|
搜索
搜 索
高等教育领域数字化综合服务平台
库甲（广东）家居科技有限公司
库甲（广东）家居科技有限公司专注于高端科教家具整体解决方案，主要产品系列：学生公寓家具、教师公寓家具、活动课桌椅、固定课桌椅、报告厅桌椅、礼堂椅、餐桌椅、伸缩看台系统。已申报90多项专利，包括：外观专利，实用新型专利，发明专利。已授权专利70多项。
我们始终以新工艺、新标准、新理念为原创设计的先导；以新结构、新标准为孩子的健康安全的护航；为校园打造出多系列新视觉、新体验的产品。
库甲团队集板式家具、金属家具、软体家具、木制家具、电气一体化技术于一体的家具科技团队；库甲团队曾为国内外大批重点工程项目提供解决方案及优质服务，如：广州亚运会、鄂尔多斯伊金霍洛旗体育馆、北京电子技术服务中心、大连国际会议中心（达沃斯论坛及APCE中国会议中心）、东莞蓝球中心、中山纪念堂等项目，并取得了用户单位的一致好评。
库甲（广东）家居科技有限公司
2021-12-07
专家报告荟萃㉛ | 上海大学党委副书记段勇：上海大学新文科发展理念与实践
我们学校人文学科发育不够充分，体系构建不够成熟，标志就是人文学科缺少国际话语权。对此我们既要坚信文科的固有价值，守住人文学科的底线，努力让人文学科适应数字时代，通过建设交叉学科的新文科，实现人文学科的破解重生，这也是本次论坛讨论的主题意义所在。主要讲两个方面。
中国高等教育博览会
2025-02-19
绿色建筑评价标识
成果简介绿色建筑是指在建筑的全寿命周期内， 最大限度地节约资源（节能、 节地、节水、 节材）、 保护环境和减少污染， 为人们提供健康、 适用和高效的使用空间，与自然和谐共生的建筑。 开展绿色建筑行动， 以绿色、 循环、 低碳理念指导城乡建设， 严格执行建筑节能强制性标准， 扎实推进既有建筑节能改造， 集约节约利用资源， 提高建筑的安全性、 舒适性和健康性， 对转变城乡建设模式， 破解能源资源瓶颈约束， 改善群众生产生活条件， 培育节能环保、 新能源等战略性新兴产业， 具有十分重要的意义
安徽工业大学
2021-04-14
中国高等教育博览会—参观者数据与统计
拥有高品质商业观众
云上高博会
2021-12-09
企业信息资源管理与数据质量控制平台
数据是企业的重要资源，数据质量则是体现其价值的关键。大多数企业已建立的众多的基础专业数据库、信息资源管理系统，并完成的数据仓库建设，但是对数据与信息的质量、新数据是否上来以及上来及时性等缺乏有效的监控手段；同时，已有信息资源往往被分散的保存着，其管理维护乃至数据库的变更都难以掌控。本系统基于元数据、元结构、元知识模拟专家对于数据与信息资源的管理策略，利用机器学习、自然语言处理以及知识库技术，实现了基础数据资源监控与管理，建立了基础数据资源动态监控与质量巡检系统。系统主要功能包括： 元数据管理 建立和管理包含所有基础数据库结构信息的元数据库，使对各个基础库中的最新数据项和数据项变更历史等有一个全面的掌控；同时也为今后建立在基础库之上的应用和对数据库的维护打下良好的基础。 重要基础数据的采集监控 对各基础数据库中的重要数据是否及时采集入库及基础数据的删除进行定期的监控，并对监控的结果给出相关结论报表，以便及时了解各基础库数据的数据增删情况。 数据质量巡检子系统 定期地对各基础数据库中的重要数据项进行质量检查，监控各数据项中的数据是否满足给定的规则条件，对于不符合条件的数据通过提供的预警机制进行预警。 本技术可用于通信、能源、交通、政府、国家中医药管理局、医疗机构、冶金行业、石油石化等行业。
北京科技大学
2021-04-11
面向精神科临床研究的业务过程与数据集成平台
该项目是精神病学与精神卫生学临床、软件工程和数据工程交叉方向，探讨临床研究业务过程与数据一体化集成平台的建设与实施，优化临床研究数据采集、存储、交换、可视化和分析决策，为临床研究提供更科学更高效的支撑方法与手段。
北京大学
2021-02-01
基于 XML 的教学文档格式规范与数据交换研究
南京工程学院
2021-04-13
分层检测空移键控传输系统接收端数据检测
包括以下步骤：第一步、确立接收端模型；第二步、化简接收端模型；第三步、通过分层检测算法解调出发送的数据。本发明的基于分层检测的空移键控传输系统接收端数据检测方法，其误码（BER）性能随着搜索半径的增加逐渐逼近最优检测算法（ML），当搜索半径为发送端天线数目时，本发明的检测算法等价于最大似然检测算法。本算法通过对每层进行计算排序使得在较小的搜索半径下可获得接近最优检测算法的误码率性能，因此本发明能在获得较好性能的同时，大幅度降低接收端算法的复杂度。
电子科技大学
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
一种甜菜收获机具状态数据采集系统
本实用新型公开一种甜菜收获机具状态数据采集系统，包括电源模块、传感器模块、信号处理模块和数据采集模块；所述电源模块包括稳压降压电路和驱动电路，为传感器模块提供稳定驱动电源；传感器模块包括扭矩传感器、拉力传感器与旋转编码器；信号处理模块包括微弱电压信号放大电路与滤波电路，控制传感器输出0～5V的电压信号并输入进数据采集模块；数据采集模块将采集的数据上传上位机平台。本实用新型能够实现甜菜收获机状态参数
青岛农业大学
2021-01-12