以“线下项目实施 + 线上工程仿真 + 远程系统部署”的模式，引入业内成熟、前沿的开源解决方案，在线实现AIoT项目从0到1实施落地的全过程。

面向人工智能专业方向理论和实验的云教学平台，融合了Jupyter Notebook实验平台和教学资源中心两大模块。提供开箱即用人工智能编码实验环境，使教学过程高效、便捷。

启明AI防作弊在线考试平台 点滴投入，轻松考试     核心功能   在线考试 360°智能监考：精准识别环境异常、照片/真人替考、虚拟摄像头等； 本地环境监控，屏键锁定、热键屏蔽、远程协助工具屏蔽； 人脸识别，身份认证，活体检测，考中抓拍； 视频监控，手机监控，双机位或三机位监考； 随机抽题，小题乱序，选项乱序，一人一卷。 高中低三挡监考策略； 考中可通话、可求助； 云端巡考，监控大屏鸟瞰实时考场； AI监考，智能预警；作弊排查，违规记录存底可追溯。 功能稳定：集中统考、随到随考，随机组卷，支撑安全稳定的10万+并发考试。 故障防备：考中异常中断，作答实时保存，实现断点续考。 统计分析：统计考试的总人数、参考/缺考/及格人数、考试排名等多维度信息。   制题组卷 题库管理：强大题库管理，支持全试题模型（文字、图片、表格、公式、音频等），单题/批量录入，在线/离线录入，录入、编辑、审核、组卷、检索操作简单，试题与成绩关联，记录试题版本和使用次数等。 智能组卷：手动组卷/自动组卷，单套/批量组卷，可按题量、分数、题型结构、知识结构、难度系数等多重模式组卷，简单组卷、精确组卷、蓝图组卷。 高效输出：试题试卷可预览、可修改、可导出，可一体化输出线下印刷，也可联通线上网考。   网上阅卷 在线管理：阅卷进度、阅卷质量全监管，监管与阅卷线上协同，科学化管理。 高效阅卷：客观题自动判分，主观题在线评阅；键盘给分、鼠标给分、轨迹给分；智能回评、问题卷提交；可看标答；评卷轨迹可追溯，复核可定义题位；自动加分、登分、统计。 统计分析：题目得分、题类得分；平均分、最高最低分、得分率、标准差；其他统计指标。 信息查询：查询考生答卷信息（答题、得分、评分等）；查询阅卷进度、分科目阅卷进度、老师阅卷情况等。   产品优势   制题组卷 系统化：对题以资料库的概念进行整合，能精准识别各类试题。 全题型：文件、图片、表格、音频等试题模型都可以得到支持。 多维度：可对试题进行多种属性定义，如难易度、章节等；且能按需生成多套试卷。 高效率：支持批量导入、批量组卷，自动组卷，在线预览，快速导出。 超专业：多种组卷模式，可按试卷结构/题量/章节/知识点/难度进行蓝图组卷，按试卷结构/大小题/分数/题量进行精确组卷，按照试卷总分/题型题数/抽取规则进行简易成卷。   在线考试 最新的线上监考技术：四级监考策略灵活选择。自研监考系统，AI智能监考，主动识别预防作弊。利用人脸识别、行为识别等最新技术，自动捕捉记录考中的违纪情况。 监管更加精准：窗口防作弊控制，多屏实现360°无死角视频监控，一个主机摄像头针对一个人，同时支持手机机位视频监控。 防泄题防作弊：支持考生端远程环境检测，考生端屏键双锁，随机抽卷/小题乱序/选项乱序/逐题作答。 安全验证全程护航：网考环境复杂多变，为保证数据安全，采用基于人工智能，融合人机区分技术，层层过滤风险，全程护航。   网上阅卷 快速高效：客观题自动判分，帮助管理者快速完成大规模考试，主观题智能整理，降低对人工操作的依赖，提高阅卷工作效率。 超强容错：考试过程中发现试题或答案问题，可以及时纠正，不影响后续考生作答。 稳定安全：系统分权限进行用户操作和系统管理；确保阅卷信息不外泄，在互联网环境下采用高等级的安全防护措施。  

 在本研究工作中，该团队利用信息论和统计物理两个领域中熵的相关理论，对网络结构预测极限进行了研究。直观地说，一个可以仅用几个词描述的网络结构意味着它很简单，其边也很容易预测。例如二维晶格或一维链状结构。相反，如果一个网络需要很长的语言才能描述清楚，那么它应该具有非常复杂的结构，其结构很难预测。在计算机领域，任何网络的结构都可以被编码成二进制字符串。这启发了团队探寻最短二进制编码字符串长度，也就是熵，和可预测性之间的关系。       通过研究，该团队发现来自不同领域，很多大小不一的网络，其结构的最短压缩长度和可预测性之间存在一个普遍的线性关系。基于香农信源编码定理，该团队在随机网络上证明了这种线性关系。       进一步，利用这一线性关系，该团队推导出网络结构预测算法的性能上界，揭示出包括机器学习在内的预测算法性能尚存在多大的提升空间。因此，该性能界可用于指导未来在线商业推荐系统、蛋白质相互作用探测等场景中的算法设计。另外，该理论的一个有趣的用途是，可以实现在无需任何预测算法的情况下，通过网络结构压缩数据大小来估计一个网络数据集的商业价值。 

1、将课堂班级转变成学习型社群；不仅有学习活动的互动、交流；也有学习资源、信息的分享，满足课前备课设计，课中互动教学，课后作业巩固等全流程设计； 2、协助教师突破传统教学限制，实现混合式、翻转式、交互式等创新教学策略； 3、提升教师教学质量、激发学生学习兴趣； 4、为学校提供完整解决方案，达成「教、学、管、评、测」一体化的教育信息化建设目标。

本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。

本平台实现交通数据的可视化、预测、关联性分析

西安电子科技大学计算机科学与技术学院智能软件与系统新技术研究所副教授张亮团队依托上海瑞金医院、西安交通大学第二附属医院等的新冠肺炎疑似、确诊患者肺部CT影像，通过综合分析新冠肺炎患者的肺部CT影像特点（磨玻璃、体积大小、位置等特征），张亮团队加快技术攻关，设计开发了基于深度学习的新型冠状病毒的早期检测筛查模型系统。

本发明涉及一种基于机器学习的空间数据匹配方法，包括四个步骤:1)自动生成匹配训练样本，2) 通过机器学习建立分类器模型及其参数，3)应用分类器模型对输入空间数据进行目标匹配，4)顾及逻 辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多 种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性，匹配精度较加 权平均方法更高;匹配模型基于样本数据学习建立，数据的自适应性较高;建立模型的典型样本数量少， 可大规模应用;利用空间数据的内在几何信息，无需额外属性信息，使用准入性低。