产品详细介绍 　　近年来，由于中小学生课内外负担加重，智能手机、平板电脑等电子产品普及，用眼过度、用眼不卫生、缺乏体育锻炼和户外活动，社会上对儿童青少年近视防控工作和视力健康管理认识不足，公众视觉健康知识匮乏和视觉健康领域政策保障薄弱，各部门协同配合不够等因素，我国儿童青少年近视问题越发严重，近视率居高不下、不断攀升且呈现低龄化、重度化、发展快、程度深的趋势。2014年全国学生体质与健康调研结果显示，我国各学段学生近视率持续上升，7―12岁小学生、13―15岁初中生、16―18岁高中生视力不良率分别为45.71%、74.36%、83.28%。2018年6月，国家卫生健康委通报，我国儿童青少年近视率已居世界第一。 　　我国儿童青少年近视防控主战场是学校，必须找到适合在学校进行近视防控的产品、技术和模式方法。 　　中国永康视光科技集团，十一年专注于儿童青少年近视防控工作，在近视防控上升为国家战略的新形势下，率先提出“建立学生近视防控教室，实现学校学生视力达标”的全新理念。 　　学生近视防控教室，是永康视光科技集团在多项重大发明基础上的集成创新。学校拿出一间教室，放置30-50台永康视力提升机，学生按班级建制每周进行一次20-40分钟的训练，一般经过1-2个月5-10次训练，会达到裸眼视力平均提升2行，近视率平均下降10%以上的良好效果。2018年11月、12月以及2019年1月，永康集团在沈阳市工人村第一小学、文艺二校教育集团文艺一校、朝阳一校、六一小学、南京九校等5所学校先后建立了学生近视防控教室，取得了良好效果。目前，北京市海淀区、西城区、辽宁省大连市、内蒙古乌兰浩特市等地区，都在与永康视光集团合作，开展学生近视防控教室试点工作，并逐步在当地全面推广。

WH311简述地下水位监测实施方法地下水位在线监测系统被广泛应用于地下水深井水位测量，矿山水位计深井测量，地热井水位测量。其测量范围能够达到100米，300米甚至1000米，主要是基于WH311内置超强抗高压高密封性传感器芯片，一体成型结构，三重防雷工艺。信号传输采用级别的抗拉抓力钢丝电缆，确保测量信号能实时的，高精度稳定的输出显示。 地下水位在线监测设备 监测液位温度，液面到泵端水位变化的连续测量 　　WH311地下水位在线监测系统工作原理： 　　 WH311地下水位在线监测系统根据压力与水深成正比的静水压力原理，运用水压敏感集成元器件做深井水位测量仪传感器探头，当传感器探头固定在水下某一测点时，该测点以上水柱压力高度加上该点的高程，即可间接测量出水位高低（水面到井口的距离）；直接测量出的是传感器探头以上深井的液位实际高度。   　　WH311地下水位监测仪主要技术指标   　　WH311地下水位监测仪生产工艺： 　　 深圳市东方万和仪表有限公司引进欧洲的三重防雷，和六道防水工艺，保证了长期深井水下工作的IP68防护等级。   　　WH311地下水位监测仪产品特点 　　1、特别适合深井或地下水位监测 　　2、采用静压式原理，激光标定零点、满量程 　　3、厂级别铠装钢丝电缆 　　4、三重防雷模块，保障野外测量更安心 　　5、液位温度一体式，可同时测量温度和液位 　　6、量程可做到1000米深井液位测量 　　WH311地下水位监测仪应用 　　1实时监测深井地下水的实际水深，然后低位停泵（防止深井泵空转烧坏）。 　　深井液位监测因为其测量的特殊性,超声波等非接触的无法有效传输信号,磁翻板,气泡式无法做这么深的量程,故只有选择WH311投入式深井液位探头,保证在1000米水下(承受100Bar水下压力还要保证密封性). 　　 WH311地下水位监测仪信号传输采用级别的聚氨酯钢丝电缆(放的过程中,一定要注意对电缆的保护),确保测量信号实时的,高精度稳定的输出。然后显示器会有两个继电器开关量输出，在低位的时候（这个值用户可以根据工艺自行设置）自动停泵。 　　地热温泉井温度液位一体式测量 　　很多地热温泉井需要实时监测实时的液位和温度变化，WH311-DZ温度液位一体式测量仪根据地热温泉井的特性而特殊设计，温度液位一体式探头直接传输温度和液位双信号，双4-20mA传输也可以RS485通讯协议输出。配套WH6双通道显示器，上面实时显示水位，下面实时显示温度。 　　WH311地下水位监测仪获得了欧盟，美国等多国认证 　　应用案列分析： 　　 东方万和仪表的工程师帮助了贵州地质局，吉林大学地球学院，新疆地震局等数十家用户实现了深井液位实时监测和低位停泵功能。 　　SGS通标标准技术服务有限公司（通标、SGS中国、SGS通标）是全球公认检验、、测试和认证机构，WH311地下水深井水位测量仪通过了SGS通标的校准证书，证书编号：200006512，证书记载东方万和WH311的误差为0.009mA,实际精度超过千分之一，达到了万分之六误差范围之内。 　　 东方万和仪表的工程师帮助了中铁四局，中国建筑第二工程局，葛洲坝南京地下空间等数十家用户实现了水位实时监测并带记录功能，数据可以用U盘直接导出。现在我们重点分析一下葛洲坝南京地下空间记录监测方案 　　WH311地下水位监测仪拥有了很多用户，从2013年到现在6年间，就已经有超过100000家用户选型WH311水位测量仪，解决深井液位显示报警的问题。东方万和仪表先后为贵州地质局500-1000米深井液位监测系统，武汉地震局80米地下水位监测项目，清华大学，吉林大学地球学院地下水深井液位监测.万和仪表致力于给用户工程师提供高精度,高稳定的测量方案，为用户解决深井液位测量难的问题。

