产品详细介绍 ActivEngage2是一个虚拟的学生反馈系统，使得学生通过平板电脑、笔记本电脑和移动手持设备来参与课堂讨论或以他们自己的进度来学习。 ActivEngage2一瞥： •目前仅提供英文版本。 ActivEngage有14种语言可供选择，请参阅ActivEngage产品页面。 •可用于电脑，平板电脑和移动设备（苹果iOS，安卓™和Windows系统）。包括普罗米休斯的ActivTablet. •自学模式，让学生按照自己的进度和水平学习，并提供即时反馈。 •实时结果让教师持续地测试学生的理解程度，并根据学生的需求调整教学。 一款基于软件的学生反馈系统 ActivEngage2是一款基于软件的学生反馈系统，是用于1对1的笔记本、计算机实验室、平板电脑和移动手持设备的学校的理想选择。ActivEngage2能将当前的技术投资最大化，使学生能够以现有设备回答问题，不再需要额外的硬件。 用普罗米休斯的屡获殊荣的软件ActivInspire将问题呈现在交互式显示屏上或口头提出问题，学生们通过电脑或手持设备上的虚拟设备来应答。 ActivEngage2自学功能来分配测验，鼓励学生按自己的进度和理解水平来完成不同难度的测验。尽量利用现有的课堂技术，通过一个直观的，集成的应用程序，即时洞察学生的理解和进步程度。 旨在您共同成长，ActivEngage2可以在单个教室里面或整个校园内外进行虚拟投票。这款软件可以在单个教室或网络服务器上进行集中管理。 为什么选择ActivEngage2？ 简化教学管理 与ActivExpress相结合，ActivEngage2让你能即时评测出学生的掌握程度，得到教学支持，确定学生的成长趋势，并提前解决潜在的挑战。 运用自学功能 ActivEngage2自学功能来分配不同难度的测验，学生可以按自己的进度和理解水平来完成，并查看即时反馈。老师们利用详细结果数据，给在学习上遇到困难的学生提供及时的帮助，并决定是否要花费额外时间在这节课的讲解内容上或继续进行下一个课程。 降低成本 不需要额外的硬件，优化现有的技术投资。 主要特征 •多种回复类型——学生们可以回复完整句子、数字、符号、数学方程、分数、对／错、利开特式量表等等。 •实时报告——即时追踪每个学生的进步，调整教学，以提高学生对关键概念的理解能力。 •跨平台功能——客户可以在Web浏览器或移动设备的iOS和Android平台上同时使用，允许混合部署。 ActivEngage2也可用与手持学生反馈设备ActivExpression2同时使用。 •虚拟软件——ActivEngage2可与任何型号的交互显示器搭配使用，而且还可以独立工作，仅与一台投影机或网络设备一起使用。 •中央控制和可扩展性——基于网络注册，在单间教室、整个校园内外实现虚拟投票功能。或者用ActivHub在旅途中学习。 下载ActivEngage2 ，免费在3台学生设备上试用。 技术参数 配件需求 • ActivEngage2电脑版（Windows和Mac系统） • ActivEngage2 移动用户终端（苹果iOS和Android设备使用的标准Web浏览器和原生客户端的网络终端） 基本系统需求 ActivEngage2电脑版 •Windows系统：奔腾4——1 GHz处理器、20 MB 磁盘空间、2 GB系统内存 微软Windows操作系统：Windows XP Pro SP3、Windows 7、Windows 8、Windows Server 2008及以上操作系统 •Mac：Mac OS X10.6（雪豹）及以上操作系统 ActivEngage2移动用户终端（学生设备） •iOS：任何支持的iOS 5.0及以上的设备 •Android： 3.2及以上 •网页版： Internet Explorer 8及以上； Google Chrome； Firefox 15及以上； Safari 5及以上 安装 ActivEngage2需要 ActivDriver v 5.9.16或更高版本、 ActivInspire个人版/专业版1.7.61884或更高版来注册用户端和主导投票环节。导入ExamView® 和XML文件、将问题和答案导出到Excel® 需要ActivInspire专业版。软件安装需要管理员/特权访问权限。用户只能通过 Promethean Planet来安装或更新最新版本软件。 查看ActivEngage2产品规格书。 在Promethean Planet查看ActivEngage2下载信息。 常见问题 ActivEngage2包含什么？ • ActivEngage2电脑版 • 移动用户终端(苹果iOS和Android设备使用的标准Web浏览器和本机应用程序客户端） • 购买了一个ActivEngage2许可证的用户有机会免费从ActivInspire个人版升级到专业版一个ActivEngage2许可证可以供30名或更多的学生使用。 ActivEngage2支持何种语言？ • ActivEngage2目前是英语版。 • ActivEngage2苹果iOS和安卓设备客户端可以在App Store (iOS设备)或者亚马逊应用程序(安卓设备)商店；美国、英国、爱尔兰、澳大利亚、加拿大、新西兰、香港和新加坡的Google Play (安卓设备)上购买。 运行ActivEngage2需要何种软件？ 运行ActivEngage2需要ActivInspire 1.7.6188或以上更高级版本。登录 www.PrometheanPlanet.com 下载和更新ActivInspire到1.7.6188。登录之后，找到 ActivInspire下载页面。如果您还不是Promethean Planet的会员，您需要在下载之前注册。 哪里可以下载软件？ 电脑版 •请在Promethean Planet网站上找到ActivEngage2软件链接。 直接登录 www.PrometheanPlanet.com ，找到 ActivEngage2下载页面。 移动用户终端(学生设备) •本机应用程序客户端--首先登录  www.PrometheanPlanet.com ，找到 ActivEngage2下载页面。如果您还不是Promethean Planet的会员，您需要在下载之前注册。The 本机应用程序客户端可直接通过移动设备在App Store (iOS设备)或者亚马逊应用程序(安卓设备)商店来下载。请直接搜索 "Promethean ActivEngage2"然后根据提示来操作便可。 •网页终端--网页版不需要下载。请观看ActivEngage2下载页面上名为"ActivEngage2 Client Installation"的视频了解详情。 如何通过网络来安装？ 请在ActivEngage2下载页上找到ActivEngage2网络下载指南。 能连接一个虚拟中心的设备最大数值是多少？ 450 我需要在同一个网络上安装ActivEngage2电脑版和移动版吗？ ActivEngage2电脑版和移动版必须能够访问相同的网络连接。 我可以试用ActivEngage2？ 可以! 您可以在Promethean Planet下载并试用ActivEngage2电脑版和三个移动用户终端。

