系统以“学、教、练、考、管、评”的设计理念为依托，基于多学科、高质量、成体系的资源优势，满足全时段数字化教学、自主学习和标本考试需求，形成全场景应用的形态学数字化教学体系，满足师生全流程教学应用。

知行医苑在线3D医学教学平台,主要用于查看医知苑虚拟三维数字资源，所有3D模型结构均可任意角度旋转、缩放和移动；隐藏、透明、菜单等功能，医知苑平台包含：3D人体解剖虚拟模型、3D人体解剖实物标本、3D人体小微结构解剖，中医穴位3D数字人、病理学3D虚拟模型、病理学3D大体标本、组织学3D虚拟模型、生理学3D模型、细胞生物学3D模型、病原生物学3D模型、动物解剖3D模型，各学科数字全景切片、动画/视频等丰富的教学资源，平台包含上万个数字资源。 《人体解剖学》 包含系统解剖、局部解剖、3D断层解剖、3D模型断面解剖、小微结构解剖、CT/影像、标本图片、3D动画/视频、3D实物标本模型九大部分。 3D人体解剖截图 3D人体实物标本截图 小微结构3D解剖 《运动康复学》： 包含：肌肉起止点、肌肉扳机点高清图、关节曲、骨性标志、运动系统动作分析、运动系统病理分析、3D动画部分。 肌肉起止点 关节曲   运动系统动作分析 《中医针灸学》： 1、中医针灸学系统包含男女两套中医穴位模型，包括十四经络和经外奇穴 中医穴位模型 《病理学》 包含病理学数字切片、病理学3D虚拟模型、病理学3D大体标本模型、病理学高清标本图、病理学切片微视频、病理学3D动画六大部分 数字切片 病理学3D虚拟模型 病理学3D大体标本 《组织学》 包含组织学数字切片、组织学电子显微切片、组织学3D模型、组织学微视频四大部分 组织学数字切片 电子显微切片 组织学3D模型 《胚胎学》 包含虚拟人类3D胚胎解剖、胚胎学3D虚拟模型、胚胎学3D正常标本模型、胚胎学3D畸形标本模型、胚胎学3D动画、胚胎学数字切片六大部分 3D胚胎解剖 3D虚拟模型 3D正常标本模型 《寄生虫学》 包含寄生虫数字切片、寄生虫3D模型、寄生虫3D动画三大部分   寄生虫数字切片 寄生虫3D模型 《微生物学》 包细菌学3D模型、病毒学3D模型、细菌学动画、病毒学动画、细菌病毒电子显微高清图五大部分 细菌学3D模型 病毒学3D模型 电子显微高清图 《细胞生物学》 包含细胞生物学3D模型、细胞生物学3D动画模拟机制、细胞生物学镜下视频三大部分 细胞生物学3D模型 医知苑-3D医学数字化教学平台网址：http://3d.xd-zxyy.com

职站是一款辅助院校教开展专业实训教学的云智能平台，可满足实训教学的教、学、练、考、赛的全场景需求，为院校打造具有专业特色的智能云上实训室。平台设计遵循着极简、高效、灵活的理念，可帮助院校老师0门槛开展实训课程，每个实训都有配套的学习资源和实训项目，支持自定义发布考核和练习，内置AI智能判分和大数据追踪统计分析，可多维度客观评价学生学习情况，并且通过可视化的图表和实验报告直观展示师生的教、学成果，可帮助院校高效，便捷地开展实训教学工作，实现实训教学的数字化、智能化升级。   特色亮点   金融+科技+大数据 平台集成有30+款产品，可满足计算机、大数据、金融，金融工程、金融科技等相关专业开设实训课程。院校可自主选择：3D银行综合、担保，Python程序设计 、经济金融建模实验、数据清洗、数据可视化 、量化投资策略建模 、大数据分析、金融随机过程、Python数据采集、区块链交易所等等。可满足计算机、大数据、金融，金融工程、金融科技等相关专业开设实验课程。 沉浸式岗位模拟与案例实操 平台采用项目化教学，通过经典案例和仿真场景让学生亲身体验理论在实践中的应用，学会灵活运用所学知识解决实际问题，提升自身的职业实操能力。 大数据统计分析 大数据追踪每个老师、学生的教学和学习情况，并进行统计分析形成可视化的图表，还支持依据不同维度进行展示，轻松实现实训教学可视化和可量化。 云上实训室 随时随地，无需安装部署，只需登录网站即可使用实验课程资源，可满跨专业跨校区，不同教学场景下的教学需求。 资源融通共享 学校可自主打造自己的精品课程中心，老师可以在这里创建优质的课程，支持视频，课件，教案等不同格式的教学资源上传，让全校甚至全国师生共同学习一起分享。 跨专业交叉实训 平台可支持定制化的跨专业交叉实训课程，依据院校新学科建设和复合型人才培养的需求，将多学科实训项目融合，帮助学生实现多学科思维融合、产业技术与学科理论融合、跨专业能力融合。  

