心理健康信息化综合管理平台（心理健康云平台）是集学校综合管理系统、心理咨询师管理系统、学生测评系统、教师测评系统、家长测评系统等五大子系统于一体，将校长、心理教师、教师、学生、家长多角色进行分类管理的学校心理教育工作综合管理平台，五大子系统通过综合的心理健康网站平台进行集中统合管理。各子系统功能如下：1、学校综合管理系统：包含心理测量管理、心理档案管理、预警管理、数据管理、咨询互动、科研调研、系统管理等功能。1）心理测量管理功能：以班级、年级为单位群体导入包含学生姓名、性别、出生日期、入学日期等基本信息的EXCEL格式的背景资料，建立学生的测评账号；综合管理75个测评量表，可以查阅每个量表的介绍与题目，并进行在线试测；支持量表导出，进行纸笔测试，导出方式为WORD；支持量表组合，教师可根据需要将两个或多个量表组合成一套量表进行统一邦定发放；通过量表邦定群体发放量表；可以自主添加量表，包含量表类别、名称、介绍、指导语、题目、答案等信息。2）心理档案管理：可以以个体或者群体方式查询与导出学生个体档案，包含学生背景信息、测评结果分析、咨询记录、预约记录、留言记录、在线咨询记录等；可以查询或导出以班级、年级、或者任意设置多个班级、多个年级组合的综合分析报告，报告以饼状图、柱状图等图表的方式对测评数据进行分析说明。 系统具备有效性检测功能，对有效性低的无效答卷能自动提示给管理人员。3）预警管理：自动筛查预警学生名单，筛查过程中系统能够自动鉴别有效问卷与无效问卷；可以个性化设置需要筛查的因子范围，自动生成符合该范围的人员名单，并进行导出；针对筛查出的预警学生可以进行危机干预，并进行干预记录，干预完成后可进行个体追踪测评；可以进行多个量表多个因子或者同一量表的多个因子的多维度分析，生成多维分析报告。4）数据管理：可以对群体测评数据进行描述统计、两样本均值差异比较、方差分析；可以对个体进行个体追踪分析，支持个体心理测评结果的图表式横向和纵向比较，用于追踪和比较个体心理的发展变化；支持答题卡群体测评数据导入；支持原始数据导出。5）咨询互动：提供心理咨询互动式管理平台，有在线预约、留言及回复功能，并有保密性强的网上实时在线咨询室、咨询个案记录管理等，能完成心理咨询整个流程工作的信息化；提供团体心理辅导记录管理、心理咨询报表管理。能自动统计咨询数量和问题类型，生成数据报表；6）科研调研：支持自定义调研问卷，自主添加管理调查问卷的类别、名称、介绍、指导语、题目及答案等，可灵活扩展评估项目。系统可分发给学生测试进行数据采集和调研，并能对分数、结果的频率分布进行自动统计等；7）系统管理：支持多用户管理，可以添加管理咨询师用户账号；实现在线数据安全备份；设置测评报告的查阅权限，家长、学生在管理员的授权下方可查看测评报告；进行标签管理，通过标签可对学生群体进行分类查询。8）标签管理功能：管理员可以通过系统定义不同类别标签，定义的标签可以作为查询条件，便于根据定义标签第一时间找到需要干预的异常心理人员。2、学生测评系统：学生凭借测评账号登陆该系统，可以进行心理健康、人格、情绪、智力、学习等方面的心理测量，如“学生心理健康诊断测验”“卡特尔16种人格因素问卷”“MBTI职业性格测试”“青少年人格优势测评”“儿童自我意识测验量表”“父母教养方式评价量表”等。在管理老师授权下可以查看测评报告。系统提供语音读题功能，识字量较低的低年级学生与阅读书写障碍学生也可以根据语音指引自主完成相应测量。可以完成教师为其邦定的调查问卷项目；与心理教师实现在线咨询、预约咨询、留言咨询；具有训练中心，可以进行认知协调训练与放松训练，认知协调训练包含记忆力训练、注意力训练、感知统觉训练、反应训练、思维训练、言语训练等，通过有趣、操作性强的互动游戏完成训练，如架子鼓声音游戏、太空漫步、寻找不一样的色彩、你的反应到底有多快、最强大脑、汉字王等。放松训练通过图片、视频等设置不同类别的训练方案。换肤功能：系统可更换操作界面皮肤，可供用户选择使用。语音播报功能：测评用户登陆软件系统，进入测评页面后，软件能用精确的普通话语音播报用户所选量表的心理测试题目和答案。3、心理咨询师管理系统：为学生发放心理测量量表，查看自己管理的学生档案，管理自己的个体与群体案例记录。与学生进行在线、预约留言回复等咨询互动。4、教师测评系统：教师凭借测评账号登陆该系统，可以进行心理健康、人格、情绪等方面的心理测量，如“症状自评量表”“教师职业倦怠量表”“九型人格测试”“抑郁自评量表”等。5、家长测评系统：无需单独导入家长测评账号，与学生测评账号相关联设置，在导入学生群体账号时默认群体导入家长帐号；可以完成教师为其发放的量表与问卷，在教师授权下查看学生测评报告。6、心理健康网站：包含八大功能模块，如心育动态、心理科普、心灵氧吧、景点案例等，学校可根据自我需要自行定义模块名称与内容；网站具有独立的后台管理，可以发布文章、视频影音、动画等多媒体资料；具有心理咨询案例资源库，可以查阅100个以上不同类型的案例分析；提供认知训练功能，学生无需登录即可进行注意力训练、记忆力训练、感知统觉训练、思维训练、言语训练等；支持自行更换网站皮肤；7、移动端支持：系统支持通过手机及PAD多种移动终端随时随地进行测评使用，支持包括Android与IOS等移动操作系统访问使用，学生或教师都无需登录电脑即可完成测试，测试时间与方式更加灵活。包括管理端、学生端、教师端三种用户端口，实现全部数据手机端与电脑端共享。8、全面安全保障：系统支持多种安全登录方式，包括指纹登录与人脸识别登录。可通过生物数据存储加密，增强系统安全保障。本公司主营心理咨询室、资源教室及生涯教室整体解决方案、心理专业设备研发与销售、特殊教育专业设备研发与销售、职业生涯产品研发与销售及心理培训服务。 公司主页：http://www.sunpsy.com.cn/               详情请联系： 刘经理 13522378192  010-59798196  

产品详细介绍

高校科技成果尽在科转云

本发明提供了一种基于极限学习机的慢盘检测方法及系统，通过对历史磁盘数据进行特征提取，从中选择特征向量进行训练，实现了基于神经网络检测慢盘的方案，优化了慢盘检测过程，提高了慢盘检测准确性并降低了计算复杂度；同时在实际使用过程中，随着历史磁盘数据数量的增加，越来越多的样本被不断训练，模型精度越来越高，进一步提升了准确率，保证了数据存储系统始终处于最佳工作状态。

随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析

本发明公开了一种数控加工状态自学习的刀具磨损监控系统，结构为：刀具磨损规律学习库存储刀具学习磨损规律；数据获取与判断模块将伺服驱动电流数字信号提供给数据处理模块，进行格式转换并保存为监控电流信号；特征提取与选择模块选择与刀具磨损强相的信号特征；拟合预测趋势曲线模块建立信号特征与刀具加工寿命关系曲线；刀具磨损规律模块从刀具磨损规律学习库中获得刀具学习磨损规律；将趋势信号特征带入刀具学习磨损规律中得出刀具磨损量；刀具磨损补偿及换刀模块根据刀具磨损量作出刀具磨损补偿及换刀决策，提供给数控系统接口输入模块。

本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率