XM-715女性会阴模型   XM-715女性会阴模型显示阴蒂、尿道外口、前庭球、阴道口、会阴中心腱、坐骨结节、肛门、肛门外括约肌、坐骨直肠窝、会阴前庭、球海绵体肌、坐骨海绵体肌、会阴深浅横肌、肛提肌等。 尺寸：自然大，34×21×12cm 材质：PVC材料

XM-716睾丸解剖放大模型   XM-716睾丸解剖放大模型显示睾丸、附睾及输精管，睾丸作剖面，在剖面上显示睾丸白膜、睾丸小隔、鞘膜腔、睾丸小叶、精曲小管、附睾头、睾丸输出小管、附睾管、睾丸网、附睾体、附睾尾等外形。 尺寸：放大10倍，11×11×20cm 材质：PVC材料

XM-717膀胱解剖放大模型   XM-717膀胱解剖放大模型显示男性膀胱及尿道周围的前列腺，纵剖显示相关内外结构。 尺寸：放大 材质：PVC材料

XM-TM高级透明刮宫模型   XM-TM高级透明刮宫演示模型通过透明的结构演示刮宫的过程和吸宫器、刮宫器在子宫内所处的位置，加深学生的理解，它既可以让初学者学习妇产科相关解剖知识，练习扩宫、刮宫等相关操作，又有助于教师在课堂上示教讲解使用。   一、功能特点： ■ 模型为成年女性盆会阴部，透明的外壳结实美观，可以观察到盆腔内部结构，操作时可观察操作步骤是否正确。 ■ 阴道有弹性，可以使用阴窥器，子宫材料柔软富有弹性，外形真实。 ■ 外阴部手感柔软，外形仿真，大阴唇、小阴唇、尿道、阴道结构正常。 ■ 内部解剖结构逼真：子宫、输卵管、卵巢、膀胱、输尿管。 ■ 透明的子宫可见妊娠6-7周左右的妊娠囊。 ■ 导尿术：女性外阴部形象逼真，分开小阴唇可显露尿道口、阴道口和阴蒂，正确操作可导出模拟尿液。 ■ 可以进行女性膀胱冲洗术操作训练。 ■ 可进行留置导尿的示教、练习。 ■ 宫颈口可插入扩宫器、刮匙，正确操作有相应的内容物吸出。 ■ 带有底托，可使子宫固定在正确位置。 ■ 演示子宫前倾位、水平位、后倾位。 ■ 可反复进行练习。   二、标准配置： ■ 透明刮宫操作模型：1台 ■ 手提式铝塑箱：1个 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-N5高级女性宫内避孕器训练模型   XM-N5高级女性宫内避孕器训练模型精确展现子宫侧切面，内生殖器内部结构，清楚观察宫内避孕器的插入和放置过程。

XM-KQ口腔牙齿护理模型   功能特点： ■ XM-KQ口腔牙齿护理模型（口腔清洁操作模型）放大5倍，采用PVC材料制成，造型逼真。 ■ 解剖结构精确，包括腭、牙龈、上牙弓、下牙弓、舌、上颚、下颚。 ■ 活动金属杆可调节口腔的大小。 ■ 可进行刷牙、牙线护理、口腔清洁保健的演示操作。

产品详细介绍地理园配套产品，地理教学用具；高分子树脂制造，彩绘。 规格：1300*900（mm）、2000*1500（mm）、500*800（mm）、 专业策划、设计、施工地理园，生物园，生态园，生态馆，实验室，标本室，各功能室、校园文化！ 专业生产地理模型，地球仪，地动仪，星空亭，旋转天体，九大行星，生物进化模型，仿真动物模型，仿真树，生物标本，大型浮雕地图，茵类进化模型，仿木桥，仿古井，仿真植物模型，植物进化图，动物进化图，地理园生物园门牌，地理园生物园简介牌等，如有需要，欢迎与我们联系。  

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。

近日，化学学院徐浩教授课题组在催化不对称合成领域取得了新进展。