产品详细介绍上海景瑞全自动录播系统使用混合定位,其中： 老师：图像跟踪定位 学生：声音跟踪定位 通过图像分析确定老师的位置，实现定位。特点： 1. 通过判断老师的走动速度，自动调节云台摄像机的转动速度，画面平滑无抖动； 2. 通过老师的手势识别，判断是否在板书，给予板书特写； 声音定位： 不同于图像定位是基于身高的判断，声音定位可以更准确定位学生位置： 1. 适用于任何场景，它可以在学生不起立、全起立、阶梯教室等开放的场景下准确定位发言学生的位置，快速给予学生特写镜头； 2. 美观简洁：图像识别需要在教室四周部署多个辅助摄像头，而声音识无需部署任何辅助摄像头，教室整体美观简洁。

D2D 异构网络技术（即终端直通技术），不需要通过基站或核心网进行数据中转和处理，只需在移动终端之间建立通信链路即可直接传输数据，为突破上述技术瓶颈提供了一种新型的网络架构。目前，D2D 技术已被IMT-2020（5G）推进组确定为第5代移动通信系统的关键技术之一。然而，D2D 通信无线资源分配方面的研究，必须考虑能量效率和能量使用的优化。由于移动终端的电池容量有限，一旦忽视数据传输中对能量效率的优化，将使得数据传输由于能量枯竭而中断，重要信息无法及时传达，严重影响服务质量和用户体验。针对4G 智能手机的用户调查结果表明，只有不到25%的用户对手机续航时间表示满意，手机续航时间已经成为影响用户满意度和品牌忠诚度的关键因素之一。 　　课题组深入研究了频谱效率和能量效率之间的内在关联，其研究结果表明，在考虑实际电路功率损耗的情况下，频谱效率和能量效率不再是简单的单调递减关系，而是随着频谱效率的增加，能量效率呈现先单调递增后单调递减的特性。通过上述分析可以看出，如果一味追求高频谱效率和高吞吐量，将会带来移动终端能量效率的大幅度下降。因此，课题组针对D2D异构网络频谱资源复用的复杂场景，将针对能效最优的NP难联合资源分配问题转换为用户偏好下的随信道状态和干扰水平而动态变化的一对一匹配问题，并通过采用稳定匹配理论、非合作博弈理论、非线性优化理论来解决能效优化问题。研究结果表明，在保障QoS情况下，相比传统的高谱效资源分配方法，该方案可以将移动终端的功率消耗降低200%以上。，本项目的核心研究方向正是将节能减排战略方针落实到移动通信的基础研究领域中，与国家中长期科技发展方向和国际通信产业长期发展趋势相一致，将在技术、环境和经济等多个方面具有重要的研究意义和实用价值。 　　 课题组负责人周振宇自参加工作起即投入到异构网络资源分配、干扰协调、移动性管理、自组织组网等方面的研究工作中，作为项目负责人，先后主持了多项国家级、省部级科研项目，包括国家自然科学基金青年科学基金项目、北京市自然科学基金青年科学基金项目、北京市优秀人才计划项目等，积累了深厚的理论基础和丰富的研究经验。以 第 一 作 者 和 通 信 作 者 在 IEEE Transactions on Communications 、IEEE Transactions on Vehicular Technology、IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Green Communications and Networking、IEEE Journal on Selected Areas in Communications、IEEE Transactions on Industrial Informatics等通信领域主流期刊发表论文30 余篇，在IEEE ICC、IEEE Globecom 等通信领域旗舰会议发表文章30 余篇，其中2 篇论文入选ESI 高被引论文。 　　其研究工作已被 Prof. Zhu Han（IEEE Fellow）、Prof. Weihua Zhuang（加拿大工程院院士、IEEE Fellow）、Prof. Sherman Shen（加拿大工程院院士、IEEE Fellow）、Prof. Vincent Poor（美国科学院院士、加拿大科学院院士、英国皇家科学院院士、IEEE Fellow）、Prof. Andreas Molisch（奥地利科学院院士、IEEE Fellow）、易芝玲教授（中国移动研究院首席科学家）以及JSAC、IEEE Transactions on Wireless Communications、IEEE Communications Magazine 等通信领域顶级期刊引用和正面评价。