科大奥锐在《大学物理实验选课系统》的基础上，结合200多所高校实验中心的实际需要，采用最新技术进一步完善了各种功能而推出的《教学管理与选排课系统》，包含实验教学排课、学生自主选课、成绩管理、智能统计等。丰富了教学辅助手段，细化了各项管理，进一步体现以学生为主体、教师为主导的实验教学模式。是目前国内适用于包括实验教学、开放式教学的选排课较为成熟的一款软件。目前已在国内南方科技大学、中国地质大学、大连工业大学、石河子大学、解放军信息工程大学等100多所高校得到实际应用。 利用本系统，可以在现有师资力量的前提下，通过允许学生自主选择实验课程、自主选择实验内容、自主选择上课时间，提高实验教学的开放性。同时，又通过人性化的统计分析功能，实验课程管理员能够容易掌握学生上课的动态信息，防止教学过程中学生乱选课、少选课等情况发生，保证教学秩序的正常进行。 系统既可作为独立的产品为实验中心选排课服务，也可作为实验教学信息化建设整体方案的基础平台与科大奥锐《开放式实验室管理系统》 、《物理实验预习与自动评判系统》等系统数据共享、协同工作，为实验中心信息化建设提供有力的工具。 教学应用模式： 1.  开展开放性教学，实现学生为主体、教师为主导的实验教学模式： 利用系统的排课功能，设置好教师教学安排，学生选课规则（必修实验项目数，选修实验项目数等）；学生根据个人兴趣，自主选择实验项目和实验时间，满足学生个性化实验教学。 系统根据实际教学安排，可统计出真实的教学工作量。 2.  开展传统的教师主体的实验教学： 利用系统的排课功能和协助学生选课功能，指定实验教学安排，教师、据教学安排打印课表，完成实验。系统根据实际教学安排，可统计出真实的教学工作量。 3.  结合《网上教学环境》，师生多层次的交互： 系统教学安排和选课情况，动态生成实际教学关系，自动在《网上教学环境》形成课程-实验-教师-学生的交互论坛，实现师生深层次交互。 4.  结合《开放式实验室系统》系统，实际实现实验室全天候的开放： 系统教学安排和选课情况，动态生成实际教学关系，自动在《开放式实验室系统》生成实验室派位关系，自主进入实验室完成实验。 结合《物理实验预习与自动评判系统》完善实验预习环节，提交实验教学质量和水平。 系统教学安排和选课情况，自动在《物理实验预习与自动评判系统》自动生成实验预习安排，学生预习成绩实验前自动返回系统，真实反映了学生预习情况。 功能模块： 1.  工作流程 2.  系统用户角色描述 系统教学管理分为五种角色：学生，教师，课程负责人，教务管理员和系统管理员。每类角色的用户登录分别进入不同的窗口，实现各自的操作。 学生：选修实验课程，选修课程实验，课表查看，成绩查询。 教师：课表查看，课表打印，成绩录入及查询 ，个人工作量查看。 课程负责人：初始化课程属性设置，实验项目设置管理，实验开课时间设置，实验课表设置，学生选课设置，课表查看，实验成绩管理，实验教学查询，教学通知公告管理等。 教务负责人：课程信息查看，查看学生成绩，查看教师工作量统计，教学通知公告管理。 系统管理员：教学基本信息管理，包含学期、院系班级、实验室、课程信息、节假日等；师生人员管理；数据库备份、还原的数据维护工作。

产品详细介绍 微视酷AI英语机考教室将自然语言处理、虚拟现实、图像识别等多项技术应用于K12英语日常听说教学与评测场景，以学生为中心，为学生制定私人化的学习路径，让创客教育渗透在英语日常教学中，让广大学生用户在提升英语成绩的同时，感受高科技的魅力，激发学生的学习兴趣和热情，成为国内英语创客教育的先行者之一。 方案特色 1.顺应中高考英语听说机考发展大势，可用于电脑端、移动端，通过语音识别技术和A I算法提高口语发音的精准度 2.以学生为中心，根据学生的学习状态、学习水平、学习进展调整教学内容，包括听说作业、自主练习、模拟考场等各种场景 解决问题： 1.以较低的成本获得了高质量的教育，让学生公平地接触到最优质的英语教育资源 2.以AI老师代替人工教师，避免重复繁琐的工作，提高教师英语教学效率

AI智能称重台用于打造一个按量计算营养数据、提供膳食建议、超量预警、能培养节约意识、光盘行动的节约型数智化健康食堂。 自助取餐，按重计价，按需取餐，就餐者可选择性更多，并且避免就餐者多拿，真正做到光盘行动；可减少80%以上厨余垃圾！ 即拿即走，全程无感体验；系统自动生成订单，形成营养数据报表，提供膳食建议。 减少传统餐厅经营模式下50%的前厅服务人员数量，提升20-22%翻台率和营业额。 

该系统采用数据采集专用终端对多种类、多型号便携式取证设备产生的音视频资料进行采集，实现电子证据采集自动化。采集终端设备具备接入设备认证、数据加密、时间校准以 及自动充电等功能，达到解放人力，提高执法办案人员工作效率的作用。可将执法场所监控视频抽取至统一音视频数据管理平台，与便携式取证设备对接处警、 执法现场等执法行为形成的音视频资料一起，共同形成完整的执法过程音视频管理资料库。 专用采集终端设备将数据采集到统一数据管理平台，各级不同用户根据权限通过统一的执法过程音视频管理系统实现数据共享。上级执法管理部门可实现跨区域跨级别执法资料的 查询、调用与统计，有效掌控一线民警的执法情况。执法监督部门可通过后台管理系统实时查看、监督执法过程音视频资料采集的及时性、 完整性、规范性，通过自动统计分析，对各单位执法规范化水平和执法办案人员工作绩效情 况进行量化统计。

一种支持对地观测数据元数据注册的映射方法及系统，首先构建存储观测数据元数据信息的注册信 息模型，包括构建观测数据元数据注册信息模型的注册包;依据观测数据元数据注册对象，构建注册信 息模型的外部对象类;依据观测数据元数据对象之间的相互关系，构建注册信息模型的关系类;依据观 测数据元数据的分类信息，构建注册信息模型的分类架构;依据观测数据元数据的相关属性，构建注册 信息模型的扩展属性类。然后构建观测数据元数据信息模型到注册信息模型的映射关系，包括构建观测 数据元数据信息模型到注册信息模型的映射流程;构建观测数据元数据类型和注册对象的类型映射;构 建观测数据元数据属性到注册对象的属性映射。

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

1. 痛点问题 工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。此外，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。 2. 解决方案 工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳（Timestamp）和采集数据（Data）形式为(Timestamp, Data) 的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。 数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。 本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。 3.合作需求 在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。