网上赌博游戏犯法吗-哪里网上赌博合法_网上百家乐游戏玩法_全讯网600cc (中国)·官方网站

導(dǎo)讀東北電力大學(xué)和長(zhǎng)春理工大學(xué)研究團(tuán)隊(duì)開發(fā)并實(shí)現(xiàn)一種結(jié)合腦電圖源成像(ESI)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的新方法，以對(duì)運(yùn)動(dòng)想象(MI)任務(wù)進(jìn)行分類。ESI技術(shù)采用邊界元法(BEM)和加權(quán)最小范數(shù)估計(jì)(WMNE)分別解決EEG的正向和逆向問題。然后在運(yùn)動(dòng)皮層中創(chuàng)建十個(gè)scout來(lái)選擇感興趣的區(qū)域(ROI)。研究者使用Morlet小波方法從scout的時(shí)間序列中提取特征。最后，使用CNN對(duì)MI任務(wù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果:在Physionet數(shù)據(jù)庫(kù)上的整體平均準(zhǔn)確率達(dá)到94.5%，分別對(duì)左拳頭、右拳頭、雙拳和雙腳的單個(gè)準(zhǔn)確率達(dá)到95.3%、93.3%、93.6%、96%，采用十倍交叉驗(yàn)證進(jìn)行驗(yàn)證。研究人員表示，他們的研究成果與最先進(jìn)的MI分類方法的結(jié)果相比，總體分類增加了14.4%。研究者為驗(yàn)證方法的有效性，加入了4個(gè)新的受試者進(jìn)行驗(yàn)證，發(fā)現(xiàn)總體平均準(zhǔn)確率為92.5%。此外，全局分類器適應(yīng)單一對(duì)象，整體平均準(zhǔn)確率提高到94.54%。研究者表示，他們提出的結(jié)合scout ESI和CNN的方法，提高了腦電解碼四類MI任務(wù)的BCI性能。系統(tǒng)框架圖1 系統(tǒng)框架圖系統(tǒng)框架如圖1所示。原始數(shù)據(jù)來(lái)自國(guó)際10-10系統(tǒng)的64個(gè)電極(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10電極)，并以每秒160個(gè)樣本的速度采集。根據(jù)國(guó)際10-10系統(tǒng)從64個(gè)通道采集原始腦電圖，并使用BCI2000系統(tǒng)進(jìn)行記錄。記錄的數(shù)據(jù)被分為四個(gè)獨(dú)立MI任務(wù)包括左拳MI,右拳MI,雙拳MI和雙腳MI。首先，由于ERD在執(zhí)行運(yùn)動(dòng)想象時(shí)在alpha和beta中不同，因此使用FIR濾波器對(duì)EEG進(jìn)行了8 Hz至30 Hz的帶通濾波。然后，通過計(jì)算包含正問題和逆問題的源，將傳感器空間的活動(dòng)轉(zhuǎn)化為源空間的活動(dòng)。接下來(lái)，創(chuàng)建scout并提取特征。研究者在運(yùn)動(dòng)皮層中創(chuàng)建了10個(gè)scout，因?yàn)槲覀冎魂P(guān)心與運(yùn)動(dòng)相關(guān)的活動(dòng)。十個(gè)scout中的每一個(gè)都代表了可用源空間中的一個(gè)感興趣的區(qū)域(ROI)，并且是定義在皮層表面或頭部體積上的偶極子的子集。左腦的scout稱為L(zhǎng)1、L2、L3、L4、L5，右腦的scout稱為R1、R2、R3、R4、R5。利用JTFA從10個(gè)scout的源時(shí)間序列中提取特征。最后，利用CNN對(duì)時(shí)頻圖進(jìn)行分離并進(jìn)行分類。實(shí)驗(yàn)在實(shí)驗(yàn)中，研究人員僅使用了隨機(jī)選擇的十個(gè)受試者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。這里用于分析的數(shù)據(jù)集包含每個(gè)受試者84次試驗(yàn)，每一類包含21次試驗(yàn)。在記錄64通道腦電圖時(shí)，受試者執(zhí)行了不同的運(yùn)動(dòng)想象任務(wù)。