葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

本發(fā)明公開(kāi)了一種二硒化鈷/碳納米材料，包括基底、厚度為 1 μm～2μm 的 CoSe2 層以及厚度為 1nm～10nm 的無(wú)定形碳層，所述 CoSe2 層生長(zhǎng)于所述基底表面，呈現(xiàn)三維片狀結(jié)構(gòu)，所述無(wú)定形碳層 附著于所述 CoSe2 層表面，且所述 CoSe2 層與所述無(wú)定形碳層的質(zhì)量 比為 90:1～1800:1，所述基底為鈦片或鈦絲。本發(fā)明通過(guò)將無(wú)定形碳 層附著于 CoSe2 材料表面，從而提高了納米材料的循環(huán)穩(wěn)定性，從而

本發(fā)明公開(kāi)了一種兼容 EPICS 的可編程自動(dòng)化控制方法及裝置， 該方法包括 S1 獲取被控對(duì)象的輸入信號(hào)，并通過(guò) CA 協(xié)議從網(wǎng)絡(luò)上讀 取輔助控制信息；S2 將輸入信號(hào)和輔助控制信息傳遞給與用戶配置相 應(yīng)的插件和腳本，并根據(jù)插件和腳本對(duì)輸入信號(hào)和輔助控制信息進(jìn)行處理得到輸出信號(hào)和用于發(fā)布的輔助控制信息；S3 將輸出信號(hào)輸出并 通過(guò) CA 協(xié)議在網(wǎng)絡(luò)上發(fā)布輔助控制信息；S4 根據(jù)用戶配置的頻率重 復(fù)執(zhí)行步驟S1至S3 直至用戶暫停或停止PAC。 本發(fā)明支持EPICS-CA 協(xié)議，可以方便的集成且使用

本發(fā)明公開(kāi)了一種銅納米線的銅銅鍵合工藝。在基片表面依次 沉積粘附層和種子層；在種子層上制備一層光刻膠，并在光刻膠上制 作圓孔；在圓孔中電鍍銅，得到銅凸點(diǎn)；利用水熱法在銅凸點(diǎn)表面生 長(zhǎng) Cu(OH)2 納米線；去除殘余的光刻膠；對(duì) Cu(OH)2 納米線進(jìn)行熱分 解，得到 CuO 納米線；對(duì) CuO 納米線進(jìn)行還原，得到銅納米線；利 用上述步驟分別在兩個(gè)基片上制得銅納米線，通過(guò)熱壓方式對(duì)這兩個(gè) 基片上的銅納米線進(jìn)行鍵合。本發(fā)明通過(guò)還原制得銅納米線，直接應(yīng)于后續(xù)鍵合，避免了額外的去氧化層步驟，能在較低的

本發(fā)明公開(kāi)了基于激光掃描離散點(diǎn)強(qiáng)度梯度的道路標(biāo)線自動(dòng)化提取方法，包括：步驟 1，利用高程 信息與 RANSAC 法從激光點(diǎn)云中提取路面點(diǎn)集；步驟 2，采用中值濾波器對(duì)路面點(diǎn)集中路面點(diǎn)進(jìn)行濾波； 步驟 3，分別計(jì)算路面點(diǎn)集內(nèi)各路面點(diǎn)的強(qiáng)度梯度；步驟 4，根據(jù)路面點(diǎn)的強(qiáng)度梯度，采用全局聚類法 將路面點(diǎn)集內(nèi)路面點(diǎn)聚類為強(qiáng)度梯度較大和強(qiáng)度梯度較小的兩類路面點(diǎn)，將強(qiáng)度梯度較大的路面點(diǎn)作為 種子點(diǎn)；步驟 5，根據(jù)種子點(diǎn)進(jìn)行標(biāo)線點(diǎn)搜索。本發(fā)明綜合利用離散點(diǎn)的

