主要基于在役桥梁数量庞大、病害严重、数据管理混乱、维修决策困难等背景，针对桥梁群服役期间的健康管养问题，建立了基于数字孪生模型的桥梁群数据管理系统。项目展示包括移动端人工检测、无人机图像检测、水下检测、索力监测、桥梁动力特性识别及施工监控等多种实际应用场景，并依据桥梁的设计信息生成与实际桥梁一致的虚拟孪生模型。该模型能够实时集成、更新多源数据信息，及时反应当前桥梁构件、整体状况；并根据桥面交通荷载流量等荷载信息，通过数字孪生模型预测桥梁性能未来演化趋势，由此对实际桥梁管养提供预防性养护措施建议；本技术意在解决实际管养过程中纸质化、平面化的管养方法，优化数据管理混乱现状，并通过数字孪生模型实现桥梁群管养由被动养护向预防性养护转变过程。

XM-D020尿的形成电动模型   XM-D020尿的形成电动模型显示血液循环与尿的生成过程途径，尿的形成包括肾小球的过滤，肾小管、集合管的重吸收和分泌排泄三个连续的生理过程。 一、示教内容： ■ 模型的结构为肾单位（由肾小体和肾小管组成）。 ■ 尿的生成过程是教学的难点及重点，模型的解剖部分突出了结构的特点，表现肾单位的结构及尿的生成过程。 ■ 肾小球做剖面，近端小管，远端小管部分做剖面，集合管与乳头之间做剖面。 ■ 尿的形成包括肾小球的过滤，肾小管、集合管的重吸收和分泌、排泄三个连续的生理过程 ，此过程用灯光显示。 ■ 在近端小管中显示葡萄糖和氨基酸等结构。 ■ 在集合管和乳头管之间的剖面上显示无机盐、水分等结构。   二、技术参数： ■ 尺寸：47×16×72cm ■ 材质：PVC材料+铝合金边框   三、标准配置： ■ XM-D020尿的形成电动模型：1台 ■ 说明书：1册 ■ 保修卡合格证：1张

XM-430眼球的发生模型   功能特点： ■ XM-430眼球的发生模型由7部件组成，显示眼球的外形结构发生变化过程。 ■ 在前脑泡突出左右两个眼泡，剥掉左半外胚层露出的眼泡并形成末端膨大部和较细的蒂。 ■ 眼泡末端膨大内凹陷形成内外两层眼杯，由于在发育过程中上面和两侧面生长快在眼杯下方出现一缺口即脉络膜裂。（裂内有视网膜中央动静脉通过） ■ 在胚胎六一七周，脉络膜裂开始闭合眼杯形成完整的双层球状杯形体，杯口缩小成瞳孔眼杯前部发育形成视网膜盲部，后部发育形成视网膜视部。 ■ 在胚胎四五周时覆盖眼杯表面的外胚层局部增厚即晶状板，在眼杯凹陷时晶状体板即随着突入眼杯内形成晶状体凹。 ■ 胚胎六周至三个月之间，自视网膜前部生成次级玻璃体纤维，排列整齐将杯内的原始玻璃体压缩到中央部，这时玻璃体与眼球同时增长。 ■ 四个月胎儿眼球解剖，眼杯周围的中胚层分化出内外两层后，外层致密的纤维形成巩膜，内层疏松的形成血管膜即脉络膜睫状体和虹膜，玻璃体动脉穿过玻璃体。 ■ 眼睑和结膜的发生，眼睑和结膜均来自表面外胚层在胚胎第五周开始时眼的周围形成褶，褶的外层化成眼睑皮肤，内层分化成结膜。 ■ 尺寸：放大 ■ 材质：玻璃钢材料

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。

本发明属于急性肾衰竭模型构建技术领域，公开了一种犬的急性肾衰竭模型建立的方法，试验动物的确定及分组；仪器和试剂的确定；样品的采集；指标的测定；统计分析。本发明提供的犬的急性肾衰竭模型建立的方法，采用腺嘌呤来诱导建立犬急性肾衰竭的模型，通过血液和尿液等指标的检测及肾脏组织病理学变化来判断模型是否成功建立，进而确定腺嘌呤诱导犬急性肾衰竭的最佳剂量。综合结果表明，给犬添加75mg/kg·d的腺嘌呤饲喂15天可以成功建立急性肾衰竭模型，即75mg腺嘌呤模型组所用造模剂量合适，造模15天后动物能达到急性肾衰竭的理想造模状态，同时也能避免手术等对试验动物造成额外的伤害，引起动物急性死亡。

