产品详细介绍奥龙研究生教育管理系统助力研究生院信息化建设研究生系统管理涉及到学生从入学到毕业的全过程管理，包括招生管理、学籍管理、培养管理、成绩管理、毕业管理、研工（党团思政）管理、学位管理、学科（导师）管理、系统管理子系统，适用于招收研究生的综合性大学、学院，能够完成学年制、学年学分制、完全学分制管理部门对研究生从入学到毕业离校的全过程管理。研究生教务管理工作是研究生教育中的一个极为重要的环节，是整个研究生管理的核心和基础。面对种类繁多的数据和报表，手工处理方式已经很难跟上现代化管理的步伐，随着计算机及通讯技术的飞速发展，各个方面都对研究生教务管理工作提出了更高的要求。尽快改变传统的管理模式，运用现代化手段进行科学管理，已经成为整个研究生教育系统亟待解决的课题之一。系统特点1、业务全面，功能强大：研究生包含多种类别，如：学历硕士、学历博士、专业学位等。不同类别的研究生其招生、培养、学位授予的过程均有所不同，系统实现了对不同类别研究生的管理，而且业务上涵盖了研究生入学前的招生，研究生入学时的注册、学籍建立，研究生在校期间的培养，研究生毕业时的学位授予。2、数据高效共享：在各职管部门（如：研究生院（处）、各院系）、导师、授课教师、研究生等角色之间构建了统一交互的信息平台，部门之间的信息流转统一规范，各角色都可以实时动态获取所需信息。3、系统中的学科建设管理为招生、学籍、培养、学位各模块提供基础业务数据，招生、学籍、培养、学位各模块之间耦合性低，在基础数据支持下各模块可单成系统，独立运行。最终开发实现的研究生信息管理平台，能使研究生院包括下属（招生处、培养处、学科办、毕业学位办、各个院系秘书、导师、学生）人员进行网上资料登记、处理、相关业务的审批、查询、打印等工作，实现研究生院对学生、对部门、对导师、对院系的管理，实现对省教委、教育部、国家学位办等（电子注册）的数据接口，能够真正达到节约时间、提高效率。

产品详细介绍   前言：植物病害是严重危害农业生产的自然灾害之一。根据联合国粮农组织估计，全世界的粮食和棉花生产因病害常年损失在10%以上。植物病害不仅可引起农作物产量的减少，而且在一定程度上还严重威胁到农产品的质量安全及其国际贸易。历史上有很多因植物病害的大面积爆发和流行给人类带来重大灾难的事件，著名的"爱尔兰大饥荒"，即1845年由于马铃薯晚疫病的严重流行危害而造成"饿殍遍地及流离失所"的重大案例。植物病虫害同样严重威胁人类宝贵的森林资源。林业病虫害被称为无烟的森林火灾,林业专家提醒林业有关部门和林农要加强虫情监测,早发现早防治,把病虫害对林木的危害程度降到最低,以确保森林植被的健康发展。   细菌、真菌和病毒是引起蔬菜、水果、小麦、玉米、水稻、大豆等农作物及林木，花卉等病害的主要原因。这些病害微生物一般通过茎、叶、根系、果实等侵染植物，大部分病害在染病初期虽能较易防治，但一般不易被人察觉，病害一旦发生，防治不仅困难而且效果较差，致使农作物减产，甚至绝收。如何在病害发病初期进行检测和及时防治，对防治病害的发生尤为重要。  3R Anyty研制开发的植物病虫害现场检测设备-----便携式显微镜，产品小巧便携、内置锂电可以突破传统光学显微镜使用空间局限性，在田间林场对病虫害现场检测、现场分析，确认病因，为病虫害防治赢得宝贵时间，将病虫害的危害程度降到最低！　　Anyty便携式显微镜3R-WM401PVTV/3R-WM601PCTV，独创显微镜及显示屏无线数据连接，无需任何电脑等辅助设备即可现场检测，显微镜观测的画面直接转化为数字信号，将各种植株上的病表，虫害，病菌,真菌,灰酶等病虫害直接在无线显示屏上成像，快速分析判断各种作物病虫害的种类，确诊病因,对症下药，还可以拍照、录像储存观测数据，为如何防治病虫害及科学用药提供了科学合理的理论依据.产品规格：　　●产品型号：3R-WM401PCTV　　●产品品牌：Anyty（艾尼提）　　●电脑操作系统：视窗XPSP2或Vista或WIN7以上　　●产品接口：USB2.0　　●光学芯片：CMOS35万象素　　●照片象素：720x480,640x480,320x240　　●颜色：24bitRGB　　●光学镜头：双轴27倍&100倍显微镜头　　●手动调焦范围：8毫米到300毫米　　●放大倍数：10倍到200倍　　●自动白平衡.　　●自动曝光　　●光源：内置8个可调暖白发光灯　　●有无偏光\滤光功能：无　　●电源：5V电脑USB电源　　●尺寸：13.5厘米(长)x3.6厘米(直径)　　●无线传输距离：不小于5米（无障碍）　　●锂电池特征：　　●完全充电时间：3小时左右，可持续工作时间：5小时左右,寿命：完全充放电500次。　　●无线功率：10mW　　●4个频道可供切换专用液晶TV显示屏：　　显示屏尺寸：3.5TFT-LCD　　解析度：960×240分辨率　　传输频率：2414MHz.2432MHz.2450MHz.2468MHz（兆赫）　　充电时间：3小时　　工作时间：2小时　　视频大小：2700字节/分钟　　外形尺寸：100×70×25毫米　　重量：140g

