XM-606A右半脑带血管和神经模型   XM-606A右半脑带血管和神经模型显示大脑半球、间脑、小脑和脑干中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。 尺寸：自然大，15×15×6cm 材质：PVC材料

产品详细介绍HXZJ-IV平面和立体足迹提取箱重量：10.6kg尺寸：565x295x225mm价格：2200.00元 立体足迹提取盒产品功能1.静电法提取成趟灰尘足迹。2.静电法提取单个灰尘足迹。3.静电法提取软质表面上的灰尘足迹。4.压敏胶提取高灰尘足迹。5.黑色硅胶足迹提取片提取水渍足迹。6.石膏法提取立体足迹产品配置序号 产品名称 数量 序号 产品名称 数量1 HXJD-Ⅵ型静电吸附器 1台 13 黑色硅胶足迹提取片 5张2 1.2米接地线 1根 14 30x15cm折角比例尺 2把3 8米接地线延长线 1根 15 5米卷尺 1把4 充电器 1个 16 红黄白防水粉笔 3支5 电源适配器 1个 17 毛巾 1条6 提取成趟足迹静电膜 10卷 18 汗布手套 2双7 提取单个足迹静电膜 14张 19 一次性鞋套 4双8 静电板 4张 20 一次性口罩 5个9 足迹保护盒 1个 21 一次性帽子 5个10 灰尘固定剂 1瓶 22 立体足迹提取盒 1个11 黑色衬底足迹提取片 5张 23 铝合金箱 1个12 白色衬底足迹提取片 5张       立体足迹提取盒内容：塑料足迹框 2付 组合成长方形框架，围住足迹。标准袋装石膏 2袋 水瓶灌满水，全部倒入石膏袋，手抓石膏袋，使石膏与水完全混合，缓慢浇筑在足迹上，一袋石膏正好可灌制一枚足迹。标准容量水瓶 1个网状石膏筋 2个 浇筑一半石膏时，将网状石膏筋铺在足迹上，再浇筑剩余的石膏。足迹标牌 2个 浇筑完成后，将标牌放在足迹上，石膏凝固后标牌被固定，可在其上书写。 

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

一种多级结构工程的策略来实现协同优化水分解催化剂的催化性能。通过两步化学合成途径，研究人员制备出了铁(Fe)掺杂的磷化钴(CoP)纳米片与碳纳米管的复合物 (图1a, b)。研究发现，这类复合物催化剂具有与标杆的金属铂（Pt）催化剂接近的氢气析出反应催化活性。并且首次发现Fe掺杂量对这类无机-纳米碳复合物催化剂在不同pH电解质中的催化氢气析出性能有明显的影响。另一方面，通过原位的电化学氧化/水解，这类复合物催化剂可以转换为Fe掺杂的羟基氧化钴/碳纳米管的复合物并展现出非常优异的氧气析出催化性能。进一步，研究人员利用这类复合材料作为正负电极的催化剂构筑了一个简易的碱性水分解电解池，并证明了这种电解池可以在1.5 V的电压下以10 mA cm -2 的电流密度持续稳定的进行水分解，该性能是目前水分解电催化剂的最好性能之一。该电解池也可以由单节AA干电池来驱动分解水产生氢气和氧气 

多年来一直从事发动机排放污染物控制方面的研究工作，主持国家自然科学基金青年项目 1 项，参与国家自然科学基金面上项目 2 项，撰写论文 10 多篇。近几年主要针对柴油机 SCR 系统进行了较为细致的研究工作，对 DOC 的 NO 转化效率、尿素水溶液喷射方案优化、水溶液液-气相变转化规律、 SCR 系统流场及化学场模拟、催化剂起燃特性、系统结构优化、热-流-固-化学多场耦合及能量管理等方面做了较为深入的研究。团队可开展以下技术服务：协助企业开展发动机后处理系统的 CAE 计算及模拟仿真工作，提供设计

该技术研制了一种能识别多种卡巴氧和喹赛多代谢产物的特异性单克隆抗体和一种用于检测卡巴氧和喹赛多代谢产物的酶联免疫方法及试剂盒。与现有技术相比，本成果制备的单克隆抗体可以同时识别脱二氧卡巴氧、脱二氧喹赛多和N4-脱一氧喹赛多，而且具有较高的灵敏度和特异性。建立的ELISA技术和试剂盒能同时检测卡巴氧和喹赛多代谢产物在肉类食物中的残留，具有检测效率和灵敏度高，精密度和准确度好等优点。 现已发展了多种用于检测该类药物残留技术，在这些残留分析技术中，由于其所需仪器昂贵、操作复杂、检测费用高，而不利于大批量样品的筛选及现场检测。目前，针对喹噁啉类脱二氧代谢物的检测技术鲜有报道，所以建立一种特异性较好、灵敏度较高的单克隆抗体以检测动物体内或肉类食物中卡巴氧和喹赛多代谢产物显得十分必要。 成果完成时间：2017年