每個(gè)受試者針對(duì)以下四個(gè)任務(wù)中的每一個(gè)執(zhí)行了3輪21試驗(yàn)：當(dāng)目標(biāo)出現(xiàn)在屏幕左側(cè)時(shí)，受試者想象打開和合上相應(yīng)的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕的右側(cè)時(shí)，受試者想象打開和合上相應(yīng)的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕頂部時(shí)，受試者想象打開和合上雙手的拳頭，直到目標(biāo)消失。然后受試者放松。當(dāng)目標(biāo)出現(xiàn)在屏幕底部時(shí)，目標(biāo)會(huì)想象雙腳張開和合攏，直到目標(biāo)消失。然后受試者放松。為了統(tǒng)一數(shù)據(jù)維數(shù)，研究者選擇了4s的數(shù)據(jù)，因?yàn)槊看蜗胂笕蝿?wù)的執(zhí)行時(shí)間都在4s左右。此外，腦電圖任務(wù)是分開的，研究人員在實(shí)驗(yàn)中將左拳，右拳，雙拳和雙腳MI任務(wù)分別稱為T1，T2，T3和T4。圖2 scout命名左右運(yùn)動(dòng)想象的scout分別命名為L(zhǎng)1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如圖2所示。10個(gè)scout每一個(gè)都被擴(kuò)展到40個(gè)頂點(diǎn)，每個(gè)頂點(diǎn)只有一個(gè)源。L1區(qū)域?qū)?yīng)40個(gè)信號(hào)，其他scout也一樣。在計(jì)算了來(lái)源后，研究者在運(yùn)動(dòng)皮層中創(chuàng)建了十個(gè)scout，如圖3所示。圖3 創(chuàng)建10個(gè)scout使用ESI計(jì)算十個(gè)受試者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次試驗(yàn)的四個(gè)任務(wù)(T1、T2、T3、T4)的源。對(duì)于這四項(xiàng)任務(wù)中的每一項(xiàng)，每個(gè)受試者每次都要進(jìn)行7次測(cè)試(#1，#2，#3，#4，#5，#6，#7)。展示了第一個(gè)步的10個(gè)被試的10個(gè)scout的4項(xiàng)任務(wù)的來(lái)源。然后提取10個(gè)scout的時(shí)間序列進(jìn)行進(jìn)一步分析。特征提取在計(jì)算源之后，研究人員在運(yùn)動(dòng)皮層中創(chuàng)建了包含40個(gè)源的10個(gè)scout，并提取了scout的時(shí)間序列。如圖4所示為提取R5 scout時(shí)間序列作為示例。圖的右邊顯示了R5 scout的時(shí)間序列。本文利用小波變換從scout時(shí)間序列中提取特征。圖4 提取R5 scout時(shí)間序列作為示例在這項(xiàng)研究中，研究者提出利用CNN來(lái)解決運(yùn)動(dòng)想象任務(wù)分類的問題。該模型基于Schirrmeister等提出的Deep ConvNet架構(gòu)，該網(wǎng)絡(luò)模型由一個(gè)六層卷積網(wǎng)絡(luò)組成，其中兩個(gè)最大池層和三個(gè)全連接層，如圖5所示。圖5對(duì)于Physionet數(shù)據(jù)庫(kù)，研究者首先采用Deep ConvNet架構(gòu)，包括四個(gè)卷積層、四個(gè)最大池層和一個(gè)全連接層。在實(shí)驗(yàn)中，研究者依據(jù)經(jīng)驗(yàn)使用兩個(gè)最大池化層。并嘗試了不同數(shù)量的卷積層和完全連接層。時(shí)頻圖利用Morlet小波方法得到了scout的特征。對(duì)于每個(gè)任務(wù)，R5 scout的時(shí)頻圖如圖6所示。包含時(shí)間和頻率互補(bǔ)的時(shí)頻分析方法提供了時(shí)域和頻域的聯(lián)合分布信息，清晰地描述了信號(hào)頻率與時(shí)間的關(guān)系。圖6 R5 scout的時(shí)頻圖顯然，只有部分時(shí)頻映射是紅色的，表明每個(gè)任務(wù)只對(duì)特定的頻率和時(shí)間敏感。