|
搜索
搜 索
高等教育领域数字化综合服务平台
栾合密发表多组学新算法
定量系统生物学是描述生命体的细胞、组织、器官以及整体水平上结构和功能各异的各种分子（包括基因、蛋白质、小分子代谢物等），以及分子在生命体的内部之间、与外界环境之间的相互作用，通过精准的分析测量技术、结合计算生物学来定性、定量构建生命的数字化模型，预测生理状态或者疾病的功能、表型和转化的前沿科学。生命体的运作是在基因调控下，由许许多多的生化反应形成
南方科技大学
2021-04-14
密码算法的FPGA实现和加速优化
一、项目分类
显著效益成果转化
二、成果简介
主要针对密码算法的FPGA实现和加速优化。其特征在于，系统通过软硬件协同实现不同认证机制，系统包括硬件认证模块和软件功能模块。利用FPGA的可编程逻辑电路部分实现认证机制算法的硬件加速。
集成电路中差分对管的失调电压或者带隙电压会随着温度和电源电压的变化而产生漂移，从而恶化前台校正的结果。经过理论分析、模拟仿真和实际电路测试，我们发现这种由温度和电源电压变化而引起的失调漂移呈现一定的线性特征，可以用线性内插或者反馈的方式对失调漂移进行校正，从而无需传统的后台校正电路，具有校正电路简单、对比较器正常工作无干扰、精度高等优点。
厦门大学
2022-07-27
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12
工信部：鼓励新能源与智能网联汽车等领域建设产品质量大数据公共服务平台
据工业和信息化部官网消息，为进一步引导制造业企业深化新一代信息技术与质量管理融合，以数字化赋能企业全员全过程全方位质量管理，提升产业链供应链质量协同水平，工业和信息化部近日印发《制造业质量管理数字化实施指南（试行）》（以下简称《实施指南》），其中提出在生物医药、新材料、航空航天、船舶与海洋工程、电子制造、新能源与智能网联汽车等领域，鼓励相关行业协会和龙头企业建设产品质量大数据公共服务平台。
人民网
2022-01-10
关于组织申报2023年度山西省重点研发计划（信创、大数据和光电领域）项目的通知
为全面深入学习贯彻习近平新时代中国特色社会主义思想，党的二十大精神，以及习近平总书记关于新时代科技创新的重要论述重要指示精神，推进落实《山西省“十四五”新技术规划》，瞄准攻关信创、大数据和光电领域关键核心共性技术问题，为我省数字经济高质量发展提供科技支撑，根据《山西省科技计划项目管理办法》（晋政办发〔2021〕42号），现将凝练形成的2023年度山西省重点研发计划（信创、大数据和光电领域）重点支持方向予以发布，请根据要求组织项目申报工作。
山西省科技厅信创和大数据科技处
2023-08-08
AI多模态情绪分析系统
AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。
这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。
多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。
单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。
视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。
听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。
文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。
多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。
湖南可心教育科技有限公司
2026-03-20
基于CT图像的胰腺肿瘤诊断算法、基于钼靶图像的乳腺癌淋巴转移诊断算法
技术分析(创新性、先进性、独占性)开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。已经在两家大型三甲医院做测试，算法和程序代码完整，
中国人民大学
2021-04-10
基于CT图像的胰腺肿瘤诊断算法、基于钼靶图像的乳腺癌淋巴转移诊断算法
技术分析(创新性、先进性、独占性)
开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。
中国人民大学
2021-05-11
成都中医药大学学者发表药物生物技术分析论文
成都中医药大学本草基因组学团队在《ActaPharmaceuticaSinicaB》期刊（中科院1区）在线发表题为“EmergingbiotechnologyapplicationsinnaturalproductandsyntheticpharmaceuticalAnalyses（天然药物和合成药物分析中的新兴生物技术）”的论文，我校张三印教授、徐彬杰博士后、周豫新博士等作为共同作者，陈士林教授为论文第一作者和通讯作者。
成都中医药大学
2022-09-21
Web挖掘中若干理论与算法的研究
Web挖掘技术属于信息科学领域，涉及自然语言处理、模式识别、知识工程、机器学习和随机过程等多个研究领域，并需要使用概率统计、矩阵理论以及其他软计算方法作为研究工具和手段。本项目主要针对Web挖掘中的Web数据模型、文本分类和信息检索等基本问题进行理论和算法上的研究，并就这些问题提出了潜在语义结构模型、基于投影寻踪的中文网页分类算法和基于Markov网络的信息检索等模型。同时，在理论上对这些方法进行了深入的研究和探讨，从理论上证明了其正确性。在实验方面，我们将分类模型应用于大规模的标准测试文档集（REUTER-21578语料库、复旦大学中文文本分类语料库），进行了大量的实验，结果表明这些方法均表现出了较好的性能，接近甚至优于SVM和KNN的分类效果，并应用检索模型在标准测试文档集（CACM、CISI、CRAN、MED）上进行了多次对比实验，其性能与BM25相当在某些指标上甚至更优。另外，课题组在北大天网测试文档集上应用上述模型，在近几年的全国搜索引擎和网上信息挖掘学术研讨会（SEWM）的中文WEB信息检索评测中均取得了优异的成绩。
江西师范大学
2021-05-05