一、項(xiàng)目分類 顯著效益成果轉(zhuǎn)化 二、成果簡(jiǎn)介 項(xiàng)目組歷時(shí)15年，圍繞長(zhǎng)三角肉羊系統(tǒng)地開(kāi)展了遺傳資源挖掘與選育、高效繁育與繁殖營(yíng)養(yǎng)調(diào)控、營(yíng)養(yǎng)標(biāo)準(zhǔn)制訂與全混合日糧開(kāi)發(fā)等技術(shù)研發(fā)與集成示范，取得如下創(chuàng)新性成果： （1）篩選和鑒定了一批肉羊高繁殖力候選基因，系統(tǒng)開(kāi)展了湖羊和地方山羊的保護(hù)、提純復(fù)壯與選育，建立了高繁育種核心群，獲得了批量克隆和轉(zhuǎn)基因克隆羊。 （2）系統(tǒng)揭示了高繁母羊生殖內(nèi)分泌規(guī)律和卵泡發(fā)育機(jī)理，闡明了營(yíng)養(yǎng)因素對(duì)肉羊卵泡發(fā)育和孕體的影響及其調(diào)控機(jī)制，為提高母羊的繁殖力提供了新的理論依據(jù)。 （3）率先研究了湖羊及杜湖雜交組合不同階段營(yíng)養(yǎng)需要量參數(shù)，制定營(yíng)養(yǎng)標(biāo)準(zhǔn)，填補(bǔ)了空白。率先開(kāi)發(fā)肉羊TMR顆粒飼料配方、調(diào)制及飼喂工藝，提高了非常規(guī)飼料資源利用率，為肉羊精準(zhǔn)養(yǎng)殖提供了技術(shù)支撐。 基于該成果，項(xiàng)目組累計(jì)推廣出欄種羊74.32 萬(wàn)只，出欄肉羊72.07萬(wàn)只，TMR顆粒飼料推廣量達(dá)50萬(wàn)噸，推動(dòng)以海門為中心，輻射帶動(dòng)啟東、太倉(cāng)等區(qū)域，打造海啟倉(cāng)“一機(jī)兩翼”肉羊特色片區(qū)，已經(jīng)入選2020年農(nóng)業(yè)農(nóng)村部“一縣一業(yè)”樣板縣,并通過(guò)肉羊養(yǎng)殖技術(shù)扶貧助力產(chǎn)業(yè)脫貧攻堅(jiān)。

該成果創(chuàng)新性地基于二維半導(dǎo)體的硅基同質(zhì)器件，首次提出了類腦功能的“傳感-計(jì)算-存儲(chǔ)一體化”神經(jīng)形態(tài)芯片架構(gòu)，實(shí)現(xiàn)了光電傳感、放大運(yùn)算、信息存儲(chǔ)功能的一體化集成，為突破馮·諾依曼瓶頸和實(shí)現(xiàn)類腦智能提供了一種全新思路。 繆向水教授團(tuán)隊(duì)，長(zhǎng)期從事相變存儲(chǔ)器芯片、存算一體憶阻器芯片技術(shù)研究。2018年出版了國(guó)內(nèi)第一本憶阻器專著《憶阻器導(dǎo)論》，2019年團(tuán)隊(duì)93項(xiàng)三維相變存儲(chǔ)器芯片專利許可給芯片公司并合作開(kāi)發(fā)產(chǎn)品，并與行業(yè)龍頭企業(yè)合作建立了聯(lián)合實(shí)驗(yàn)室，推動(dòng)存儲(chǔ)器芯片技術(shù)的成果轉(zhuǎn)化以及未來(lái)引領(lǐng)技術(shù)的探索。曾榮獲國(guó)家科技進(jìn)步獎(jiǎng)2項(xiàng)、湖北省技術(shù)發(fā)明一等獎(jiǎng)1項(xiàng)。 同質(zhì)晶體管-存儲(chǔ)器架構(gòu)的原理及器件結(jié)構(gòu) 繆向水團(tuán)隊(duì)長(zhǎng)期從事相變存儲(chǔ)器芯片、存算一體憶阻器芯片技術(shù)研究。