2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。​结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。 

本发明公开了一种基于协同尺度学习的行人重识别方法，属于监控视频检索技术领域。本发明首先 根据已标注训练样本集 L 中图像的颜色和纹理特征，进行尺度学习得到相应马氏距离中的协方差矩阵 Mc 和 Mt;随机选择查询对象使用 Mc 和 Mt 进行马氏距离度量，得到相应排序结果，从中取得正样本 和负样本生成新的已标注训练样本集 L，更新 Mc 和 Mt，直到未标注训练样本集 U 为空，得到最终的 标注样本集 L*，并融合颜色和纹理特征得到 Mf，就可以使用基于 Mf 的马氏距离函数进行行人重识别。 本发明在半监督框架下研究基于尺度学习的行人重识别技术，通过未标注样本辅助标注样本进行尺度学 习，符合实际视频侦查应用标注训练样本难以获取的要求，能有效提升少标注样本下的重识别性能。

已有样品/n重点突破智能终端深度学习处理器芯片设计，研发并改进CNN、RNN 等深度学 习算法和技术，设计并研发Alex、Caffe、Torch等常用的深度学习架构。深度学习 处理器芯片支持CNN/DNN/MLP等主流深度学习神经网络算法，基于深度学习处理器 芯片的智能设备可运行手写数字识别等任务；深度学习处理器芯片处理imagenet测 试集图像分类任务达到30帧/s，芯片面积不超过60平方毫米，单芯片功耗不超过 20W，所研发的芯片性能功耗比超过目前智能终端所使用的主流CPU的100倍。最终 在

基于深度学习的图像识别云端服务平台，能够 通过云计算框架训练深度学习算法模型，对图像进行目标检测 和识别。平台拟采用云端 API 的形式，为其他客户端的提供简 单易用的图像识别服务，将目标识别应用到互联网及移动应用 场景中，推动移动互联网的进步。 该平台实现如下功能：1.模型训练：平台能够基于用户给 定的不同行业的数据，训练相应的精细化分类模型。2. 图像识 别：平台能够根据预先训练好的识别模型，对用户

研究目的和意义机器学习和人工智能已成为当今最热门的技术之一。2017年，国务院印发了《新一代人工智能发展规划》，正式将人工智能作为国家重要发展战略之一。人工智能已经成为信息技术时代的又一波浪潮。在这波浪潮的推动下，互联网行业、金融行业、传统制造业、政务民生、公安警务等各行各业都在积极向人工智能领域转型升级，利用人工智能先进技术提升智能分析和辅助决策能力，

1.痛点问题 新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。根据国家工业和信息化部对30余家大型骨干企业调查结果显示，130种关键材料中，有32%国内完全空白、54%虽能生产，但性能稳定性较差、只有14%左右可以完全自给，亟需新思路来解决我国新材料研发难题。本项目着眼于新材料研发，希望通过创建目前业内空白的智能化新材料研发范式，引领行业智能材料开发自动化服务与工艺的开发。 在数字化、智能化浪潮中，国家和各行业的产业界都非常看重科研的智能化升级。通过持续的交流与调研，我们发现许多企业和研发团队目前对智能研发存在大量潜在需求，而智能研究服务与工艺的同类竞品极少。因此，清华智研将作为一家高新科技企业，以AI赋能研发（AIEmpoweringResearch&Development）为使命，组建国际顶尖水平团队，向国内引进并自主开发世界前沿的AIforScience技术，打造世界级的AI未来实验室（World-ClassAIFutureLab）。 2.解决方案 本技术为新材料研发数字化智能服务平台，可在材料研发过程中对各个尺度以及不同研发阶段下进行智能化的加速及分析服务。以各种人工智能算法为核心，如主动学习算法，图神经网络，卷积神经网络等，我们根据不同材料体系的尺度包括三大方面：1.针对分子及晶体等微观尺度的功能材料研发，设计智能化的深度学习系统。2.针对二维功能材料及其功能性器件、催化剂、膜材料等宏观尺度，设计智能化的深度学习系统。3.针对功能材料研发的表征仪器等平台尺度，设计智能化的系统解决方案。这些智能化解决方案能极大地加速新材料尤其是碳中和相关材料的研发速度，从而大大地降低研发成本与时间，为企业获得有竞争优势的科研壁垒。 自动化和人工智能助力未来智能实验室的方方面面，从样品制备（称量固体、添加液体、超声处理.等)，到合成（分配液体，控制温度，混合，测量pH值，干燥等)、表征（气相色谱，高效液相色谱，分光光度法等)，通过自动化/机器人的辅助，可以有效提高可重复性，提高信噪比，加快实验速度。通过人工智能技术，将实验数据转换为可操作的智能指导，快速浏览并利用复杂的数据，提升认知能力。 智能化研发平台 3.合作需求 拟成立公司推动该项成果的产业化进程，希望对接 1）工程化、产品化所需的资源； 2）新能源、新材料领域合作企业。