基于前期关于双齿导向基团辅助的C-H键活化策略，利用氨基酸作为母体结构，设计合成了一类含有8-氨基喹啉基团的新型手性配体（QAAligands），并制备了相应的手性Ir(III)催化剂。在该催化剂的作用下，可以精准调控二噁唑酮类化合物分子内的C(sp3)-H键胺化反应，以大于99%ee实现γ-内酰胺的高效不对称合成。该类新型催化剂具有一定的类酶特性，可以容忍大量水的存在，并且水的存在对于特定底物具有明显的促进效果。通过对催化剂的单晶结构进行分析，作者发现该类手性Ir(III)催化剂中的五甲基环戊二烯基(Cp*)，8-氨基喹啉（AQ）和邻苯二甲酰胺（NPhth）组成了一个规则的沟状手性空腔，金属中心处于手性空腔的内部，从而使其具有优异的立体控制能力。通过与韩国高等技术研究院的SukbokChang教授合作进行计算化学的研究发现手性控制的关键因素是底物中的C-H键与NPhth基团存在多个C-H/π弱相互作用。

研究分别建立了食品中克罗诺杆菌常规 PCR 和 Real-time PCR 的快速检测方法，方法具有很好的特异性和灵敏性，可以应用于食品中克罗诺杆菌的检测。其中常规 PCR 检测方法选取了两个特异性的基因，使得检测方法具有更高的特异性。Real-time PCR 检测体系中加入了竞争性扩增内标，大大降低了假阴性发生的可能性。相关结果发表在国际刊物 Food Control 上，引用次数达到 30余次。 