2018年出版了國(guó)內(nèi)第一本憶阻器專著《憶阻器導(dǎo)論》，2019年團(tuán)隊(duì)93項(xiàng)三維相變存儲(chǔ)器芯片專利許可給芯片公司并合作開(kāi)發(fā)產(chǎn)品，并與行業(yè)龍頭企業(yè)合作建立了聯(lián)合實(shí)驗(yàn)室，推動(dòng)存儲(chǔ)器芯片技術(shù)的成果轉(zhuǎn)化以及未來(lái)引領(lǐng)技術(shù)的探索。曾榮獲國(guó)家科技進(jìn)步獎(jiǎng)2項(xiàng)、湖北省技術(shù)發(fā)明一等獎(jiǎng)1項(xiàng)。

武漢大學(xué)張永軍教授項(xiàng)目組在國(guó)際上首次提出攝影測(cè)量遙感的科學(xué)概念，構(gòu)建了多模態(tài)衛(wèi)星影像一體化攝影測(cè)量遙感智能處理技術(shù)體系，突破了匹配干擾地物快速智能分割、語(yǔ)義輔助幾何處理與大范圍影像鑲嵌合成、地物信息智能提取等關(guān)鍵技術(shù)，成功研制出我國(guó)首套多模態(tài)衛(wèi)星影像一體化攝影測(cè)量遙感智能處理系統(tǒng)MIPS。 一、項(xiàng)目分類 關(guān)鍵核心技術(shù)突破 二、成果簡(jiǎn)介 武漢大學(xué)張永軍教授項(xiàng)目組在國(guó)際上首次提出攝影測(cè)量遙感的科學(xué)概念，構(gòu)建了多模態(tài)衛(wèi)星影像一體化攝影測(cè)量遙感智能處理技術(shù)體系，突破了匹配干擾地物快速智能分割、語(yǔ)義輔助幾何處理與大范圍影像鑲嵌合成、地物信息智能提取等關(guān)鍵技術(shù)，成功研制出我國(guó)首套多模態(tài)衛(wèi)星影像一體化攝影測(cè)量遙感智能處理系統(tǒng)MIPS，相關(guān)技術(shù)理論《多模態(tài)衛(wèi)星影像一體化攝影測(cè)量遙感智能處理技術(shù)及應(yīng)用》2021年榮獲測(cè)繪科技進(jìn)步特等獎(jiǎng)。 技術(shù)特色： (1) 首次提出基于人工智能技術(shù)的多模態(tài)衛(wèi)星影像語(yǔ)義分割與幾何處理融合新理論。創(chuàng)建了衛(wèi)星影像跨域穩(wěn)健語(yǔ)義分割技術(shù)，通過(guò)自適應(yīng)增量?jī)?yōu)化提升深度分割網(wǎng)絡(luò)模型的遷移性和普適性，保證多類型地物語(yǔ)義分割的時(shí)效性、容錯(cuò)性、穩(wěn)定性和區(qū)域一致性。 (2) 通過(guò)語(yǔ)義分割結(jié)果全自動(dòng)進(jìn)行多源地理信息控制點(diǎn)粗差剔除，實(shí)現(xiàn)超大范圍多模態(tài)影像精準(zhǔn)幾何處理；提出輻射不變特征變換算法進(jìn)行多模態(tài)影像高可靠性匹配；單臺(tái)機(jī)器2.5分鐘可完成8000景衛(wèi)星影像的并行區(qū)域網(wǎng)平差，大幅提高了自動(dòng)化處理精度和效率。 (3) 突破了基于深度學(xué)習(xí)的多視遙感影像三維地形及大范圍合成影像智能生成技術(shù)，采用物方半全局優(yōu)化提升困難區(qū)域的密集匹配精度，并在語(yǔ)義分割結(jié)果的輔助下進(jìn)行大范圍遙感影像無(wú)縫鑲嵌合成。 (4) 基于深度學(xué)習(xí)進(jìn)行建筑物、道路、農(nóng)作物等典型地物目標(biāo)語(yǔ)義信息智能提取；基于多尺度語(yǔ)義分割網(wǎng)絡(luò)融合經(jīng)驗(yàn)知識(shí)實(shí)現(xiàn)建筑物矢量邊緣精確提取；結(jié)合語(yǔ)義分割和多起點(diǎn)中心線追蹤優(yōu)化提取道路網(wǎng)拓?fù)涫噶?；基?D卷積和注意力機(jī)制實(shí)現(xiàn)多類農(nóng)作物精細(xì)分類及其時(shí)空特征智能提取。 (5) 構(gòu)建了全新的多模態(tài)衛(wèi)星遙感影像幾何語(yǔ)義一體化智能處理技術(shù)體系，研制出我國(guó)首套自主產(chǎn)權(quán)的多模態(tài)衛(wèi)星影像一體化攝影測(cè)量遙感智能處理軟件系統(tǒng)MIPS，其數(shù)據(jù)處理效果和效率均有明顯優(yōu)勢(shì)，顯著提升了融合處理的精準(zhǔn)度和智能化水平。 先進(jìn)性 MIPS具備快速語(yǔ)義分割、語(yǔ)義輔助精準(zhǔn)幾何處理、三維地形提取與多影像時(shí)序合成、地物語(yǔ)義信息智能提取等特色功能。系統(tǒng)采用最新的衛(wèi)星影像攝影測(cè)量處理、多源影像融合、語(yǔ)義信息提取的相關(guān)理論與方法，結(jié)合先進(jìn)的計(jì)算機(jī)技術(shù)、CPU/GPU兩級(jí)加速并行處理及深度學(xué)習(xí)技術(shù)，處理效果和效率均明顯優(yōu)于國(guó)內(nèi)外同類軟件。例如單機(jī)情況下19小時(shí)即可完成1551景2米分辨率衛(wèi)星影像的全自動(dòng)處理，包括云區(qū)檢測(cè)、影像融合、影像匹配、區(qū)域網(wǎng)平差、正射影像糾正等全部處理流程。語(yǔ)義分割結(jié)果約束的立體衛(wèi)星影像區(qū)域網(wǎng)平差自動(dòng)化程度和精度均顯著提升，例如在1:1萬(wàn)基礎(chǔ)測(cè)繪產(chǎn)品DEM/DOM的輔助下，高分七號(hào)立體衛(wèi)星影像的全自動(dòng)處理高程精度從2.6米大幅提升至0.8米以內(nèi)，鑲嵌接邊精度優(yōu)于1像素。

一、項(xiàng)目分類 重大科學(xué)前沿創(chuàng)新 二、成果簡(jiǎn)介 間質(zhì)性肺疾?。↖LD）是常見(jiàn)的呼吸系統(tǒng)疾病，特發(fā)性肺纖維化（IPF）是ILD中最常見(jiàn)也最為嚴(yán)重的疾病類型。IPF是一種進(jìn)行性發(fā)展、致死性、病因及發(fā)病機(jī)制未明的間質(zhì)性肺疾病。該疾病多發(fā)于老年人，患者從診斷建立到死亡的中位生存時(shí)間僅為2～3年，5年病死率為70%～80%。隨著老齡化社會(huì)的進(jìn)展與環(huán)境的持續(xù)惡化，IPF患病人群呈不斷上升趨勢(shì)。保守估計(jì)目前全球患病人數(shù)約5000萬(wàn)，我國(guó)患病人數(shù)約60萬(wàn)，年死亡病例達(dá)40000例。截止到2017年，國(guó)內(nèi)外批準(zhǔn)上市用于治療IPF的藥物僅有吡非尼酮和尼達(dá)尼布。這兩種藥物可以延緩肺功能下降速度，但是無(wú)法逆轉(zhuǎn)病情進(jìn)展、有效提高患者生存期，而且對(duì)一部分患者具有相當(dāng)大的副作用，晚期常需要肺移植，醫(yī)療花費(fèi)巨大。因此目前迫切需要開(kāi)發(fā)更加安全可靠、療效確切、價(jià)格合理的治療特發(fā)性肺纖維化的新藥。 