由于圖的數(shù)量比較大，研究者使用CNN來(lái)選擇和學(xué)習(xí)這些圖中最基本的特征。研究人員隨機(jī)選擇了幾個(gè)樣本，并將一些特征圖可視化，作為MI任務(wù)的學(xué)習(xí)表示，如圖7所示。圖7為了獲得有效的結(jié)果，將數(shù)據(jù)集分為90％作為訓(xùn)練集，其余10％作為測(cè)試集。首先，將十個(gè)受試者的數(shù)據(jù)集（總共19320個(gè)樣本）分為17388個(gè)樣本以訓(xùn)練所提出的CNN模型，以及1932個(gè)樣本以驗(yàn)證模型的有效性。在實(shí)驗(yàn)中，研究者還選擇了另外四個(gè)受試者的數(shù)據(jù)集以增加數(shù)據(jù)集的規(guī)模(27048個(gè)樣本)，其中24343個(gè)樣本是訓(xùn)練集，其他樣本是測(cè)試集。在選定的scout上對(duì)所提出的CNN架構(gòu)進(jìn)行了十次訓(xùn)練和測(cè)試，以驗(yàn)證所提出模型的魯棒性。圖8(a)顯示了10個(gè)scout中每個(gè)的全局平均精度。圖8 統(tǒng)計(jì)結(jié)果R5的全局平均精度最高，達(dá)到94.5%，而L2的全局平均精度最低，為91.3%。對(duì)應(yīng)L1、L3、L4、L5、R1、R2、R3、R4的整體準(zhǔn)確率分別為92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的總體精度均在91%以上，標(biāo)準(zhǔn)差均在0.20%以下。圖8(b)顯示了十個(gè)scout中每個(gè)scout四個(gè)MI任務(wù)的組級(jí)統(tǒng)計(jì)結(jié)果及其標(biāo)準(zhǔn)差。一般來(lái)說，R5表現(xiàn)的要比其他的好，而L2在迭代2000中表現(xiàn)最差。標(biāo)準(zhǔn)差較小，說明這些精度更接近平均值且穩(wěn)定。圖9 統(tǒng)計(jì)結(jié)果圖9(a)顯示了帶有標(biāo)準(zhǔn)差的混淆矩陣，說明了group level分類結(jié)果。T1、T2、T3和T4的全局平均精度峰值分別為95.3%、93.3%、93.6%和96.0%。R5 scout的四個(gè)MI任務(wù)中的每一個(gè)都如圖9(b)所示。通過改變訓(xùn)練集和測(cè)試集順序的10次試驗(yàn)，確定了scoutR5的性能，結(jié)果如圖10(a)和(b)所示。在10次試驗(yàn)中，scout R5的T1、T2、T3、T4的平均準(zhǔn)確率分別為93.3%、93.8%、94.2%、94.1%。換句話說，四個(gè)任務(wù)中每一個(gè)的平均準(zhǔn)確率都超過了93%。全局平均準(zhǔn)確率為93.7%。10次試驗(yàn)結(jié)果表明，該方法對(duì)scout R5的分類效果較好。從以上結(jié)果可以清楚地看出，R5 scout在四種MI任務(wù)的分類中扮演著最重要的角色。因此，選擇R5對(duì)四個(gè)MI任務(wù)進(jìn)行分類。圖 10圖11. (a)是不同模型的全局平均準(zhǔn)確性的比較。可以發(fā)現(xiàn)，該研究提出的模型可以達(dá)到最大的精度。從圖11. (b)不同模型的ROC曲線可以看出提出的模型比其他模型表現(xiàn)更好。?不同模型T1上的精度比較。(d)不同模型T2的精度比較。(e)不同模型T3的精度比較。(f)不同型號(hào)T4的精度比較。圖11 不同模型的精度比較結(jié)論東北電力大學(xué)和長(zhǎng)春理工大學(xué)研究團(tuán)隊(duì)開發(fā)并實(shí)現(xiàn)一種結(jié)合腦電圖源成像(ESI)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的新方法。該方法可以對(duì)運(yùn)動(dòng)想象(MI)任務(wù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，他們的研究成果與最先進(jìn)的MI分類方法的結(jié)果相比，總體分類增加了14.4%。研究者加入了4個(gè)新的受試者進(jìn)行驗(yàn)證來(lái)驗(yàn)證方法的有效性。研究者表示，他們提出的結(jié)合scout ESI和CNN的方法，提高了腦電解碼四類MI任務(wù)的BCI性能。論文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