可以量产/n该项目公开了一种基于共变正交和神经网络的网络流量预测方法，该方法首先确定神经网络参数，再利用神经网络参数进行网络流量计算。基于共变正交原理的流量预测方法可以有效的预测网络中的流量变化趋势，但对流量数值的精度预测上还有较大差距；基于神经网络的流量预测方法由于其无法准确描述网络流量的特性，因此在预测流量的变化趋势上效果一般，但在流量数值的精度预测上比较有效。该发明将这两种流量预测方法有机的结合起来，设计了一种

本发明公开了一种反馈型人工神经网络训练方法及计算系统, 属于神经网络计算领域。一种人工神经网络训练方法，突触权重根据 神经突出两端的前馈信号和反馈信号调整，当神经突出两端分别为兴 奋前馈信号和兴奋反馈信号时，该突出权重调整到最大值，当神经突 出两端分别为静息前馈信号和兴奋反馈信号时，该突出权重调整到最 小值；一种反馈型人工神经网络计算系统，节点电路包括计算模块、 前馈模块和反馈模块，节点电路通过忆阻器模拟的神经突出相

本发明涉及一种基于 RBF 神经网络的电缆接头导线温度预测方法。本发明主要分以下 4 个步骤：1） 样本数据采集：实时测量与电缆接头导线温度有联系的关联因素（环境湿度、环境温度、护套温度、接 头处绝缘层温度、触头温度和各种表皮温度）；2）网络训练：首先对 1）采集的数据进行预处理，划分 训练数据和预测数据，然后设置各种参数，创建网络，最后进行数据预测；本发明将神经网络技术应用 到电缆接头导线温度预测中，对电缆接头导线温度在线实时监测与故障分析有较好的作用。 

一种基于动态哈密顿积的神经网络实现方法，其特征在于，包括以下步骤：首先，设计输入特征驱动的动态核生成机制，根据样本特性自适应调整卷积核参数，实现多尺度、多方向特征的细粒度提取，充分发挥四元数表示的空间感知优势；其次，构建符合四元数几何特性的整体激活函数，通过超复数空间中的非线性变换保持通道间旋转缩放关系，避免传统分量式激活导致的关联性断裂。本专利提出的动态卷积根据输入样本的特征动态生成卷积核，使得网络能够针对每个输入样本动态调整其卷积核。这种灵活的调整机制不仅增强了模型的表达能力，还使其能够适应不同输入的特征，提取更具细粒度的特征。

本发明公开了一种基于多元数据增强超图神经网络的抗癌药物协同预测方法，涉及生物医学数据挖掘领域，该方法包括将包含全部的药物‑药物‑细胞系三元组数据集分为第一集合和第二集合，然后执行训练阶段和测试阶段；所述训练阶段用于基于第一集合得到分子图的药物结构数据，以及细胞系的基因表达数据，进行嵌入的学习并完成对协同效应预测器的训练；所述测试阶段用于基于第二集合得到分子图的药物结构数据，以及细胞系的基因表达数据，进行嵌入的学习以获得节点嵌入，并根据获得节点嵌入和训练完成的协同效应预测器完成预测。本发明不仅可以帮助临床医学发现用于癌症治疗的新型协同药物组合，而且能够助力发现抗癌药物协同作用的潜在机制。

本发明公开了一种基于神经网络模型 BP 算法的嵌入式矿压检测方法法，首先根据根据待检测区域的地域情况，采用多个振弦式压力传感器进行测量；然后 ARM7 处理器根据系统任务个数建立相应的进程；最后在建立的任务中打开定时器，输出一个固定在某一频率范围内的脉冲，经过驱动激振电路，产生一个能对振弦式压力传感器内部振弦起振的信号，同时使用 ARM7处理器对振弦式压力传感器返回的脉冲信号进行频率测量，计算得到压力值，最后，利用温度传感器采集振弦周围区域的温度，采用 BP 算法建立神经网络模型，利用神经网络模型对得到的各组压力数据及采集的温度数据进行学习，并根据神经网络模型找出压力随温度的变化规律，对振弦式传感器进行温度补偿。

本发明公开了一种认知无线电中基于自组织映射神经网络的恶意用户判别方法，本发明利用自组织映射(简称SOM)神经网络学习输入能量矩阵的分布特征，并根据学习结果对输入量进行有效的分类。首先引入“可疑度”的概念，其大小根据每次训练后每种类别所包含的次级用户的个数进行分配。为了消除传统的SOM神经网络的缺陷，本发明进一步提出了“平均可疑度”的概念。具体步骤包括：获得能量矩阵，利用SOM神经网络算法对能量矩阵进行训练得到分类矩阵，计算每个次级用户的“可疑度”，构造索引矩阵并重复训练过程，并将每次得到的“可疑度”取平均值，即“平均可疑度”，并利用“平均可疑度”对次级用户进行分类，识别出恶意用户或是正常用户。