項(xiàng)目研究基礎(chǔ) 研發(fā)平臺(tái)：依托南開(kāi)大學(xué)藥物化學(xué)生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室-天津市首個(gè)肺纖維化藥物研發(fā)平臺(tái)，該平臺(tái)擁有全套的藥物研發(fā)所需的各種大型儀器和檢測(cè)設(shè)備，標(biāo)準(zhǔn)的細(xì)胞間和動(dòng)物房，硬件設(shè)施完善。 批件申報(bào)經(jīng)驗(yàn)：項(xiàng)目組在國(guó)家重大專項(xiàng)十二五平臺(tái)和肺纖維化藥物研發(fā)平臺(tái)支持下申報(bào)獲批南開(kāi)大學(xué)首個(gè)肺纖維化臨床批件：多西環(huán)素治療繼發(fā)性肺纖維的臨床批件（化藥原1.6類），批件號(hào)為2017L01323。 IPF藥物研發(fā)梯隊(duì)級(jí)候選化合物：項(xiàng)目組已建立完善的肺纖維化藥物細(xì)胞篩選體系和動(dòng)物藥效評(píng)估體系，擁有具有自主知識(shí)產(chǎn)權(quán)的多個(gè)天然產(chǎn)物衍生物化合物庫(kù)，目前已篩選多達(dá)500個(gè)化合物，有一系列化合物顯示出良好藥效，且已申報(bào)相關(guān)專利。 項(xiàng)目?jī)?yōu)勢(shì) 項(xiàng)目組發(fā)現(xiàn)TGF-β1信號(hào)通路在肺纖維化發(fā)病過(guò)程中起著重要的中心調(diào)控作用，因此有針對(duì)性地以TGF-β1／Smad信號(hào)通路為靶點(diǎn)建立了細(xì)胞水平的高通量藥物篩選體系，及體外細(xì)胞模型和體內(nèi)動(dòng)物模型的IPF藥物評(píng)價(jià)體系，并通過(guò)半合成的手段獲得了具有自主知識(shí)產(chǎn)權(quán)的天然倍半萜衍生物庫(kù)，隨后利用動(dòng)物藥效學(xué)模型進(jìn)行驗(yàn)證，一共得到15個(gè)活性化合物（Hits）。對(duì)TGF-β1的活性化合物CP0105結(jié)構(gòu)進(jìn)行優(yōu)化，得到先導(dǎo)化合物CP0116。已申請(qǐng)相關(guān)專利2項(xiàng)。 藥物動(dòng)力學(xué)預(yù)實(shí)驗(yàn)研究：候選藥物分子CP0116經(jīng)口服吸收迅速，生物利用度為76.9%，與血漿蛋白結(jié)合率低（小于1%），血漿半衰期約為2小時(shí)，藥物分子12小時(shí)清除干凈。主要經(jīng)肝，腎代謝。 毒理學(xué)預(yù)實(shí)驗(yàn)研究：急毒預(yù)試驗(yàn)結(jié)果顯示，一次性對(duì)小鼠（n=10）灌胃給藥CP0116（2000mg/kg），48小時(shí)內(nèi)無(wú)一死亡，與對(duì)照組相比，無(wú)異常。長(zhǎng)毒預(yù)試驗(yàn)結(jié)果顯示，對(duì)小鼠（n=10）連續(xù)灌胃給藥CP0116（100mg/Kg）55天，給藥組老鼠無(wú)一死亡，與對(duì)照組相比，未觀察到任何毒性作用。 藥效學(xué)研究：吡非尼酮（100mg/kg）給藥組小鼠肺膠原含量較模型組降低18%，纖維化面積減少25%；同劑量CP0116給藥組小鼠肺膠原含量較模型組降低26%，纖維化面積減少48%，藥效結(jié)果優(yōu)于吡非尼酮組。 藥學(xué)研究：CP0116結(jié)構(gòu)穩(wěn)定、收率穩(wěn)定、純度可達(dá)98%以上，小試工藝已經(jīng)開(kāi)發(fā)完成。

