葡京娱乐场-富盈娱乐场开户

松鼠AI（原乂學教育）隸屬于上海松鼠課堂人工智能科技有限公司。成立于2015年，與美國斯坦福研究中心（SRI）成立了人工智能聯合實驗室，成為與世界知名學府建立合作研究關系的中國教育品牌。 我們專注于K12領域智能個性化輔導的智適應教育，通過開發出擁有完整自主知識產權、結合國際前沿算法與中國學情的自適應學習引擎，為每一個學生智能推薦專屬的學習路徑，尊重每個學生的寶貴個性。解決了當前智慧教育的一大痛點，為“因材施教”提供了更科學的可能，并走在了當前國內互聯網教育行業的前沿。

天中依脈是較早專注于中醫診療客觀化的高新技術企業，核心技術脫胎于天津中醫藥大學、天津大學歷屆專家及從上世紀80年代開始的“中醫客觀化技術”研究。依脈人工智能醫療科技（天津）有限公司是天中依脈的全資子公司，致力于發展“中醫云腦”智能化云中醫服務，參與國家“一帶一路”中醫文化傳播與技術推廣，全面支持國家醫聯體建設、家庭醫生簽約服務等領域的中醫藥服務，踐行健康中國戰略。 2009年創立至今，天中依脈與國內三十余家高校及高級醫療機構建立了長期深入的科研合作關系，擁有200多項國家專利及軟件著作等知識產權，產品服務于500余家醫療機構，成為中醫智能行業的領航者。  

IECUBE-676X 人工智能創新實驗進階套件是在 IECUBE-6760 人工智能創新實驗基礎套件的基礎上，針對已經具有一定人工智能應用開發經驗的開發者，設計的具有一定復雜性和系統性的綜合項目制實驗開發套件。該套件將人工智能技術與更專業、更復雜的學科場景相結合，在更開放的軟硬件平臺環境下，鼓勵學生自主完成人工智能與各學科的融合。 

一、所屬類別 基礎、教學科研類實驗設備類；實習實訓設備及配套等。 二、相關專利技術 CN202010106007.7    履帶車底盤、全地形履帶車及全地形行走方法 CN202011613628.0    機器人運動控制方法、裝置、控制器及存儲介質 CN202111261356.7    雙足機器人的運動軌跡規劃方法、裝置、設備及介質 CN202110232263.5    開關機的控制電路及方法 CN202110232355.3    機器人動作模仿方法、裝置、設備及存儲介質 CN202011501534.4    一種舵機的補償控制方法及舵機補償電路 CN202110574796.1    機器人的偏差信息確定方法、裝置、處理設備及介質 CN202011644180.9    機器人抗擾動控制方法、裝置、電子設備及存儲介質 CN202110311455.5    雙足機器人控制方法、裝置以及雙足機器人 CN202011611800.9    質心軌跡的獲取方法、裝置、機器人及存儲介質 三、基本情況 （一）應用對象 應用于機械類、自動化類、電子信息類、計算機類等相關專業人才培養，適用場景包括實驗實訓、教學科研及競賽等，方案以人才培養為目標和課程建設為核心，基于機器人載體，提升人工智能與機器人技術教學科研水平。 （二）核心優勢 核心產品為雙足人形機器人，該系列機器人獲得“小型雙足人形機器人步態算法”創新紀錄，“高韌性強扭矩復合材料舵機”打破國外技術封鎖，核心零部件實現國產化。 其中Aelos小型雙足機器人載STM32、Raspberry Pi-4B雙運算系統，支持二次深度開發，支持多語言開發環境，滿足高校對于編程開發、人工智能應用學習等需求，助力高校在機器人系統結構、步態規劃、運動控制、算法開發、場景應用等方面的實踐學習。 Aelos小型雙足機器人 Roban中型雙足機器人基于ROS應用平臺，搭載深度攝像頭，嵌入V-SLAM視覺算法，可以通過導航技術進行建圖，實現自主路徑規劃和步態規劃，涉及運動控制、計算機視覺、圖像處理、運動規劃等多領域課程，能夠較好地滿足相關專業實驗實訓、研究開發、參加競賽等需求。 Roban中型雙足機器人 （三）商業模式 公司與高校在復合型人才培養、專業建設、課程建設、科研合作、師資培訓、實訓室搭建等方面開展深入合作，相關產品被用于各類學校的實際教學、實踐、實訓。推廣路徑通過各類研討會、展會、大賽和專業渠道商進行拓展。 四、推廣情況 （一）應用案例 1.清華大學 與清華大學電子系合作共建《智能機器人設計實踐》專業限選課，基于人形機器人載體，學習機器人結構原理，圖像識別，路徑規劃，AI芯片等內容。合作入選中國高等教育學會“校企合作雙百計劃”典型案例。 2.哈爾濱工業大學 與哈工大開展人才聯合培養全面合作，雙方在開發校企聯合課程、共建聯合實驗室、共建校外實習實踐基地、共同籌辦BOTEC智能機器人技術挑戰賽等方面進行合作，并入選中國高等教育學會“校企合作雙百計劃”典型案例。 3.南方科技大學 與南科大機器人研究院共建的機器人聯合研究中心，在機器人關鍵核心技術攻關、專業課程建設、人才聯合培養等領域開展合作。雙方共建的基地被廣東省教育廳認定為廣東省聯合培養研究生示范基地。 （二）應用成效 解決了高校人工智能機器人方向的實驗實訓、教學科研、參加競賽等需求，有助于打造高水平、專業化的實踐科研條件。年均支撐高校開展教學科研項目不少于1項，科技競賽不少于2項，協助申報產學合作協同育人項目等。 （三）推廣計劃 高校新增人工智能等新專業成為熱門，傳統工科專業也面臨課程改革要求，因此，通過開展智能機器人設備的應用與實踐，推動相關專業人才的培養與發展，已是大勢所趨。推廣模式包括課程案例展示、以賽促教、舉辦研討會等。

