产品详细介绍自动入网：学生机开机自动入网，学生机可以是无盘工作站； 中文菜单：步步有提示的中文菜单、可用鼠标或键盘操作、易学易用； 程序下载：教师可将服务器中的各类软件包发至学生机内存中执行，供下载的软件包可由用户任意添加； 屏幕广播：可以在学生机屏幕上随时插播VCD、录像信号、摄像头输出的信号等；支持各种视听媒体的影像及声音向学生机即时同步广播； 示范教学：教师可将自己的屏幕画面及声音动态连续的广播给单一、群组或全部学生观看，用于各类软件教学演示； 作业展示：教师可将任一学生机的屏幕和声音转发给其他学生机； 屏幕监视：教师可以动态同步监视任一学生机的屏幕； 个别辅导：教师可以远程连通任一学生机的键盘、鼠标及耳机话筒，指导其完成课件的操作； 同步教学：教师可控制所有学生机的键盘，同步运行程序或课件； 终端遥控：教师可远程遥控所有学生机的外部设备（诸如：键盘、鼠标、软驱、硬盘、监视器等），以达到允许或禁止学生使用的目的； 文件运输：可将程序和学生作业传送到指定位置； 考试系统：具备考试记分系统； 光驱共亨：在服务器上加装CD-ROM，所有学生机可共享使用。

哈尔滨工程大学软包/固态电池电极极片制备设备采购及服务竞争性磋商

本发明公开一种无机-有机复合粘结剂包覆软磁复合材料的制备方法，它包括如下步骤：（1）对金属磁粉进行粒度配比混合；（2）将步骤（1）配比好的磁粉用钝化剂进行钝化；（3）将有机粘结剂和无机粘结剂复合成的粘结剂包覆（2）中钝化好的磁粉颗粒；（4）将（3）中粘结好的磁粉再进行压制成型得到磁粉芯；（5）将（4）中压制好的磁粉芯进行热处理，喷涂得到目标产物。本发明改善了有机粘结剂和无机粘结剂复合的效果，综合了它们各自的优点，成分选择合理使用效果好，对铁基、镍基和其他成分的金属软磁磁粉都有很好的绝缘粘结效果。采用本发明提供的无机—有机复合绝缘粘结剂所制备的磁粉芯具有综合的优良磁性能和力学性能。

姚亚东，男，1963年4月26日生，汉族，工学博士，四川大学教授。

本发明公开了一种碳包覆的纳米级TiO2核壳复合粉体(可表示为TiO2@C)的制备方法。它是以廉 价的无定形的水合二氧化钛为氧化钛源，长链的液态烷烃混合物(C11-C12)作为碳源，通过回流原位包覆有 机碳链，再经真空条件下的一定温度热处理制得TiO2@C纳米粉体。该方法具有碳源、氧化钛源来源廉价 且碳源可以反复循环使用，包覆的碳量可控可调，工艺操作简单、易于工业化等优点。

本发明公开了一种金属软磁复合材料的非均匀形核绝缘包覆处理方法。它包括如下步骤：1）将金属磁粉过筛进行粒度配比；2）利用非均匀形核法对配好的金属粉末进行绝缘包覆后干燥；3）将干燥后的磁粉与粘结剂混合均匀，加入脱模剂干压成型，将其压制成坯样；4）将坯样于保护气氛中保温0.5~2h，空冷，喷涂，得到目标产物。本发明采用非均匀形核法制备的复合粉末包覆均匀、致密，包覆层厚度可控，具有良好的抗氧化性、高的电阻率、高的饱和磁化强度，具有优良的磁性能和力学性能；采用非均匀形核法在金属磁粉表面均匀包覆一层Al2O3绝缘层，包覆效果优于现有方法，且可操作性强，便于批量生产。

专利名称：

本发明公开了一种利用介孔二氧化硅包覆纳米金球的方法，结合纳米金球合成的传统手段-柠檬酸钠还原法，采用一锅两步法发展了一种介孔二氧化硅包覆纳米金球的方法，该方法选择在碳链的阳离子表面活性剂如十六烷基三甲基溴化铵的碱性水溶液体系中对纳米金颗粒进行包覆。采用本发明的包覆方法，无需引发剂活化和后续分离纯化，具有简单、高效、高产的特点，并且产物 Au@mSiO2 的大小均一，粒径大小在 20-120nm 的范围内连续可调，且在整个范围内呈现出均一有序的介孔状结构。

本发明公开了一种基于包芯结构复合相变储热层的动力电池冷却系统，包括系统壳体、彼此层状交错分布在壳体中的电池单体模块和储热模块，以及执行装配和定位的上盖板和锁紧螺杆；其中各个储热模块整体呈包芯结构，并包括处于各模块外层且由高分子材料制成的密封外壳、以及真空灌装在该密封外壳内腔且由导热材料和石蜡类相变材料共同混合而成的复合相变材料，所述高分子材料的固化温度被设定为高于复合相变材料的相变温度，并且在由其制成的密封外壳

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。