|
搜索
搜 索
高等教育领域数字化综合服务平台
互联网环境下在线学习和资源动态推荐研究
李克强总理在2015年提出的“互联网+”行动计划，推动互联网、云计算、大数据等现代信息技术与电子商务、医疗、金融等行业的融合。在2016年发布的《十三五规划》当中，明确实施“互联网+”重大工程成为推动商业模式、服务模式以及管理模式创新的重要引擎。另一方面，国家鼓励搭建互联网资源开放共享平台，在互联网企业不断努力下，形成了大量的互联网服务平台，形成了初具规模的互联网服务市场。我国2017年互联网健康医疗用户规模达1.95亿，电子商务用户5.14亿，在线订票使用人数3.34亿。以信息技术为基础的互联网为用户提供了多种多样的服务资源，发挥了资源整合和配置的重要作用。 相比于传统线下服务平台，互联网用户可选择的服务类型更加丰富，选择行为更加差异化。如何引导用户理性选择服务，促进资源的合理配置成为互联网平台管理和运营的一个挑战。
北京大学
2021-02-01
基于WIFI控制的具有学习能力的红外遥控装置
北京工业大学
2021-04-14
北斗三代中基于深度学习的信号捕获技术
仅面向军工或军民融合单位公开
西华大学
2021-04-14
数字语言学习系统-触控一体机型
外观简洁，一体机式设计，以太网供电，稳定性好，维护简单； 多点触控屏人机交互操作系统，内置高清摄像头，有效融入情景可视交互功能，营造“沉浸式”的教学体验。 教室授课、对讲、学生语音分组会话时，声音延迟<5ms
北京东方正龙数字技术有限公司
2021-02-01
数字语言学习系统-超级终端+计算机型
双网双架构设计，一室多用，既作为语言实验室，也可一键切换为传统机房 与各类Windows软件兼容，支持与各类考试、多媒体、管理类平台联用 系统采用高安全性设计，PC宕机也可上课 教室授课对讲、学生分组会话时，声音延迟<5ms
北京东方正龙数字技术有限公司
2021-02-01
综采工作面多适应性快速安装/ 拆除成套装备
开展了综采工作面原有的安装/拆除技术和工艺、综采工作面快速安装/拆除技术、快速/安装拆除设备及其多适应性工艺的研究等，研制了自移机械手、变轨吊、液压组装架等设备，项目的研发成功将实现工作面安装/拆除设备成套系列化，对整个工作面的主要设备实现机械化安装与拆除，降低工人劳动强度，提高生产安全性有重要意义。
安徽理工大学
2021-04-13
数字技术对大学生在线学习效果的影响
本研究使用疫情期间对334所高校在线教育的调查数据,将数字技术分为技术环境、技术知识和技术技能三类,采用多元排序Logit模型检验数字技术对大学生在线学习效果的影响。实证分析发现:(1)三类在线学习的教学技术均显著促进学生有效学习;(2)技术环境、技术知识和技术技能三者具有显著的依存关系;(3)大学生在线学习的技术支持存在"数字鸿沟"和"数字代沟"问题,而"数字学沟"问题并不明显;(4)在线教学互动中存在数字"反哺"行为,即在线教学情境下的学生对教师、高技术对低技术学生群体存在带动作用。最后,本文提出要实现"三个转变",即提升学生在线学习数字化生存素养、加强对弱势院校学生在线学习保障,以及促进师生和生生在线教学互动互助。
西南财经大学
2021-02-01
一种行人重识别的度量学习方法和系统
本发明公开了一种行人重识别的度量学习方法和系统，其中方法的实现包括：收集两个摄像头下行人目标的特征向量，建立正样本对特征向量集合和负样本对特征向量集合，计算正、负样本对特征向量的距离，对正样本对特征向量进行单阈值约束，对负样本对特征向量采用双阈值进行约束，在正、负样本对特征向量的距离约束条件下建立基于度量矩阵的损失函数，以损失函数值最小为目标迭代更新度量矩阵，这种方法可以有效的减轻图像背景、噪声等无关变量对矩阵
华中科技大学
2021-04-14
一种基于深度学习的多目标抓取方法及系统
本发明公开一种基于深度学习的多目标抓取方法及系统，属于计算机视觉与机器人控制技术领域，方法包括获取待抓取目标的图像以及深度信息，基于目标抓取检测模型得到抓取点的坐标，输入机械臂生成抓取指令抓取至少一个目标；其中，通过相机标定算法建立映射模型，改进YOLOv5网络和GRCNN网络构建目标检测模型和抓取点预测模型；目标抓取检测模型的数据处理方法包括将待抓取目标的图像以及深度信息，输入目标检测模型检测目标和抓取点预测模型确定抓取点，得到图像采集设备坐标系下的抓取点坐标，并基于映射模型转换为机械臂坐标系下的抓取点坐标。本发明解决了现有技术中存在的目标识别精度不足、抓取点计算不准确以及缺乏实时性的问题。
南京工程学院
2021-01-12
基于迭代学习的多机械臂变批次协同阻抗控制方法
本发明公开了基于迭代学习的多机械臂变批次协同阻抗控制方法，包括以下步骤：步骤1，构建多机械臂动力学模型，并根据机械臂的性质和假设将多机械臂变批次协同阻抗控制问题描述为期望轨迹、期望相对配置和交互力之间的动态关系，得到目标阻抗模型；步骤2，基于所述目标阻抗模型得到多机械臂变批次协同阻抗控制目标；步骤3，针对所述阻抗控制目标设计分布式的迭代学习阻抗控制律，使每个机械臂仅通过邻域的阻抗信息来获得期望的阻抗。本发明使得每个机械臂能够通过与邻居的交互来调整阻抗参数，从而在不确定的动态环境中实现更好的协作和性能提升。
南京工业大学
2021-01-12