|
搜索
搜 索
高等教育领域数字化综合服务平台
发展中国家科学院院士名单公布，6位大陆学者入选！
共增选出47位发展中国家科学院院士。
云上高博会
2023-11-02
2024年度国家自然科学基金项目申报时间定了！
2024年国家自然科学基金集中接收工作于2024年3月1日开始，3月20日16时截止。
国家自然科学基金委员会
2024-01-10
专家学者齐聚山城 共话学习科学与人工智能如何赋能职业教育
11月16日，学习科学与人工智能赋能职业教育学术交流会在重庆顺利召开。
中国高等教育博览会
2024-12-03
关于印发《黑龙江省野外科学观测研究站管理办法》的通知
为深入贯彻落实《国务院关于全面加强基础科学研究的若干意见》（国发〔2018〕4号），加强和规范黑龙江省野外科学观测研究站（以下简称省野外站）的建设和运行管理，根据《国家科技创新基地优化整合方案》（国科发基〔2017〕250号）《国家野外科学观测研究站管理办法》（国科发基〔2018〕71号）和《黑龙江省关于的实施方案》等有关规定，结合我省实际，制定本办法。
黑龙江省科学技术厅
2024-11-12
清华大学地球系统科学系发布新一代地球观测数据与制图成果
清华大学地球系统科学系举行新一代地球观测数据与制图成果发布会。清华大学理学院院长、地学系主任宫鹏教授和博士研究生刘涵一起，对外发布了清华大学基于亚马逊云服务（AWS）完成的新一代中国地区地球观测数据集（Seamless Data Cube，简称SDC）——2000——2018年30米分辨率逐日无缝遥感观测数据，以及在此基础上研制的中国逐季节地表覆盖和逐年土地利用制图成果。
清华大学新研制的无缝数据集，填补了高空间分辨率和时间频率观测的空白。
目前世界上主流的地球观测卫星Landsat每16天才能对全球扫描一遍，所获得的数据集是不完整的。宫鹏团队采用时空遥感技术手段和MODIS图像辅助研发的无缝遥感观测数据集Seamless Data Cube，使得每一天都有一套完整的全球30米分辨率的观测数据。正是这些逐日数据，使得地球长时间观测序列有了很好的时空一致性。基于无缝数据集，宫鹏团队提取了30米空间分辨率土地覆盖变化的情况，设计和训练了一套适应遥感大数据的深度遥感特征学习和分类模型，最终得到了世界首套中国逐季节土地覆盖和逐年土地利用制图（从2000年到2018年）。
无缝遥感观测数据集SDC以及逐季节土地覆盖和逐年土地利用制图，开辟了中国卫星遥感数据处理和信息提取的新范式。它能够服务于国民经济众多行业，比如农业集约化和土地闲置的监测、城市化与自然植被丧失的识别、土地退化和粮食安全、环境变化与健康、造林和土壤含水量的关系、城市扩张与热岛效应等研究以及碳储备等。
无缝遥感观测数据集SDC有助于打造世界顶级的在线制图服务的平台，并产生新的数据产品。例如，清华大学地学系依靠这个数据集研发了全球粮食估产模型，输入不同地方的作物种植和气候预测数据，就可以提前两个月估算出全球粮食产量情况。
无缝遥感观测数据集（Seamless Data Cube）得到了亚马逊云服务（AWS）的大力支持。据AWS技术人员介绍，宫鹏团队采用AWS云服务算力，相当于全世界现在TOP200的高性能计算机所能提供的能力。AWS并不简单地提供储存和数据服务，而是在云服务里就包括了人工智能与机器学习的计算框架，采用AWS云服务后，地表覆盖制图的精度提高了10——20%。
清华大学
2021-04-11
重庆市科学技术局 关于征求《重庆市自然科学基金创新发展联合基金项目管理办法（试行）（征求意见稿）》意见建议的公告
为规范和加强重庆市自然科学基金创新发展联合基金项目管理，引导基础研究多元化投入，促进我市基础研究发展，根据《重庆市自然科学基金项目管理办法》，参照《国家自然科学基金联合基金项目管理办法》有关规定，市科技局牵头起草了《重庆市自然科学基金创新发展联合基金项目管理办法（试行）（征求意见稿）》。