世界上有數以百萬的語言障礙患者，其中有的是由于先天缺陷導致其存在語言功能障礙，也有的是后天的一些疾病致使其喪失語言功能，語言功能障礙給他們的生活帶來了極大的困難和不便。電子人工喉是一種簡易的語言康復方法，其通常需要安裝在口內喉部，由肺部發出的氣流經過舌、唇的調制，引起人工喉膜片振動，使其發出語音信號。然而，現有電子喉助音器無法清晰還原患者聲音，發音模糊，訓練周期長，并且需要患者自己手持助音器于喉部，造成極大不便，所以亟需便于失語者攜帶、操作簡單、性能優異的新型人工喉的器件及系統研究。 本成果團隊研究的第二代石墨烯智能人工喉（WAGT）在器件柔性可貼附、聲音收發系統集成、動作監測系統、輕型可穿戴等方面有了重大突破。首先，第二代石墨烯人工喉采用了更貼合人體皮膚的紋身式薄膜作為襯底，無需膠帶粘貼，可直接貼敷在人體喉嚨，極大地提高了佩戴舒適感；其次，第二代石墨烯智能人工喉在收發聲系統方面有了雙重突破，實現了石墨烯的器件級應用至系統級應用的跨越。通過專用電路對聲音信號的放大和轉換，第二代石墨烯智能人工喉首次將收聲系統和發聲系統連接起來，實現了聲音輸入到輸出的閉環，并可以通過示波器實時觀測喉部運動情況。接著，通過與單片機的結合，該器件可以將人體喉部的不同動作“翻譯”成不同的聲音，實現了動作發聲系統。通過連接解碼器，該器件還可以播放任意音樂。最后，第二代石墨烯智能人工喉系統可通過臂包穿戴在胳膊上，首次實現了石墨烯人工喉的可穿戴功能。未來將進行體積更小及功能更多的集成，有望實現像“創可貼”一樣貼附在人體喉部并幫助失語者“開口說話”。

項目成果/簡介:世界上有數以百萬的語言障礙患者，其中有的是由于先天缺陷導致其存在語言功能障礙，也有的是后天的一些疾病致使其喪失語言功能，語言功能障礙給他們的生活帶來了極大的困難和不便。電子人工喉是一種簡易的語言康復方法，其通常需要安裝在口內喉部，由肺部發出的氣流經過舌、唇的調制，引起人工喉膜片振動，使其發出語音信號。然而，現有電子喉助音器無法清晰還原患者聲音，發音模糊，訓練周期長，并且需要患者自己手持助

