|
搜索
搜 索
高等教育领域数字化综合服务平台
汽车总装仿真实训学习平台系统
产品特色：
结合教学实际，对原厂装配工艺进行二次转换，更利于教学实操；
工位操作进度保存，快速跳转；
教师发布实训考核，可设置是否取消各种提示信息；
螺栓、螺钉等紧固件的预紧、拧紧动作，切合实际。
产品学习内容：
熟悉汽车生产实际工作环境。
规范装配工作标准。
认知汽车整车车门、仪表、内饰、底盘、动力、前端、尾线装配零部件外观等质量检查方法及其装配位置。
认知装调工具及其组装使用。
认知设备及其组装使用。
熟练掌握汽车整车车门、仪表、内饰、底盘、动力、前端、尾线装配标准工艺流程。
注：包含车门、仪表、一次内饰、二次内饰、底盘一、底盘二、动力、前端、尾线共计九条分装线，共有152个工位。
成都融畅易和科技有限公司
2021-12-20
多功能学习用品盒模型
"有机玻璃材质，三种结构式样，一套3件。教学演示用，配合教材“设计一般过程”内容，了解设计过程，发现明确与问题。
宁波华茂文教股份有限公司
2021-08-23
OK学习机 S4 Plus
停课不停学 在家学习用OK 有人教也有人管 真人规划师1对1指导 + 九大学科老师专业点拨 OK学习机智能定位孩子不会的知识点，只学该学的，在家智慧学
北京点石经纬科技有限公司
2021-02-01
Utalk视听实训智慧学习平台
平台包含基础口语、职场英语、出国留学等课程库资源，听力与口语训练库专区；通过任务驱动型教学管理、全方位学情监控、综合成绩统计分析、专属个人学习报告等功能，提高教师备课效率，增加学生语言输入。
北京外研在线数字科技有限公司
2021-02-01
世界地理学习参考图册
宁波华茂文教股份有限公司
2021-08-23
专家学者齐聚山城 共话学习科学与人工智能如何赋能职业教育
11月16日，学习科学与人工智能赋能职业教育学术交流会在重庆顺利召开。
中国高等教育博览会
2024-12-03
大一新生英语耳机必备，首选艾本C-200A
产品详细介绍一、产品导读： 调频听力耳机艾本C-200A接收频率低至50MHZ，采用DSP数字信号处理芯片，并且耳机采用内置天线，外观时尚！可外接天线使用，信号更稳定！二、调频听力耳机艾本C-200A 10大优点：1、全按键设计，完美操作体验，四个按键轻松完成强大功能2、一键存取电台，8个存台数量人性化设计3、音量电子调节，数字显示4、LCD液晶显示，SMT贴片工艺5、侧滑电池盖设计，时尚操作6、全罩式皮质耳罩设计，佩戴舒适7、品牌LOGO雕刻设计，凸显品牌权威8、折叠和可伸缩头环设计，携带方便9、高音质电脑耳麦，一机两用10、开机品牌LOGO显示，原厂正品保证三、调频听力耳机艾本C-200A技术参数：1. 频率范围：FM 50-108MHZ 2. LCD显示：有 3. 灵敏度:FM 优于 8dbµv AF≥10m 4. 输出功率：≥2*10MW5. 存储电台数：8个 6. 静态电流：调频（FM） ≦35MA 待机电流 ≦65µA 4、 扬声器规格：Φ30MM 32Ω 250MW8. 供电方式：2节7号电池（2xAAA）
郑州高新区佛光电子电器厂
2021-08-23
基于HDFS的在线学习信息管理系统
成果描述：基于HDFS的在线论文管理平台主要用于管理研究生和本科生毕业论文，学生在线提交论文，老师通过本系统下载论文。系统通过邮件将相关修改意见和答辩信息反馈给学生，所有版本论文和评审意见需存储归档。市场前景分析：毕业论文（设计）是高等院校毕业生提交的有一定的学术价值和实际价值的文章或设计。它是高校培养人才的重要实践教学环节， 是对学生四年学的专业知识、研究能力、自学能力以及各种综合能力的检验。目前很多高校对于本科学生毕业论文（设计）的管理均采用传统的手工方式。随着因特网的普及、现代远程教育的发展以及现代本 科教育模式的发展， 继续采用传统手工管理模式对毕业论文（设计）进行管理就显得费时、费力、工作量大、效率低。另外，传统的手工管理模式对于教学管理者来说难以及时准确地把握毕业论文的设计进展情况，给管理带来一定的难度。与同类成果相比的优势分析：本系统使用分布式文件系统HDFS对学生论文进行管理。HDFS有着高容错性的特点，并且设计用来部署在低廉的硬件上。而且它提供高传输率来访问应用程序的数据，适合那些有着超大数据集的应用程序。
电子科技大学
2021-04-10
基于分类学习的图像检索原型系统
本系统采用Core图像数据库51135幅，每幅图像提取纹理与颜色相综合的128维特征值构建特征数据库，采用自行设计的度量距离分类学习算法，在传统的图像检索基础上引入学习机制，系统共分类369个，每一类选取少量有代表性的图像（最多不超过6幅），试验表明，在提供有限的学习样本条件下，能有效提高图像检索的精度。 系统采用两种检索方法进行比较，一种是传统的欧氏距离，另一种是本系统设计的分类距离学习方法，比较两者在图像检索精度上的差异。 该原型系统核心程序在Linux下用C编译实现，图像检索界面由PHP实现，通过Web服务器实现在线检索功能。
东华大学
2021-02-01
在量子物理与机器学习研究的进展
生成模型的研究重点是如何从给定的数据集合中学习到数据的联合概率分布，以及从学习到的概率分布中高效地生成新的样本。研究团队提出将数据的联合分布概率编码成量子多体态的概率幅的模平方。进一步地，他们提出在经典计算机上使用矩阵乘积态(Matrix Product States)来模拟学习的过程。矩阵乘积态的参数，即张量网络的张量元，可以通过类似密度矩阵重整化群(Density Matrix Renormalization Group)的算法进行学习，最终形成一个具有泛化能力的生成模型。这个学习算法结合了量子物理与机器学习各自的优点：它不仅可以利用GPU高效地学习到模型参数，还可以利用张量网络的灵活性动态地调节模型表达能力。此外，与传统的基于统计物理的生成模型（例如玻尔兹曼机）相比，玻恩学习机还具备直接生成无关联样本的强大能力，从而可以高效地生成新的数据。 基于量子态的概率生成模型融合了量子物理与机器学习的思想，是一个崭新的研究领域。玻恩学习机借助量子态内禀的概率解释及其强大的表达能力，意在为机器学习和人工智能提供更为先进的生成模型和学习算法。此外，这类模型在量子信息处理，量子计算以及多体物理中具有应用潜力。展望将来，最令人兴奋的前景应该会是在一台量子计算机上实现玻恩学习机，从而以全新的方法进行概率型的学习和建模。这项工作用使用张量网络模拟量子计算机的运行，向无监督量子机器学习迈近了一步。作用在一幅MNIST图片上的矩阵乘积态以及它的纠缠谱
北京大学
2021-04-11