本发明涉及一种基于神经网络的风电磁悬浮偏航系统悬浮控制方法，属电气工程技术领域。该方法采用含量化因子的神经网络控制策略，使磁悬浮偏航系统在受到随机干扰情况下，实现稳定悬浮控制：当需要偏航时，首先由悬浮控制器采用PID算法控制励磁电流，使悬浮物向上悬浮至并保持在悬浮平衡点处，得到稳态下外环PID控制器的比例、积分、微分系数参数；其次，悬浮控制器改用含量化因子的神经网络控制策略，获得外环PID控制器参数的调节量；然后由两者求得励磁电流参考值，减去实际值，经内环PID控制器，实时调整励磁电流，实现稳定悬浮。本发明自适应能力强、动态响应快、抗干扰能力强，可确保整个悬浮偏航过程系统性能实时最优。

背景：脑脊髓损伤后轴突再生、功能恢复仍然是一个世界性的难题。脊髓损伤后代偿性轴突侧芽生长能部分恢复肢体自发性运动，但肢体技巧性运动高度依赖皮质脊髓束的完整性。前期研究发现高度选择性皮质脊髓束完全剥夺动物模型（Celsr3|Emx1小鼠）各种运动功能完全正常，提示神经网络具有很强的自发可塑性，其在运功功能的恢复中可能发挥重要的作用。

本发明公开了一种基于卷积神经网络的给水管网多点漏损定位方法，包括以下步骤：对供水管网压力数据进行采集，将采集的供水数据分为训练样本和测试样本；将各个样本归一化，归一化后的训练样本输入到卷积神经网络模型中进行训练，得到卷积神经网络模型，归一化后的测试样本对卷积神经网络模型进行测试，保存训练好的卷积神经网络模型；实时数据归一化后输入到训练好的卷积神经网络模型中，通过训练好的卷积神经网络模型来得到预测结果；将预测结果对比标签索引，判断漏损。本发明还公开一种基于卷积神经网络的给水管网多点漏损定位装置。本发明

本发明公开了一种基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法，首先对待检测视频进行预处理，分段并提取运动残差图像，将原始图像与运动残差图像组合作为卷积神经网络算法的输入，建立至少包含一个卷积层和最大池化层的特征提取块，处理并计算原始图像和运动残差图像中包含的人群状态特征，再将人群状态特征和运动特征结合，构建至少包含一个卷积层、最大池化层和全连接层的特征融合块，进行融合处理，同时构建分类器，使用预制的带有拥挤程度标签的训练集对卷积神经网络进行训练，使分类器对待测视频中的乘客拥挤程度进行正确检测，更加全面的表征监控视频中的客流状况，实现拥挤程度的检测，提高了算法检测的准确率。

本发明公开了一种具有接触性引导功能的神经导管，包括中空薄膜管体，内壁上具有纵向沟槽结构；本发明还公开一种制备装置，包括底座、安装在底座上的升降平台、安装在升降平台顶面的两台微量注射泵和喷丝头以及位于喷丝头正下方的凝结池；喷丝头包括：喷头，内部开设有与其中一台微量注射泵连接的喷腔；位于喷头内的双层喷孔，外层喷孔顶端与喷腔连通，内层喷孔顶端外接另一台微量注射泵、底端延伸出外层喷孔外，内层喷孔外壁上具有沿内层喷孔轴向延伸的沟槽。本发明还公开一种制备神经导管的方法。本发明制备得到的神经导管内壁上的纵向沟槽结构在制备过程中与神经导管同时形成，且结构形状均匀稳定，避免了二次加工等额外程序。

疼痛是人类所经受的最常见的病症之一，每个人的一生都会经历疼痛的困扰。据统计全球大约有 1/3 的人忍受着持续或周期性疼痛的折磨，美国在疼痛相关社会问题的花费约为 1 千亿美元/年。在临床上，吗啡类的阿片药物已被人们广泛的应用于治疗和缓解各种疼痛，但由于阿片类的镇痛药物能引起严重的耐受、成瘾、便秘和呼吸抑制等不良反应，从而大大限制了其临床应用范围。已有的研究结果表明，机体内的阿片肽同样也能通过激活阿片受体而介导镇痛作用。为了获得选择性高、高效、分子较为稳定的阿片类配体分子，在脑啡肽等阿片肽的结构基础上

在临床上，吗啡类的阿片药物已被人们广泛的应用于治疗和缓解各种疼痛，但是由于阿片类的镇痛药能引起严重的不良反应和阿片依赖作用，而大大限制其在临床治疗中的应用。已有的研究表明哺乳动物中枢和外周都广泛存在着阿片受体。1997 年，发现内吗啡肽（endomorphins，EMs），即内吗啡肽 1（EM-1，Tyr-Pro- Trp-Phe-NH2）和 2（EM-2，Tyr-Pro-Phe-Phe-NH2）为 μ 阿片受体（MOR）内源性的高效选择性的激动剂，它们对 μ 阿片受体的 Ki 分别为 360 pM

本发明公开一种基于 B-P 神经网络判断照明场景的自动曝光方 法，包括以下步骤，S1 通过视频采集系统获得原始图像；S2 将原始图 像划分为多个区域；S3 求每个区域的图像亮度平均值，获得亮度矢量； S4 设计 B-P 神经网络，将亮度矢量作为神经网络的输入，对照明场景 进行判断；S5 根据神经网络的判断结果，计算图像的理想亮度；S6 将 原始图像的实际亮度与理想亮度的偏差作为 PID 算法的初始输入，利 用 PID 算法获取理想亮度对应的理想可控量；S7 依据理想可控量，获 得曝光时间 t 和模拟