葡京娱乐场-富盈娱乐场开户

印染織物電腦對中糾偏系統及其裝置，具有布邊卷取、展開、擴布和對中控制功能。可連接棉印行業的燒毛機、水洗機、鍍層機、絲光機、定型機、平網印花機、圓網印花機以及造紙機、塑料薄膜生產線等機械的入口處。自動對中修正偏斜，減少偏斜式邊緣彎曲不正所產生的摺紋式色澤光澤不均現象，提高產品品質，實現生產自動化。 本系統采用微電腦與紅外數碼技術，將模糊智能識別用于對中糾偏，較模擬電路的對中裝置上一檔次，屬國內首創。該系統具有抗干擾性能強、動作穩定可靠、靈敏度高等優點，不受織物厚薄和幅寬的限制，可自動控制中心位置，可高速運行，是提高印染產品質量的好幫手。本系統還可選配筆記本電腦監控工作狀況連接Internet網絡。

高校科技成果盡在科轉云

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：

采用前沿的深度學習算法和相關數據處理技術，經過不斷優化和創新，能夠在極短時間內完成 CT 圖像的人體器官勾畫功能，目前已實現 30 多種器官的自動勾畫。大量歷史病例數據集和模型的不斷創新使 DeepViewer 多種器官的勾畫精準度達到 95%以上。 

高效率、高精度智能化測量技術已成為我國發展高端制造業的瓶頸。本項目突破了高效率、高精度智能化測量的一系列難題，形成的自主創新關鍵技術有： 1．首次建立了基于運動學圖譜分析的智能測量裝備設計方法及通用性設計理論體系，使研發周期縮短了40%，研發費用降低了35%。 2．針對多傳感器高精度配準的國際性難題，發明了多傳感器聯合標定標準器的設計方法。 3．針對測量裝備伺服系統高平穩性控制的難題，率先提出了體現溫度影響的非線性摩擦建模方法，測量裝備運動平穩性提高了59%。 已申請國家發明專利18項（授權5項）、實用新型專利12項（授權12項）、軟件著作權7項；以金國藩院士為主任的鑒定委員會一致認為項目整體技術達到國際領先水平。獲得2013年天津市科技進步一等獎。 圖1 缸套類零件檢測用高效高精度智能測量裝備 圖2 慣性元件檢測用高效高精度智能測量裝備 圖3 手機外殼檢測用高效高精度智能測量裝備

高效率、高精度智能化測量技術已成為我國發展高端制造業的瓶頸。本項目突破了高效率、高精度智能化測量的一系列難題，形成的自主創新關鍵技術有： 1．首次建立了基于運動學圖譜分析的智能測量裝備設計方法及通用性設計理論體系，使研發周期縮短了40%，研發費用降低了35%。 2．針對多傳感器高精度配準的國際性難題，發明了多傳感器聯合標定標準器的設計方法。 3．針對測量裝備伺服系統高平穩性控制的難題，率先提出了體現溫度影響的非線性摩擦建模方法，測量裝備運動平穩性提高了59

建立基于多智能體的軟件動態體系結構模型，采用模型驅動的軟件構造方法，敏捷構造開放環境下軟件系統；研究變化建模、層次感知、智能決策等技術方法，實現軟件結構、行為等多方面的動態演化。 主要技術指標 從環境感知、數據分析、通信機制等多個方面，提升了面向動態環境的復雜軟件系統持續性演化能力。 支持軟件系統在運行過程中靈活調整、柔性適變。 相關成果 （1）基于多智能體的軟件動態演化支撐環境； （2）自適應軟件體系結構建模工具； （3）基于Agent自適應動態集成演化平臺； （4）面向動態演化的集成規則設計工具軟件。

針對行政約談場景中存在的人工記錄效率低、內容理解偏差記錄、資料追溯繁雜等問題，本成果開展了基于音視頻識別及語義分析的智能約談平臺的研究。基于 AI 深度學習的音視頻識別框架、復雜網絡理論和語義知識本體的文本語義相似度計算方法，研究音視頻識別的語音轉寫、對話管理、計算機視覺技術和內容分析的語義理解、語義優化、情感識別方法，實現網信約談、紀委約談、公安審訊、監獄談話等多種行政約談場景下的約談智能化和數字化。其中，語音識別轉寫是開展智能約談系統研究的前提和基礎，本成果訓練了聲學模型和語言模型，構建編碼器，通過音頻角色分離和聲紋識別技術分離說話人聲音，編碼器識別解碼，經過文本語義處理轉寫為文本。而文本語義處理是智能約談系統提升約談效能的源動力，成果構建了基于語義本體的自動專家導引約談知識庫，通過基于復雜網絡的語義相似度計算給約談工作人員推薦約談問題；約談結束后，利用融合主題特征的文本自動摘要技術快速生成匯報摘要，利用基于分布式表示的事件抽取技術自動生成約談報告。本成果研制高效、便捷的智能約談音視頻識別及語義分析平臺，實現了在線約談預約、人臉識別身份核驗、語音實時轉寫、約談問題智能引導提問、音視文同步顯示、匯報摘要自動生成、約談報告自動生成、約談文件回溯、約談大數據分析等功能。

項目背景：目前，國內腳輪生產基地大部分在南方地區， 據統計，中國腳輪產品市場份額約占全世界的 30%，全國需 求量約 600 億元，公司為彌補北方高品質腳輪的空缺，進行 了注塑車間智能化技術改造，建設了集中供料、集中供水電、 集中供氣的智能化先進生產線，配合先進的冷卻技術，通過 機械手以及輸送帶完成“注塑+成型+冷卻+輸送”一條線。 廣泛應用于工業、商業、醫療器械以及機械、物流運輸、環 保清潔用品、家具行業、美容器械、食品機械、五金生產等 各行業。 所需技術需求簡要描述：尋求針對腳輪產品制造過程中 的流程優化和技術改造方案。并通過對注塑機等設備 MES 數 據的提取和挖掘，實現注塑過程的數字孿生，并設計開發基 于數字孿生的智能決策系統。  對技術提供方的要求:能完成對腳輪生產線的精益改 造，并實現數字孿生技術的個性化應用。 

技術分析(創新性、先進性、獨占性) 為了充分利用先進的人工智能的新技術，提高醫療影像輔助診斷的水平，使得智能醫療診斷技術提高臨床診斷的質量和效率，使其盡快走入家挺、社區，滿足人們的醫療健康的需要。研究臨床醫學影像的2D病灶精細分割和三維跨模態的影像三維重建技術。首先，通過建立多層感知的神經網路，對醫學影像的特征進行充分學習，得到影像的幾何映射的關系，從而實現對醫學影像的三維重建，克服了現有的三維重建技術中度量關鍵問題，關鍵技術對于醫學影像的精準度量，具有現實意義:其次，在2D病灶分割中，利用半監督學習技術，實現少標簽情況下的分割技術，半監督學習技術可以有效解決醫學影像中標簽難以獲取的問題。技術的研究成果的特點是醫學影像跨模態輔助診斷技術，對于超聲、CT以及核磁共振等影像都有效，并且攻克的神經網絡過于復雜的關鍵問題，所研究技術適用于臨床快速便捷輔助診斷。此外，在醫學度量方面的關鍵技術中，突破了人體腹腔及皮下脂肪的精細分割技術的關鍵技術，可以用于臨床輔助診斷中，在關鍵技術探索中，實現對腔內脂肪特征的精細學習，該技術僅需要少量的影像標準數據，就可以實現皮下脂肪的準確分割，并證明了關鍵技術的有效性。