突破性地采用了参考多维度工作方法。这些多维度特征具体包括四大项：1.程序实体的覆盖信息（coverage information），即程序实体在运行失败或成功的测试用例中是否被覆盖到的信息，一般来说被失败测试用例覆盖越多的程序实体更有出错的可能性；2. 程序变异信息(mutation information)， 即当原程序被改变形成的变异体（mut

产品功能：  产品参数：                         双行显示  分辨率:31*96全阵点显示  349种计算功能  重量：135g(含电池)  快速上下翻转功能  机身尺寸：160mm*82mm*16mm  快速左右翻转功能  耗电：0.0002W  乘幂与方根运算  电源：一节AAA（7号/SUM-4）  三角函数  电池寿命：约有2年（每天使用一小时）  对数与反对数  操作温度：0℃-40℃  阶乘、排列、组合  包装尺寸：163mm*88mm*24mm  复数运算  高/中学适用  直角坐标与极坐标  10+2显示函数计算  统计运算  塑料按键  数据存储  双行显示  微分计算    积分计算    使用电池：AAA*1    机身尺寸：16*8.4*1.6cm(厘米）    保护盖：见包装盒说明      

产品详细介绍系统概述： 作业是老师交代给学生的课后学习任务，一般要求在规定的时间段内完成。 作业系统就是一个管理课后学习任务的系统，提供教师版和学生版两种界面；教师利用该系统来创建、引用、布置和批阅作业，而学生则能利用该系统按时接收教师布置的学习任务并及时上交作业；在教师创建作业时，系统自动生成了全校共享乃至全区共享的作业库，以实现更加智能化的作业管理，提高作业资源的重复利用率，减轻教师作业管理工作量。 核心功能： 老师创建作业 创建作业就是教师创建一个需求明确的学习任务(“学习任务描述、预计用时、适用范围、分享范围”)，并且将该任务分配给指定学生去按时完成。 学习任务描述方式有很多，常见的描述方式有“文本叙述、文档说明、图片说明、视频说明、音频说明、在线资源”； 适用范围则负责说明该学习任务适合什么阶段的学生来做，适用哪个年级？适用哪个学科？适用哪篇课文和哪几个知识点？ 分享范围则限定了谁可以引用该作业，支持私有，校内共享，区内共享三种分享范围。 一个作业就是一个独立的实体，创建一次之后，可以被多次引用和多次布置，同样内容的作业尽量不要重复建设。 老师布置作业 布置作业就是老师将一个学习任务分配给指定学生们，并且规定了在多长时间内完成。一个完整的作业布置流程必须指定班级和作业日期，如图4-19-3。 一个作业可以被多次布置，同一个作业同一个班级同一天只能安排一次，这样，但是一个班级一天可以安排不同学科的多个作业。 学生写作业 学生接收到老师布置的各类课后作业之后，务必按照各门学科的作业要求在规定的时间内去“写作业”，写作业的核心工作就是完成作业要求的学习任务，完成任务的方式不一定是线上完成，也可以是线下完成作业任务，再去线上提交作业结果。 学生交作业 交作业就是将学习任务完成后的答案或者任务作品通过系统提供的文本、拍照等多种方式提交给老师。系统不强求一定要用键盘打字来写作业，线下将学习任务做完，然后通过拍照或者视频摄像等方式来提交作业答案或任务作品都是支持的。 老师批阅作业 老师一旦布置完作业之后，进入该作业的“批阅”窗口内，可以随时检查学生的作业上交情况，如果发现有未按时交作业的学生，可以给学生发送催交信件，如图4-19-5所示；一旦学生上交了作业，老师就能在线批阅学生的作业了；批阅作业时，不但能给学生当天作业打分，还能给出简短评语。 学生本人在看到老师的批阅内容后，还能针对该作业向老师提问(图4-19-4)。 作业分析 作业分析将根据每位学生的作业提交情况从“作业得分、作业用时、作业引用次数”等多种维度进行统计分析，通过作业分析能够发现学生学习中存在的各种问题。 系统特色： 支持线下完成学习任务，然后线上拍照O2O提交作业方式； 作业资源可以校内共享，形成全校统一的作业库； 通过知识点关联实现作业与“教学资源和网络课程”的匹配，实现个性化学习推送； 作业可以直接被网络课程引用。