|
搜索
搜 索
高等教育领域数字化综合服务平台
智慧实训管理平台
提供多样化的实训教学管理服务，可实现对实训设备、实训室、实训专业的智能化统一管理，同时支持第三方实训器材设施的兼容对接管理；满足多种专业教学场景的教学活动开展，实现远程巡课督导、远程教研活动、学生实训作业管理、老师教学点评管理；针对教学活动期间产生的各类教学资源数据、教学行为数据、教学内容数据进行多维度的采集、分析和管理，以可视化的方式呈现，辅助管理者做出科学的教学教务管理决策。
精标科技集团股份有限公司
2021-02-01
教育资源管理平台
资源管理平台
资源管理平台既可以接收嵌入式设备和网络摄像机录制的原始视频资源，又可以接收微课系统发布的微课视频以及老师个人整理的各种教学资源。
提供标准的 FTP 原始资源库，可对接其他任何系统提供的资源。
平台资源管理
资源按年级、科目、主讲等分类管理，方便查找。
安全的资源发布机制，资源需要经过审核后才能发布出去，避免不合法的资源传播出去。
平台特色功能
资源模式播放
在播放普通的单视频课程的基础上，系统提供了资源模式课件供用户在线学习，资源模式课件可以包括教师视频，学生视频，教学文档视频等。由于资源模式课件是老师视频讲授同步配合 PowerPoint 文稿，因此教学效果非常接近现场授课。
在线编辑
对录制好的视频在线进行转码、截取、合并、增加字幕等功能。
自动课表
根据课表内容，控制导播主机进行录制、直播并把录制的视频上传到平台。
名师课堂
名师专辑，方便查看优秀老师的所有课程。
教研管理
创建一个教研活动，教研组成员可以对教研内容评价、打分。
评价管理
制定评估方案，建立评价体系对不同的课程视频，进行全面评估。
虚拟切片
创建微课或者精彩视频实现视频精细化管理，解决视频的精准搜索。
教学行为分析
在获得课堂视频的同时，自动记录大量名优教师教学习惯的行为数据，为年轻教师的模仿学习提供前沿技术支持。
北京文香信息技术有限公司
2021-08-23
医学教学管理平台
平台介绍：
立方幻境虚拟仿真教学管理平台旨在构建资源共建、共享、教研一体的教学新模式，理论与实践教学结合，师生可通过PC、移动终端接入，可获得对应授权范围内的教育资源和教学应用。
平台特点：
教师端：可通过教师端开展教学活动，如发布课程、课程直播、收发作业、组织考试、发布教学资源，教师个人资源管理等。通过平台大数据可了解和指导学生的学习情况与进度。
学生端：实现在平台的学习功能，包括选择直播或录播课程，接收查看通知、查询教学资源、完成作业、考试、教学互动等。
一、示教：多种信息化技术手段融合，多种展现方式，理论示教教学。
二、练习：虚拟仿真软件，不受场地、时间、空间限制，学生自主练习，释放教师反复授课的时间。
三、实操：通过5G+VR\AR\MR技术，虚拟与真实重叠，虚拟与真实交付，亦真亦假，既有虚拟模拟，又有真实操作。
厦门立方幻境科技有限公司
2022-06-23
Tempo Talents实验管理平台
基于容器化技术的智能实验支撑平台，支持后台容器资源自动创建、更新。采用B/S架构设计，师生可通过浏览器快速访问系统，实现实验、实训环境一键式访问，可根据具体实验需求自动启停、回收释放。平台预装50余种实验环境，满足大数据、人工智能等专业课程实验需求。技术与模式创新，实现实验管理智能化应用，大大降低实验平台管理的复杂度。
一、实验环境管理提供Hadoop、Hive、Hbase、Spark、Linux、MySQL、C、Java、Python、Tensorflow等多种实践环境，并支持环境自由组合、自定义添加扩展及个性化资源配置，满足大数据相关专业课程应用实验需求。1、实验环境组合平台支持多种环境之间可以相互组合，教师可根据自身教学需求进行选择，如MySQL+Python、Java+Hive+Hadoop等，组建个性化实验环境。同时支持教师根据自己的需要，自定义添加特定的实验环境，以满足不同教学场景需求。2、资源管控对于包含的全部实验环境，平台提供了统一的管理入口，可自由配置环境参数、运行规则以及进行版本管理，控制每个学生在做实践的时候所占用的CPU、内存资源，保证实验室服务器资源有效利用。二、云端实验环境仓库平台提供云端实践环境仓库，支持远程自动拉取、手动导入更新本地实践环境仓库的功能。
美林数据技术股份有限公司
2022-07-15
基于AI技术的对全国疫情扩散情况及高峰期
2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判，该预测与钟南山院士的判断互相印证。虽然预测结果的准确度得到验证，课题组团队并没有因此松懈，而是不断根据最新的数据变化调整参数、优化拟合结果，同时积极联络政府相关科技、数据信息等部门，让预测结果成为施策者有力的决策参考。2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判。
清华大学
2021-04-10
基于AI的视频分析技术
目前基于AI的图像分析技术已经日趋完善，在人脸识别、车牌识别等场景的应用越来越广泛，市场竞争也愈发激烈。本成果面向更复杂的场景：视频分析。通过深度网络学习视频数据的时空特性，能够捕捉视频的动态信息并进行自动分析，达到不同应用的目标。目前在较难的视频分析任务—手语翻译上达到较为先进的水平。
