产品详细介绍 产品功能特色： 高清画面视觉呈现 支持1080P、2160P高清分辨率，画面彩耀若晶，细节精彩毕现，带给观众更细腻的视觉体验。   高端大气的外观 全铝合金边框，尽显高端品味和金属质感；工业级专业结构设计，保证长期坚固耐用；4mm全钢化防炫光玱璃，防刮防撞，可水擦清洁。   影院级视听体验 采用前置出声设计，内置高保真扬声器，可满足80m多媒体教室的视听要求，无需外接音响就能享受震撼视听体验 。   智能双系统 模块化设计 Windows和Android双系统无缝切换，双系统均可独立实现白板书写、课件及多媒体播放；内置电脑采用模块化设计，维护超简单。   全触控+全书写 所有功能菜单和信号通切换全部可以在屏幕上直接操作，简单实用，极大的方便了电教老师的操作和使用。   多重节能 绿色环保 智能环境光感，屏幕亮度随环境光线变化而变化； 智能护眼功能，书写时屏幕亮度降低，保护视力； 一键节能功能，可一键关闭屏幕背光； 智能温控，有效监控、预警、降温保护。 端口设计：  1.视音频输入接口：TV；VGA；CVBS；YPbPr/YCbCr；HDMI； 2.视音频输出接口：CVBS；VGA；AUDIO OUT； 3.数据接口：RS-232；USB 2.0；USB 3.0；USB TP； RJ-45； 4.PC接口：RS-232； USB； HDMI；VGA；MIC；耳机；RJ-45；内置WIFI； 触摸性能：  1.多点触控，真6点以上（含6点）； 2.红外触摸屏系统通讯端口：USB； 3..响应速度：4 ms   4.线性误差：1 mm； 5.触摸次数：无数次抗干扰、抗强光干扰； 熊猫简介：       南京中电熊猫家电有限公司隶属于世界500强企业。中国电子信息产业集团有限公司，由中国电子熊猫集团直接管理的一家以研发，生产和销售家用，商用多媒体显示产品为主，能提供产品硬件，软件支持及电子信息化教育整体解决方案，拥有完善的售后服务体系的综合性品牌企业，2009年，中国电子全面地启动平板显示产业发展战略，中电熊猫引进夏普技术高世代液晶面板生产线。南京中电熊猫家电有限公司已成为中国平板显示产业链终端环节的重要平台。

产品详细介绍 我司推出全新便携式短焦前投互动一体机，一体化设计，携带方便，操作简单，是学校、招生单位等的良好选择。

XM-113人体体表、人体骨骼与内脏关系模型   XM-113人体体表、人体骨骼与内脏关系模型显示男性全身骨骼的组成和形态外观，由男性全身散骨串制而成一整体骨架，成直立姿势，体表由透明亚克力板吸塑而成，通过透明的躯壳体表可观察全身骨骼、胸、腹、盆腔内脏器官的相互毗邻位置和关系，整体固定在支架上，带底座，可灵活移动。 尺寸：高85cm 材质：PVC材料

XM-109人体骨骼附肌肉起止点着色模型（带数字标识）   XM-109人体骨骼附肌肉起止点着色模型(带数字标识)显示男性全身骨骼的组成和形态外观、神经分支、脊椎动脉和腰椎间盘等，由男性全身散骨串制而成一整体骨架，成直立姿势，四肢大的关节部分均可活动，其中一侧骨骼用不同颜色油漆标识出肌肉起止点位置，头颅含可活动的下巴、可移动的头颅盖、骨缝线和三颗可取下的下牙，其中四肢骨和头颅骨可以灵活拆卸组装，整体固定在支架上，带底座，可灵活移动，共有164个部位数字指示标志及对应文字说明。 尺寸：自然大，高170cm 材质：PVC材料

XM-411人体浅层淋巴和浅静脉分布模型   XM-411人体浅层淋巴和浅静脉分布模型可拆分为2部件，显示人体浅淋巴及浅淋巴管的回流、浅静脉的分布情况。 ■ 右半侧显示浅层结构： · 颈外浅静脉及其属支、上肢的头静脉、颈外静脉和前臂正中静脉、下肢的大小隐静脉及其属支。 · 颈浅淋巴结、肘淋巴结、腹股沟浅淋巴结的分布位置及它们的收集范围。 ■ 左半侧显示下列结构： · 颈深淋巴结和腋淋巴结的配布以及它们各收集的范围。 · 显示人体左半侧的浅层肌肉的位置形态。 ■ 尺寸：1/2自然大，35×23×82cm ■ 材质：玻璃钢材料

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

东南大学分析测试中心聚焦离子束双束系统采购 招标项目的潜在投标人应在微信公众号“苏美达达天下”获取招标文件，并于2022年06月16日 14点00分（北京时间）前递交投标文件。