01. 成果簡介 世界上有數以百萬的語言障礙患者，其中有的是由于先天缺陷導致其存在語言功能障礙，也有的是后天的一些疾病致使其喪失語言功能，語言功能障礙給他們的生活帶來了極大的困難和不便。電子人工喉是一種簡易的語言康復方法，其通常需要安裝在口內喉部，由肺部發出的氣流經過舌、唇的調制，引起人工喉膜片振動，使其發出語音信號。然而，現有電子喉助音器無法清晰還原患者聲音，發音模糊，訓練周期長，并且需要患者自己手持助音器于喉部，造成極大不便，所以亟需便于失語者攜帶、操作簡單、性能優異的新型人工喉的器件及系統研究。 本成果團隊研究的第二代石墨烯智能人工喉（WAGT）在器件柔性可貼附、聲音收發系統集成、動作監測系統、輕型可穿戴等方面有了重大突破。首先，第二代石墨烯人工喉采用了更貼合人體皮膚的紋身式薄膜作為襯底，無需膠帶粘貼，可直接貼敷在人體喉嚨，極大地提高了佩戴舒適感；其次，第二代石墨烯智能人工喉在收發聲系統方面有了雙重突破，實現了石墨烯的器件級應用至系統級應用的跨越。通過專用電路對聲音信號的放大和轉換，第二代石墨烯智能人工喉首次將收聲系統和發聲系統連接起來，實現了聲音輸入到輸出的閉環，并可以通過示波器實時觀測喉部運動情況。接著，通過與單片機的結合，該器件可以將人體喉部的不同動作“翻譯”成不同的聲音，實現了動作發聲系統。通過連接解碼器，該器件還可以播放任意音樂。最后，第二代石墨烯智能人工喉系統可通過臂包穿戴在胳膊上，首次實現了石墨烯人工喉的可穿戴功能。未來將進行體積更小及功能更多的集成，有望實現像“創可貼”一樣貼附在人體喉部并幫助失語者“開口說話”。圖1. 可穿戴的第二代智能石墨烯人工喉系統02. 應用前景 第二代智能石墨烯人工喉集收聲和發聲于一體，可直接貼附于失語者喉部，并將喉部的不同動作轉化為對應聲音，有望幫助失語者正常與他人“交談”。在未來，該器件將與聲紋識別、機器學習等技術結合，在語音識別、家庭醫療等領域具有廣闊前景。03. 知識產權 已獲得國家發明專利授權2項。04. 團隊介紹 本成果項目團隊負責人為任天令教授，清華大學信息科學技術學院副院長，教育部長江學者特聘教授，國家杰出青年基金獲得者，清華大學環境與健康傳感技術研究中心副主任。擔任IEEE電子器件學會副主席（中國大陸首次）、國際微電子領域頂級學術會議IEDM執委（中國大陸首次）、IEEE電子器件學會教育委員會主席（中國大陸首次）、中國微米納米技術學會理事等。近年來，承擔國家自然科學重點基金、國家重大科技專項、國家公益性行業科研專項、國家重大儀器專項、國家863計劃、國家973計劃等多項國家重要科技項目，做出一系列具有重要國際影響的創新學術成果。主要研究方向為智能微納電子器件、芯片與系統，包括：智能傳感器與智能集成系統，二維納電子器件與芯片，柔性、可穿戴器件與系統，智能信息器件與系統技術等。在國內外重要學術期刊和會議發表重要SCI期刊論文400余篇，國際微電子領域頂級學術會議IEDM論文11篇；獲國內外發明專利70余項，入選2018年愛思唯爾（Elsevier）“中國高被引學者”（微電子領域唯一入選者）。獲2018年電子學會自然科學一等獎，“石墨烯智能人工喉”榮獲科技導報評選的2017“中國十大重大技術進展”，“人工智能微納電子器件”榮獲2017“清華大學十大重大學術成果”，石墨烯“人工喉”在2018年全國科技活動周被評為“最受公眾喜愛項目”，還入選2018年中國國際智能產業博覽會十大“黑科技”創新產品（從1082項創新產品中脫穎而出）。團隊成員有副教授、助理教授、助理研究員等7人。05. 合作方式 技術許可。06. 聯系方式 郵箱：[email protected]、[email protected]

新冠肺炎常規通過病史、CT等進行病情評估，但重癥病房應用超聲不便，還需要評估重癥患者的心臟等多器官，然而操作者絕大多數不是專業超聲醫生，這為如何在治療重癥患者的過程中更好地發揮超聲的作用提出了難題。深圳國際研究生院袁克虹團隊與深圳華聲醫療技術股份有限公司合作，用人工智能技術賦能5G超聲設備，增添采集心肺關鍵標準切面的導航以及關鍵參數的自動測量等功能，輔助醫生對重癥病人進行動態評估和治療。 袁克虹團隊與深圳華聲醫療技術股份有限公司1月中旬組成研發團隊，在已有合作工作的基礎上，針對新冠肺炎重癥患者臨床超聲的迫切需求開展聯合攻關，半個月就獲得了較好的成果。該技術從2月初開始在武漢協和西院等多家醫院使用，在一定程度上輔助了醫生對重癥患者進行疾病的動態評估和治療指導。 目前該技術正由國家感染性疾病臨床研究中心（深圳市第三人民醫院）牽頭開展進一步研究，將完善和改進現有功能，優化遠程診斷流程，實現超聲為醫生治療重癥患者提供更智能、更可靠、更專業的幫助。

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數80，ESI 1%高被引論文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性預測服務器首頁致癌性預測結果頁相關綜述對本服務器的介紹RF-hERG-Score預測藥物引起的hERG相關心臟毒性2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。特異性重打分函數顯著虛擬篩選性能顯著較高篩選出兩個候選抑制劑3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。lncRNA-蛋白質相互作用預測模型的性能比較lncRNA-蛋白質相互作用預測服務器相關軟件著作權：