一、成果簡(jiǎn)介 微生物飼料添加劑(FeedGradeMicrobialAdditives)是藥物保健促生長(zhǎng)飼料添加劑的最可行替代方案之一。美國(guó)FDA定義為可直接飼喂微生物(DFMS)，又被稱為益生素(Probiotics)、益生菌等。它的核心含義是指攝入動(dòng)物體內(nèi)參與腸道內(nèi)微生物平衡的、具有抑制動(dòng)物胃腸道有害微生物群落的作用，或增強(qiáng)非特異或特異性免疫功能，具有預(yù)防疾病、促進(jìn)動(dòng)物生長(zhǎng)和提高飼料轉(zhuǎn)化效率的活性微生物制劑。并可以進(jìn)一步與其他輔料(如生物活性多肽

（一）項(xiàng)目背景 當(dāng)前，智慧教育具有智能導(dǎo)學(xué)、精準(zhǔn)推薦、定制輔導(dǎo)、精細(xì)評(píng)價(jià)等特點(diǎn)，已成為國(guó)際國(guó)內(nèi)教育信息化發(fā)展的趨勢(shì)。智慧教育的研究主要聚焦于智慧學(xué)習(xí)環(huán)境建設(shè)的研究、智能技術(shù)支持下的智慧教學(xué)研究和機(jī)器學(xué)習(xí)技術(shù)支持下的個(gè)性化學(xué)習(xí)研究。智慧教育的出現(xiàn)極大地促進(jìn)了當(dāng)前教育中學(xué)習(xí)空間的重構(gòu)。在“學(xué)習(xí)空間”之前，人們通常使用“教學(xué)空間”來(lái)指代這種場(chǎng)所，將有教學(xué)活動(dòng)的場(chǎng)所均稱作教學(xué)空間。隨著人們對(duì)學(xué)習(xí)過(guò)程的理解變化、智慧教育的快速發(fā)展以及人們對(duì)非正式學(xué)習(xí)的重視，學(xué)習(xí)空間逐漸由單一的物理教學(xué)空間向包含物理空間、網(wǎng)絡(luò)空間、移動(dòng)空間的多元學(xué)習(xí)空間轉(zhuǎn)變。多元學(xué)習(xí)空間的提出雖然更多地體現(xiàn)出了“以學(xué)生為中心”的傾向，但如何具體衡量多元學(xué)習(xí)空間對(duì)學(xué)生學(xué)習(xí)效果的影響是評(píng)價(jià)多元學(xué)習(xí)空間的重要步驟。同時(shí)，在多元學(xué)習(xí)空間具體構(gòu)建時(shí)，面對(duì)空間中來(lái)源不同、結(jié)構(gòu)多樣、數(shù)量龐大的多模數(shù)據(jù)如何進(jìn)行處理存儲(chǔ)、并在保證數(shù)據(jù)有效性的前提下對(duì)教育數(shù)據(jù)進(jìn)行隱私保護(hù)是多元學(xué)習(xí)空間需要解決的另一個(gè)難點(diǎn)。 （二）項(xiàng)目簡(jiǎn)介 本項(xiàng)目主要目標(biāo)是針對(duì)信息技術(shù)支撐下學(xué)習(xí)空間多元化、場(chǎng)景復(fù)雜、需求多樣化，學(xué)習(xí)者及學(xué)習(xí)行為呈現(xiàn)出新的特點(diǎn)和規(guī)律，研究多元學(xué)習(xí)空間中學(xué)習(xí)行為數(shù)據(jù)化關(guān)鍵技術(shù)，構(gòu)建“云-邊緣-物聯(lián)網(wǎng)”架構(gòu)的多模態(tài)數(shù)據(jù)存儲(chǔ)與處理平臺(tái)，實(shí)現(xiàn)混合式學(xué)習(xí)環(huán)境下學(xué)習(xí)行為智能感知和數(shù)據(jù)化，優(yōu)化學(xué)習(xí)行為模型，基于實(shí)際應(yīng)用與不同學(xué)習(xí)目標(biāo)函數(shù)及內(nèi)容，建立可重復(fù)、可預(yù)測(cè)、可驗(yàn)證的對(duì)比數(shù)據(jù)集，為數(shù)據(jù)驅(qū)動(dòng)的智慧教育生態(tài)構(gòu)建和教育應(yīng)用提供核心技術(shù)與數(shù)據(jù)支撐。 （三）關(guān)鍵技術(shù) 我們面向智慧教育中準(zhǔn)確認(rèn)知學(xué)生的學(xué)習(xí)狀態(tài)和行為的大數(shù)據(jù)需求提出研究方案。本項(xiàng)目實(shí)施方案涉及教育學(xué)、物聯(lián)網(wǎng)、云計(jì)算、人工智能、隱私保護(hù)等多個(gè)領(lǐng)域，主要技術(shù)路線如圖所示： 圖 1 技術(shù)路線圖 其中，項(xiàng)目包括的關(guān)鍵技術(shù)主要有以下三點(diǎn)： 1.基于物聯(lián)網(wǎng)的多模態(tài)數(shù)據(jù)實(shí)時(shí)智能感知和多時(shí)間域數(shù)據(jù)采集技術(shù) 該技術(shù)針對(duì)學(xué)習(xí)狀態(tài)的數(shù)據(jù)化、特征參數(shù)量化問(wèn)題，設(shè)計(jì)能夠采集多 重學(xué)習(xí)空間下的智能數(shù)據(jù)感知物聯(lián)網(wǎng)系統(tǒng)。主要技術(shù)難點(diǎn)在于抽樣頻率與 識(shí)別準(zhǔn)確度的平衡、人機(jī)交互的變化規(guī)律等全新科學(xué)問(wèn)題。 2.學(xué)習(xí)狀態(tài)多模態(tài)數(shù)據(jù)解析和智能處理技術(shù) 利用智能感知物聯(lián)網(wǎng)采集實(shí)時(shí)性的原始學(xué)習(xí)狀態(tài)數(shù)據(jù)，包括面部表情、 腦電信號(hào)、頭部姿態(tài)、交互行為等原始數(shù)據(jù)，這些數(shù)據(jù)具有數(shù)據(jù)量大、模 態(tài)多、冗余度高等特點(diǎn)，需要通過(guò)智能化的預(yù)處理方法轉(zhuǎn)換成可以量化的 狀態(tài)數(shù)據(jù)。 3.多層次數(shù)據(jù)差分隱私保護(hù)技術(shù) 學(xué)習(xí)行為數(shù)據(jù)是學(xué)習(xí)者被動(dòng)采集的多方面行為數(shù)據(jù)，受到日益增長(zhǎng)的 具有爭(zhēng)議性的數(shù)據(jù)倫理的制約。該項(xiàng)技術(shù)通過(guò)數(shù)據(jù)隱私保護(hù)機(jī)制實(shí)現(xiàn)數(shù)據(jù) 多層次化的差分隱私安全算法；在保證學(xué)習(xí)者最大數(shù)據(jù)隱私性的前提下， 研究滿足學(xué)習(xí)行為分析所需要的數(shù)據(jù)顆粒度。