重庆市科学技术局
2022-04-18
中国科大在新一代神威超级计算机上首次实现全球公里尺度大气物理-化学全耦合数值模拟
初步揭示了全球高分辨率大气物理-化学耦合模拟能显著改善极端天气事件预报的准确性，展现出高空间分辨率和耦合化学反馈效应对数值天气和空气质量预报的重要意义，对预报极端和高影响天气、以及大气污染事件具有重大应用前景。
中国科学技术大学
2022-06-02
哈尔滨工程大学水下移动式控制平台等设备采购项目竞争性磋商公告
哈尔滨工程大学水下移动式控制平台等设备采购项目竞争性磋商
哈尔滨工程大学
2022-06-08
支持大数据理解的头戴式无障碍呈现技术装备与云服务平台
一、项目简介 当前虚实融合技术面临的重大挑战可以归结为以下两个关键科学问题：（1）非配合虚实环境的无缝融合与交互自然呈现。（2）云环境下虚实融合环境的语义理解、统一表达与应用软件快速定制。为解决上述两个关键科学问题和技术瓶颈，本项目重点研究了自然虚实融合呈现的硬软件技术和装置，构建虚实融合应用流程框架和规范，创新云软件定制和服务模式，实现应用示范。充分利用移动、穿戴式设备的多传感器优势以及云端结合方式进行三维结构的重建、语义标注、识别理解与信息关联。 二、前期研究基础 目前已发表论文10篇，包括4篇期刊论文等（包括TIP、TMM等权威期刊论文）。申请专利3 项。 三、应用技术成果 1）基于搜索的图像深度估计，相对误差低于传统方法，对训练集的需求小于基于深度学习的方法。 Make3D数据集的深度估计结果2）基于双模深度玻尔兹曼机（DBM）的三维场景物体检测框架，给出了RGBD训练数据不足的难题，流程如下 3）基于序列约束的哈希算法在不同比特率情况下均取得了很好的效果。 在LabelMe和Tiny100K上使用不同哈希比特率的效果
厦门大学
2021-04-11
基于工业领域企业级数据中台的全生命周期透明生产管控平台
自疫情发生以来，对于劳动密集型的制造业企业来说，尽可能减少工人聚集和交叉接触成为企业复工复产的重要保障。但在生产经营活动中，必要的沟通、协同、信息互通和反馈指导不可避免，这其中涉及了离散制造的多个部门（销售、采购、计划、生产、仓库、财务等）、多个生产工序以及多个工种。北大信息技术高等研究院智能工厂实验室利用工业领域企业级数据中台的优势，全面整合企业生产经营环节的关键数据，并利用数据智能对齐、行业知识图谱等关键技术，实现面向制造业的全流程可溯源的透明管控线上生产链，迅速帮助企业集中获得每一个线下关键生产环节的实时进度，并且能够细化到订单、生产设备、运行情况等细节，同时根据挖掘算法提供有效的智能辅助决策建议，在高效保障生产经营管控的同时，最大化地减少不必要的人员聚集，实现数据中台的指挥室作用，快速实现复工复产，有效提升生产效能。 拟解决的核心问题： 1、无法在生产环境外远程下单，下单效率低； 2、工厂远程管控困难，无法掌握订单的详细生产进度，并预测交期，难以面向JIT及时交货； 3、对生产缺少全维度统计掌握，需要跨系统反复查询； 4、在线实时分析困难，缺少必要的预测辅助参考； 5、生产环节无法自下而上进行反馈； 6、多源异构数据融合困难； 7、缺少人工智能的辅助决策。 预期实施效果： 1、移动端远程下单，基于混合云架构，实现内外网数据互通； 2、移动端跟单进度，多源异构数据融合，实现生产环节全流程线上实时可见； 3、生产数据实时监控，关键指标实时汇总，实现工作进度量化可见； 4、形成线上闭环数据看板，在线辅助指导生产经营； 5、沉淀大数据资产，形成工业领域企业级数据中台； 6、实现订单生产智能逾期预警、订单销量智能预测、原材料动态库存优化。
北京大学
2021-02-01