荣获IET Communications 最佳期刊论文奖（the IET Premium Award in 2017，每年在全球范围内仅选拔1 篇）、IEEE 通信协会绿色通信与计算专委会最佳论文奖（IEEE ComSoc Green Communications and Computing Technical Committee 2017 Best Paper Award，在IEEE Globecom 2017 会议上颁奖） 　　目前担任 IEEE Access、Transactions on Emerging Telecommunications Technologies、IEEE Communications Magazine 等国际学术期刊的编辑及客座编辑，担任IEEE ISADS’15 智能电网通信与网络技术专题研讨会联合主席，担任IEEE Globecom、IEEE ICC、IEEE WCNC、IEEE VTC、IEEE PIRMC、IEEE CCNC、IEEE APCC 等国际学术会议的技术委员会委员。在国际标准化方面，担任IEEE 异构网络授权/非授权频谱融合标委会工作组骨干成员（IEEE Standards Association, P1932.1 Working Group, “Licensed/Unlicensed Spectrum Interoperability in Wireless Mobile Networks”）。应邀在IEEE 车辆技术协会旗舰会议IEEE VTC’18 上作Tutorial 报告（报告题目：Internet of Vehicles: When SDN, Edge Computing and Big Data Meet Intelligent Transport Systems）。2016 年入选北京市委组织部“北京市优秀人才计划”，2017 年入选IEEE 高级会员（IEEE Senior Member）。 　　该研究由中国国家自然科学基金委项目61601180和61601181，中央高校基础研究基金资助项目2014MS08和2016MS17，日本学术振兴会JSPS KAKENHI 26730056， JP15K15976和JP16K00117以及JSPS A3 Foresight等项目资助。

高校科技成果尽在科转云

本发明公开了一种多径网络中基于链路时延控制的软负载均衡 方法。在此算法模型中，决定流量的最佳路径分配时，同时考虑了传 播时延和链路带宽，在无额外开销的基础上，一方面，可以实现最小 化最大链路端到端时延，减小接收端数据包重排序的等待时延；另一 方面，可以使各条链路的端到端时延差最小，因此减小了数据包时延 抖动，降低了数据包进行重排序的风险。数据包进行重排序的风险越 低、等待时延越小，数据包重排序进程带来的时延越小。因此，本发 明提出的算法模型不仅能减小端到端时延，还能减小数据包重排序进 程的时延，进而使得成功传输一个数据包的时延减小，优化多径网络 整体的吞吐量。

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。

本发明公开了一种基于化学和物理交联的双网络纤维素凝胶系材料，该材料包括水凝胶、气凝胶和 生物塑料。在纤维素溶液中加入定量的交联剂并搅拌后先形成部分化学交联的纤维素凝胶，然后将该凝 胶置于纤维素的非溶剂中进行物理交联，经过水洗后得到双网络纤维素水凝胶。由双网络纤维素水凝胶 干燥制备双网络纤维素气凝胶;将双网络纤维素气凝胶在 150?oC 以上热处理后得到碳气凝胶;将双网 络纤维素水凝胶或气凝胶热压制备双网络纤维素生物塑料。本发明制备的双网络纤维素材料具有优良的 力学性能、高的比表面