XM-407A心脏的发生和内部的分隔示教模型   XM-407A心脏的发生和内部的分隔示教模型由6部件组成，显示心脏的发生和心脏内部的分割过程。 尺寸：放大 材质：PVC材料

简介：本发明公开了一种用于连铸漏钢预报的混合模型，属于冶金连铸中监控技术领域。混合模型包括：基于GA‑BP神经网络的单偶时序模型和基于逻辑判断的组偶空间模型。该预报方法的步骤为：1)监控结晶器温度并存储数据；2)将数据输入单偶时序模型，判断每个热电偶温度随时间变化是否符合粘结时温度变化波形，将判断结果保存到数组Y(i,j,t)中；3)当Y(i,j,t)在阀值范围[θmin,θmax]内时，标记该热电偶异常，计算第i行、i‑1行异常热电偶数目分别为m、n；4)利用m+n与粘结报警和粘结警告热电偶数目阀值比较进行粘结判断。本发明实现了提高粘结性漏钢识别精度的目标。

成果描述：本发明公开了一种基于运行数据对中央空调系统节能诊断及节能潜力分析的方法，基于中央空调系统实际运行数据，经对输入数据进行数据预处理后，再经数据分析步骤对已进行预处理的数据进行系统工况模式识别、系统设备运行时长与均等运行策略分析、系统设备运行次序分析、系统设备变频特性分析、系统设备出力与能耗特性分析、系统及设备运行约束条件分析，基于此再经节能潜力计算步骤对系统最小运行能耗(或费用)进行计算，得到系统节能诊断结果及节能潜力情况。本发明方法通过对系统实际运行数据的分析，给使用者提供更全面、更符合实际的节能诊断和节能潜力结果，为系统节能优化运行和节能改造等提供重要决策依据。市场前景分析：暖通工程领域。与同类成果相比的优势分析：技术先进，性价比较高。

本发明公开了一种基于运行数据对中央空调系统节能诊断及节能潜力分析的方法，基于中央空调系统实际运行数据，经对输入数据进行数据预处理后，再经数据分析步骤对已进行预处理的数据进行系统工况模式识别、系统设备运行时长与均等运行策略分析、系统设备运行次序分析、系统设备变频特性分析、系统设备出力与能耗特性分析、系统及设备运行约束条件分析，基于此再经节能潜力计算步骤对系统最小运行能耗(或费用)进行计算，得到系统节能诊断结果及节能潜力情况。本发明方法通过对系统实际运行数据的分析，给使用者提供更全面、更符合实际的节能诊断和节能潜力结果，为系统节能优化运行和节能改造等提供重要决策依据。

随着云计算、大数据、分布式AI等数据密集型应用的部署，大规模计算集群（数据中心、分布式AI集群、高性能计算集群）的体系结构、通信模式、流量状态、应用需求发生了极大的改变，上述改变对计算网络的吞吐、时延、带宽提出了极大的挑战，传统电互连网络技术存在拓扑结构复杂、线缆开销巨大、设备数量过多、可集成端口密度有限、网络能耗难以优化等问题，与电互连技术相比，光互连具有高带宽、低能耗、低开销、低时延等特点，具有较大潜力满足数据密集型应用对传输带宽、网络能耗、传输时延、通信逻辑适配等方面的需求，但受到缓存、交换粒度的影响，纯光互连网络难以承载突发性强、数据量小、实时性高的通信任务，因此，充分结合光、电互连技术的优点，研究面向数据密集型应用的扁平化、低时延、可重构光电混合网络，对于突破新型计算网络所面临的功耗、吞吐、时延、扩展性等方面的挑战至关重要。 围绕下一代数据密集型应用对互连网络高带宽、低时延、低能耗、高扩展性的需求，展开高容量、低开销、可重构、扁平化光电混合互连架构的研究。结合光、电交换技术的特点，设计高扩展、低复杂度、大容量、低能耗的光电混合互连拓扑结构；研究低开销、快速响应的光电路/光分组交换控制系统，设计面向快速光交换计算的调度算法；研究低阻塞、多粒度、高连通性的光交换机制及交换芯片；构建高性能光电混合互连网络系统原型，部署典型应用测试基准，验证光电混合网络的潜在优势，为下一代计算网络架构的技术革新提供理论和实践指导。