中南大学
2023-04-23
AI画屏（The AI screen）
绘画作品的艺术风格包含画像的色彩、纹理、笔触等等，往往很难准确定义。基于深度学习的画像风格迁移让机器自行学习艺术家的作品，使得最终输出的合成图像呈现出与艺术家作品一致的风格。本演示可以把艺术家的风格迁移到摄像头捕捉的图像中，让平淡的图像呈现出不一样的艺术气息。（The artistic style of a painting, which includes colors, textures, strokes, etc., is often difficult to define accurately. Deep learning-based portrait style transfer allows the machine to learn the artist's work by itself, so that the final output composite image presents a consistent style with the artist's work. This demo can transfer the artist's style to the image captured by the camera, so that the dull image presents a different artistic atmosphere.）
英特尔FPGA中国创新中心
2022-05-24
AI画屏（The AI screen）
绘画作品的艺术风格包含画像的色彩、纹理、笔触等等，往往很难准确定义。基于深度学习的画像风格迁移让机器自行学习艺术家的作品，使得最终输出的合成图像呈现出与艺术家作品一致的风格。本演示可以把艺术家的风格迁移到摄像头捕捉的图像中，让平淡的图像呈现出不一样的艺术气息。
（The artistic style of a painting, which includes colors, textures, strokes, etc., is often difficult to define accurately. Deep learning-based portrait style transfer allows the machine to learn the artist's work by itself, so that the final output composite image presents a consistent style with the artist's work. This demo can transfer the artist's style to the image captured by the camera, so that the dull image presents a different artistic atmosphere.）
重庆海云捷迅科技有限公司
2022-06-17
产品数据集成管理系统（BITPDM）
Ø 成果简介：BITPDM是面向科研院所与中小规模制造企业开发的，面向产品全生命周期进行产品数据及过程管理的业务集成平台，实现产品信息、项目信息、电子文档、产品状态信息、工艺信息、资源信息及设计过程的集成管理。BITPDM系统提供的功能包括：项目管理、电子仓库管理、电子文档管理、产品结构与配置管理、基于产品族的标准件管理、设计过程与任务管理、数据状态管理、集成的工艺/工装/资源管理、系统配置与管理等。BITPDM系统运行于Windows操作系统，支持Oracle、SQL Ser
北京理工大学
2021-04-14
风电场智能扇区管理技术研发及应用
本项目以风电场扇区管理为研究对象，通过开发工程尾流模型和改进机组偏航控制品质，将尾流效应模型与场内机组偏航指令有效结合，以管理各机组尾流所覆盖的扇区，利用风电场多机组的偏航协同控制，实现以多机群或风场级发电量为优化目标的机组偏航动作，从而提高整体发电量。主要包括以下内容：
（1）风电机组偏航参数优化方法
围绕偏航系统的稳态误差校准展开研究，利用SCADA历史数据及高精度传感测量装置，开发数据驱动的校准分析方法，改进机组偏航控制系统的信号品质，提升机组功率输出性能。
（2）机组级尾流复合建模方法
以特定机组为研究对象，通过测风仪与风向标数据，分析前排机组尾流空间分布特性，以建立有效简化的工程尾流模型。在此基础上，结合先进CFD风场仿真与现场测试，主动改变上游机组的偏航角，测试量化上游机组的尾流效应变化对下游机组的特性影响，最终建立起机组尾流效应到单机发电量的数学联系。
（3）风电场级尾流评估技术
以风电场中机组位置信息为依据，整合机组级尾流模型得到描述整场尾流效应的流场模型，基于风场当前的运行状况、机组受尾流影响等方面的分析，考虑尾流叠加空间耦合的影响。划分得到处于下游且受尾流影响较大的机组群，分析扇区管理实现优化改进的可行性及优化区域范围。
（4）扇区优化管理技术
在场级流场建模及评估的基础上，研究风场内多机组的扇区协同管理调度。以提高整场的发电量为目标，利用优化算法集中式优化整场各机组的动态偏航角，以降低尾流对后排机组的影响。
华北电力大学
2021-05-10