|
搜索
搜 索
高等教育领域数字化综合服务平台
成人头颅骨附神经模型XM-119
XM-119成人头颅骨附神经模型
XM-119成人头颅骨附神经模型可分解3部件，颅盖可以打开，模型上颌骨和下颌用弹簧连接起来，可以自由活动，颅顶和颅底的硬脑膜窦和动脉用彩色标记，显示人体正常大小颅骨立体结构和颅内血管的分布和走形。
尺寸：自然大，17×13.5×23.5cm
材质：PVC材料
上海欣曼科教设备有限公司
2021-08-23
脑干脑神经核传导束XM-655
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
上海欣曼科教设备有限公司
2021-08-23
微电脑中枢神经传导直观模型
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
上海欣曼科教设备有限公司
2021-08-23
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
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
上海欣曼科教设备有限公司
2021-08-23
XM-655脑干脑神经核传导束
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
上海欣曼科教设备有限公司
2021-08-23
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
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
上海欣曼科教设备有限公司
2021-08-23
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
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
上海欣曼科教设备有限公司
2021-08-23
光信号和生物钟节律协同调控植物生长发育新机制
在植物的漫长进化过程中，光和生物钟作为重要信号协同调控植物生长发育和存活繁衍。为了适应周围环境光信号和生物钟节律的变化，大多数具有固着生长习性的植物，已经进化出了复杂而灵活的信号网络，它直接精细调控各种生理活动和发育过程。例如，在自然界中，处于黑暗环境的幼苗进行暗形态建成发育，下胚轴快速伸长，子叶闭合黄化，产生顶端弯钩，这种完美形态有利于幼苗穿破土壤而进入光照环境，然后立即启动光形态建成发育，抑制下胚轴伸长，子叶张开转绿，开始接收光能进行光合作用，
南方科技大学
2021-04-14
基于卷积神经网络的干扰信号识别方法
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。
电子科技大学
2021-04-10
人工神经网络芯片的研发与产业化
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。
电子科技大学
2021-04-10