，和数码管、LED发光二极管、128*64 LCD液晶屏等显示设备，I2C/SPI/SD卡存储设备，DS18B20数字温度采集/ADC&DAC模拟信号采集/光强信号采集等传感设备、MIC/LINEIN/LINEOUT音频接口，RS232/RS422/USB/CAN通信接口等，使得学生们可以在该实验箱上完整地进行《嵌入式与微机原理》课程所需的所有实验。
中科大嵌入式与微机原理实验室
ST STM32F407 CORTEX-M4 ARM 实验箱运抵现场
我司技术工程师李工在给实验室管理老师们进行设备的现场演示与培训
GPS&北斗EMOD扩展模块定位功能现场演示
验收过程中，我司技术工程师为验收组做了详细的操作演示与技术讲解，获得了一致好评。验收组全体成员对“学而精”系列ST STM32F407 CORTEX-M4 ARM 实验箱从硬件功能设计、防静电处理、USB端口取电、板载J-Link8下载器以及箱体上、下盖结构设计等各方面均给予了高度的评价，希望今后继续与上海皮赛电子有限公司合作，为在中国科学技术大学打造高度集成化、现代化和新颖化的实验室而努力！
中科大何力老师、梁晓雯老师、杨晓宇老师与我司朱哲勇经理合影
上海皮赛电子有限公司
2021-02-01
XILINX 3S500E SPARTAN-3E FPGA学习板
上海皮赛电子有限公司生成XILINX 3S500E SPARTAN-3E FPGA学习板。
上海皮赛电子有限公司
2021-02-01
宁波华茂外国语学校探究性学习实验室
宁波华茂文教股份有限公司
2021-08-23
教育部召开学习贯彻落实习近平总书记给中国国际大学生创新大赛参赛学生代表重要回信精神座谈会
11月13日，教育部召开学习贯彻落实习近平总书记给中国国际大学生创新大赛参赛学生代表重要回信精神座谈会。教育部党组书记、部长怀进鹏出席会议并讲话。
微言教育
2024-11-13
【中国教育新闻网】人形机器人科研新成果亮相第63届高博会
5月23日，第63届高等教育博览会在吉林省长春市拉开帷幕，吸引众多高校、科研机构与科技企业，聚焦以融合创新赋能教育强国建设。
中国教育新闻网
2025-05-26
科技部党组认真传达学习贯彻党的二十大精神
2022年10月24日上午，科技部党组书记、部长王志刚主持召开党组会议，传达学习党的二十大精神，研究学习贯彻工作。部党组成员李萌、张广军、相里斌、高波、张碧涌、林新同志出席会议，并结合科技工作实际进行了交流发言。
科技部直属机关党委
2022-10-25
基于时空多尺度联合学习模型的能源需求预测技术
本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。
南开大学
2021-02-01
基于深度学习的新冠病毒的早期检测筛查模型系统
西安电子科技大学计算机科学与技术学院智能软件与系统新技术研究所副教授张亮团队依托上海瑞金医院、西安交通大学第二附属医院等的新冠肺炎疑似、确诊患者肺部CT影像，通过综合分析新冠肺炎患者的肺部CT影像特点（磨玻璃、体积大小、位置等特征），张亮团队加快技术攻关，设计开发了基于深度学习的新型冠状病毒的早期检测筛查模型系统。
西安电子科技大学
2021-04-10
基于时空多尺度联合学习模型的能源需求预测技术
本项目提出了将时间维度与空间维度相结合的多尺度综合能源 需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需 求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支 持。 项目特色： 面向综合能源时空数据的需求分析和预测可以根据历史数据， 结合地理区域的相互关系来预测给定时间范围和空间位置的 能源需求。 针对综合能源的特性，项目提出了联合学习和迁移学习的思想 对模型进行训练。同时优化不同区域中多种类型能源的联合预 测模型，将已有模型的结果迁移到训练集数据不足的模型中， 提高能源用量预测的准确率。 面向智慧城市的综合能源信息应用服务场景，并利用 GIS 技术 实现配电网分析和用户用电特性分析的可视化。
南开大学
2021-04-13
一种基于随机蕨的自举学习方法及其分类器
本发明提供了一种基于随机蕨的自举弱学习方法及其分类器，本发明属于计算机图形识别技术领域。图形识别通常采用弱分类器的加权、高斯概率分布的均值距离来判别正负样本。或采用分类树作为弱学习器，用误差测度减少最大化的划分准则划分节点，然后将这些弱分类器提升为强分类器。但是，这些弱学习方法要么收敛速度慢，要么准确率不够高，要么计算效率低。本发明选择图像特征和构造随机蕨、基于随机蕨的弱学习方法、基于随机蕨的弱学习方法、构建弱分类器、结果分类器等步骤可以很好地解决成像环境复杂且对运算量要求严格的图像模式识别，实现快速收敛和高效的自举弱学习方法，得到实时处理且准确率高的分类器。主要用于各种模式识别场合。
西南交通大学
2016-10-20