XM-623椎骨和脊髓、脊神经关系模型   XM-623椎骨和脊髓、脊神经关系模型显示脊髓的被膜及其周围的血管神经，椎管内有三层被膜包围脊膜，即硬脊膜、蛛网膜和软脊膜，三层被膜在枕骨大孔处与相应的脑膜相延续，31对脊神经穿出脊髓和椎管时，三层脊髓被膜随之伸延一段距离，并逐渐变薄，移行于神经外膜中。 尺寸：放大，42×27×25cm 材质：PVC材料

XM-D002A微电脑中枢神经传导直观模型   中枢神经传导是神经系统中的难点，标本小而又难以区分各神经核，纤维束在脑干内部的位置关系及复杂的神经传导，为了适应医学院、医院临床教学需要而研制的微电脑中枢神经传导直观模型具有造型逼真、视觉直观、便于学生理解等特点。 一、功能特点： ■ XM-D002A微电脑中枢神经传导直观模型可以按要求自动传导，在脑干部作有机玻璃平面，显示了神经核及纤维的断面。 ■ 纤维采用塑料材质，红色示运动纤维，蓝色示感觉纤维，脑神经核与脑神经纤维功能颜色一致。 ■ 采用微电脑控制，在开关控制部设有复位键、传导按钮及36个单项按钮，共计42个按钮，单项按钮主要用于了解各神经核及纤维束在脑干部的位置，36个单项按钮分别显示36个部位，同时配备指示灯显示。 二、技术参数： ■ 尺寸：37×34×87cm ■ 材质：PVC材料+木框 三、标准配置： ■ XM-D002A微电脑中枢神经传导直观模型：1台 ■ 电源线：1根 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-315手肌附主要血管神经模型   XM-315手肌附主要血管神经模型由手肌、掌腱膜、鱼际、小鱼际和蚓状肌等7个部件组成，显示手肌分层、手骨、韧带、肌腱及其主要血管神经等结构，共有71个部位数字指示标志及对应文字说明。 尺寸：自然大，22.5×13.5×5.5cm 材质：PVC材料

XM-621脊髓与脊神经分支放大模型   XM-621脊髓与脊神经分支放大模型放大5倍，由脊髓立体模型和脊髓平面模型两部分组成，显示脊髓连脊神经立体形态以及脊髓横切面等结构，共有21个部位指示数字标识标志及对应文字说明。 尺寸：放大5倍，38×28×10cm 材质：PVC材料

XM-655脑干脑神经核传导束   XM-655脑干脑神经核传导束由6部件组成，显示脑干脑神经核及脑神经、锥体系传导束、锥体外系、浅深感觉传导束、视听觉和深感觉传导束、深感觉前庭传导束和脊髓小脑束等结构形态。 尺寸：放大 材质：优质铁丝

XM-606A右半脑带血管和神经模型   XM-606A右半脑带血管和神经模型显示大脑半球、间脑、小脑和脑干中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。 尺寸：自然大，15×15×6cm 材质：PVC材料

1、与企业合作成功开发软包钴酸锂电池4.4V高电压电解液、阻燃电解液和低温电解液。完成主要技术指标4.4V&1C循环86%@500周，低温-40度3C放电，电解液燃烧性下降90%以上等特征指标，相关电解液配方已在合作电解液企业种得到应用； 2、为企业开发三元动力电池用电解液，实现电池高温55度1000周循环；

产品介绍 CK-M1超高频RFID读写模块是小型化的UHF RFID 读写器 ，核心部件采用 R2000 为核心平台，R2000是一款高性能高度集成的读写器 IC,集成了模拟射频前端与基带数字信号处理模块等功能。用户只需要在模块的基础上作电源处理即可，可以很方便的通过 API 函数库控制模块工作适合各种应用场景用户开发。  产品特点 支持多种协议：ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、国标GB/T29768-2013(可拓展支持)。 密集读取：端口最大输出33dBm，可根据需要设置功率，可应对非常密集的使用环境，多标签识别算法，行业内最强，每秒可识别超过600张以上。 能够定频或跳频工作。 输出功率可调,调节步进:1dBm。 支持标签数据过滤、支持防碰撞协议、支持多标签识别。 全频段、大功率、灵敏度高、功率准、零配置即可获得最佳性能。 规格参数 主要规格参数 产品型号 CK-M1 性能参数 频率范围 840MHz～960MHz 空口协议 EPC C1G2、ISO18000-6B/C、GB/T29768-2013（可选配） RFID主芯片 Impinj R2000 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI：可感知信号强度 通道数 1通道 RF输出功率（端口） 33dbm±1dbm（MAX） 输出功率调节 ±1dbm 前向调制方式 DSB-ASK、PR-ASK 连续读标签距离（读EPC码） 0-10米，连续读100次，读取成功率大于95%（无干扰环境）（8dBi圆极化天线@H3） 连续写标签距离（写EPC码） 0〜4米(与标签芯片性能有关)，连续写100次，写成功率大于90%（8dBi圆极化天线@H3） 标签识别速度 >600次/秒 通讯口 TTL串口 物理接口 15PIN端子 1.25mm间距 读卡功耗 （33dbm）：8W 物理参数 外观尺寸 42*76*8mm 外壳材质 铝型材外壳 安装方式 通过四个螺丝孔固定 电源 工作电压   操作环境 工作温度 -20°C~+70°C 储存温度 -40°C~+85°C 工作湿度 <95% (+25°C)

本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。

随着机器学习与人工智能的发展，传统的CPU已经无法满足大规模神经网络训练的需要。在当前机器学习与神经网络的热潮下，美国互联网和IC巨头纷纷推出自己的神经网络/人工智能芯片，抢占这一未来市场。我们研发的神经网络/人工智能芯片可以验证多种深度学习算法及应用，具有完全自主知识产权，是将来可以挑战美国人工智能芯片领域的一个重要突破。