据李荣鹏教授介绍，人类基因组中编码功能蛋白的基因仅占基因总量的2%，其余98%的基因转录产物为非编码RNA，过去这类RNA一直被认为是冗余，其相关功能研究一直是空白。近年来，非编码RNA的研究逐渐成为国际热点，大量实验证据证明，非编码RNA控制着几乎所有的细胞生理功能。李荣鹏教授的研究在国际上首次证实了母系遗传的长链非编码RNA MEG3的4号转录产物，在肺部感染免疫过程中能够特异性表达，然后通过调节炎症因子IL-1b的表达水平，精准控制宿主的免疫反应。在感染过程中，肺泡巨噬细胞通过降低MEG3-4的表达量，释放出游离的小分子非编码RNA miR-138，然后miR-138结合到细胞因子IL-1b的mRNA 5‘UTR区域，形成剪切复合体降解mRNA，以维持IL-1b在体内的较低水平，防止过度的炎症反应杀伤细胞。这一结果深层次解析了MEG3-4调节宿主感染免疫的分子机制，同时也为推进MEG3-4作为RNA药物的应用提供了理论基础。

本发明公开了一种基于开槽结构的四分之一模基片集成波导滤波器，包括四分之一模基片集成波导弧形腔，四分之一模基片集成波导弧形腔通过基片集成波导圆形腔沿任意两条相互垂直的磁壁分割得到，四分之一模基片集成波导弧形腔包括介质基片，介质基片的上表面设有上金属层，介质基片的下表面设有下金属层，介质基片中沿四分之一模基片集成波导弧形腔的周向均匀分布有贯穿上金属层和下金属层的金属通孔。本发明相对于传统的基片集成波导圆形腔有效实现了小型化。并且，相对于传统的多层结构，本发明结构简单，加工方便。此外，相对于传统的微带结构，本发明的滤波器品质因数高，损耗小。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

面向工程机械机电液一体化系统的动态性能匹配方法与分析软件（以下简称为软件）， 能够根据用户对工程机械整机动力配件的选型，自动组成整机系统模型，并预测工程机 械整机运行时的性能以及各配件的功率输出和发热情况。该软件可应用于工程机械产品 开发的各个阶段如参数选型，性能匹配、故障诊断、实验辅助等，并已成功应用于山推 工程机械股份有限公司的新产品开发中。 技术特点： (1) 机电液热融合建模，理论定位高级。软件以预制的机电液零部件模块模型为基 础，可快速地、精细化地实现极端工况条件下机电液融合模型。 (2) 一体化的系统分析，问题覆盖面广。软件综合多种软件资源，对特定工程机械 机型的核心动力系统，可实现任意节点输出的、图解化的、基于机械系统实验结 果的系统分析。 (3) 机型软件快速开发，面向用户需求。软件可针对牵引底盘和非牵引底盘，快速 开发出面向特定工程机械机型的机电液一体化性能分析软件。 (4) 功能契合实际需要，适用范围广泛。适用于工程机械各个技术阶段的参数选型、 性能匹配、故障诊断、以及实验辅助。

蓝晶微生物致力于打造基于微生物的分子和材料创新平台。团队由清华、北大青年科学家组成，顾问团队包括中科院院士，中科院微生物所工业微生物研究室主任等。致力于利用合成生物学技术，提供生物活性分子。业务包括合同付费业务（iGEM科学教育，Holog平台），大客户定制开发（PHA业务线等）及自产经营（CBD开发）。点击上方按钮联系科转云平台进行沟通对接！

以天然高分子壳聚糖、透明质酸等为原料对其进行改性使其溶解在水、油（普通有机溶剂）等类衍生物，扩大了其作为生物医用材料的应用。然后还以新的生物材料制备方法光聚合方法、电纺丝方法、超临界聚合等方法对改性后的衍生物进行加工，使得其可以应用在生物医用材料如皮肤烧伤敷料、药物控释、人工组织工程支架等生物材料领域。并且还开展了光固化超硬、超耐磨、自清洁材料，光聚合药物缓释材料，光聚合有机高分子纳米微颗粒，光聚合信息存储材料等项目的研究。 溶解性：可溶解水、乙醇等12种有机溶剂；聚合速率，可光聚合壳聚糖单体最大转化率92%，聚合速率12秒；制备材料为无毒。用于食品包装等，生物医药，生物医用材料等，开发前景使用性能优良，具有广阔的市场前景。以壳聚糖等为主要原材料，主要设备是常温反应釜。若生产规模为100吨/年，设备投资约10万元，厂房面积需300m2，动力100KW，操作人员约3人。产品综合成本约80000～120000元/吨，市场平均售价约355000~460000元/吨，年利润约400~600万元，具有一定的经济效益。