深圳市鑫浩客电子科技有限公司品牌定位： 鑫浩客（Hawk）品牌的产品线目前有简报器、翻页笔、PPT翻页笔、激光笔、充电器、读卡机、手机充电器、扩音器、车载充电器、手机充电线、录音笔、快捷线等，且仍持续在扩增产品线。为了提升产品的价值，我们每年都持续投资研发，希望能不断的创新技术、提升产品品质、创意时尚设计，并不断的改善服务客户的品质。鑫浩客（Hawk）品牌希望做到的是能更深入关心消费者的需求并带给他们更多的价值，不仅是带给消费者高品质的产品，当在他们使用电脑及网路的时候，也能享有使用Hawk产品所带来的欢悦经验。 鑫浩客（Hawk）依据三项准则为标准来检视品牌定位: Designs Based on You (为客户需求而设计)、Easy to Experience(使用简易的经验)、Innovation(创新)。 1995年09月成立于台中华美西街，初创立人员仅3人。1996年01月设立台北服务据点，同年10月设立高雄分公司。 2002年10月为扩大营业，将台北总公司从台北市万华区迁移至现址的中和厂办。 2004年03月成立深圳办事处，自力研发 Hawk、Esense 等自有品牌产品，扩展大陆及海外市场公司。 2009年06月由于台湾市场规模受限，二岸交流互动频繁，陆续在北京、上海、深圳、香港等地建立在地代理商及设立服务据点。数年来积极以大中华市场为主，建立HAWK自有品牌经营，屡屡创下销售佳绩，因应数位时代的来临，致力研发及设计贴心、符合环保要求的优质商品，并且在品质上严格把关来满足消费者的喜爱，掌握趋势、永续成长是公司不断进步的方向与目标。2012年01月扩大海外OEM市场，不断研发製造符合国外中、大型客户所需的产品。公司人数70人。 2013年08月成立绿色小组，全力推动爱地球的各项活动。提昇公司同仁，友善环境的具体组织。

XM-GCX肝脓肿穿刺与胸腔穿刺训练模型   一、功能特点： ■ XM-GCX肝脓肿穿刺与胸腔穿刺训练电子标准化病人模型采用高分子材料制成，肤质仿真度高。 ■ 模拟人取平卧位和半卧位，质地柔软，触感真实，外观形象逼真。 ■ 解剖标准准确，锁骨、腋窝、各肋骨肋间隙等体表标志可明显触知，便于穿刺定位。 ■ 肝脓肿穿刺术可寻到肝区压痛点，有屏息训练语言提示，可随屏息节奏穿刺，穿刺有明显落空感，可抽出模拟肝脓水。 ■ 取半卧位（模拟重症患者）行胸腔穿刺术，叩诊可获实音处，穿刺有明显落空感，可抽出模拟胸腔积水。 ■ 电子监测：穿刺术要求沿下位肋骨的上缘垂直刺入，穿刺错误有语言提示。 ■ 可反复进行练习。 ■ 皮肤和穿刺囊腔可更换。   二、标准配置： ■ 肝脓肿穿刺与胸腔穿刺训练模型：1具 ■ 穿刺实验台：1张 ■ 电源适配器：1个 ■ 说明书：1册 ■ 保修卡合格证：1张

本发明提供一种超高频RFID电子标签的读取方法及装置，包括：根据输出功率大于最大输出功率，获知根据频率增量增加工作频率，获得当前工作频率；在当前工作频率下，根据功率增量逐步从最小输出功率增加输出功率直至大于最大输出功率，每次增加输出功率前，读取与当前工作频率一致的目标标签。本发明通过动态调整工作频率与输出功率，遍历读取处于不同工作频率、位于不同距离的所有超高频RFID电子标签，大大提升了超高频RFID读写装置的应用范围。

1 .掌握大鲵子二代亲鲵生殖生理特点和生殖调控机理，创建大鲵子 二代生殖调控技术和大鲵子三代全人工繁殖和苗种规模化培育技术；2 .选育和培育出体质健壮子二代亲 鲵400多组（1尾雄亲鲵+3尾雌亲鲵为一组），诱导性腺发育与雄雌同步成熟，使用高活性催产剂进行人 工催产，催产率达72%，受精率90%，孵化率33%，苗种存活率90 .5%，三年（2007-2009年）共繁育大 鲵子三代苗种44800尾；3 .实现大鲵子三代苗种规模化生产，能提供大批量子三代苗种供养殖部门发展 大鲵养殖产业，并在自然保护区放养，还进行子三代健康养殖示范，具有显著的经济效益、社会效益和 生态效益

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。