面向工程機(jī)械機(jī)電液一體化系統(tǒng)的動(dòng)態(tài)性能匹配方法與分析軟件（以下簡(jiǎn)稱為軟件）， 能夠根據(jù)用戶對(duì)工程機(jī)械整機(jī)動(dòng)力配件的選型，自動(dòng)組成整機(jī)系統(tǒng)模型，并預(yù)測(cè)工程機(jī) 械整機(jī)運(yùn)行時(shí)的性能以及各配件的功率輸出和發(fā)熱情況。該軟件可應(yīng)用于工程機(jī)械產(chǎn)品 開發(fā)的各個(gè)階段如參數(shù)選型，性能匹配、故障診斷、實(shí)驗(yàn)輔助等，并已成功應(yīng)用于山推 工程機(jī)械股份有限公司的新產(chǎn)品開發(fā)中。 技術(shù)特點(diǎn)： (1) 機(jī)電液熱融合建模，理論定位高級(jí)。軟件以預(yù)制的機(jī)電液零部件模塊模型為基 礎(chǔ)，可快速地、精細(xì)化地實(shí)現(xiàn)極端工況條件下機(jī)電液融合模型。 (2) 一體化的系統(tǒng)分析，問題覆蓋面廣。軟件綜合多種軟件資源，對(duì)特定工程機(jī)械 機(jī)型的核心動(dòng)力系統(tǒng)，可實(shí)現(xiàn)任意節(jié)點(diǎn)輸出的、圖解化的、基于機(jī)械系統(tǒng)實(shí)驗(yàn)結(jié) 果的系統(tǒng)分析。 (3) 機(jī)型軟件快速開發(fā)，面向用戶需求。軟件可針對(duì)牽引底盤和非牽引底盤，快速 開發(fā)出面向特定工程機(jī)械機(jī)型的機(jī)電液一體化性能分析軟件。 (4) 功能契合實(shí)際需要，適用范圍廣泛。適用于工程機(jī)械各個(gè)技術(shù)階段的參數(shù)選型、 性能匹配、故障診斷、以及實(shí)驗(yàn)輔助。

學(xué)諧振子在現(xiàn)代科技和生活中具有廣泛的應(yīng)用，大到引力波探測(cè)裝置，小到我們身邊的手機(jī)，涉及傳感、變頻、濾波等重要器件。一般的諧振子器件是互易的，即器件內(nèi)部或者兩個(gè)器件之間的聲子傳遞和方向無(wú)關(guān)。而非互易的諧振子器件對(duì)于全雙工聲子信號(hào)收發(fā)、聲子隔離等有著非常關(guān)鍵的作用，甚至還可以用來(lái)對(duì)熱能進(jìn)行單向傳遞，使冷的物體更冷，熱的物體更熱。圖a，基于光力相互作用的非互易聲子耦合機(jī)制。b，通過控制激光相位，聲子隔離度±30分貝連續(xù)可調(diào)。 光力學(xué)是光學(xué)和力學(xué)相結(jié)合的新興科研領(lǐng)域。光力相互作用可以用于光學(xué)和力學(xué)模式的精密調(diào)控和測(cè)量，有著重要的物理意義和實(shí)際應(yīng)用。這個(gè)工作中的光力學(xué)系統(tǒng)由超高品質(zhì)因子的氮化硅納米薄膜和高精細(xì)度光學(xué)腔構(gòu)成。激光將聲子從納米薄膜的一個(gè)諧振模式轉(zhuǎn)化為光子，再變回另一個(gè)諧振模式中的聲子。多束激光的物理效應(yīng)互相干涉，使聲子傳遞增強(qiáng)或者減弱。通過控制激光相位，實(shí)現(xiàn)了聲子隔離度在±30分貝范圍內(nèi)連續(xù)可調(diào)（如圖所示）。在徐海潭等人之前的工作（Nature 537，80 （2016））中，他們通過拓?fù)洳僮鲗?shí)現(xiàn)了瞬態(tài)的非互易聲子傳遞，而在最新的工作中，他們通過光力相互作用產(chǎn)生了聲子模式間靜態(tài)的非互易耦合，從而實(shí)現(xiàn)了穩(wěn)定的非互易聲子傳遞。

西北農(nóng)林科技大學(xué)與楊凌步長(zhǎng)制藥有限公司共建實(shí)驗(yàn)實(shí)訓(xùn)新基地。

圍繞立德樹人根本任務(wù)，傳承“工學(xué)并舉”辦學(xué)特色，河北工業(yè)大學(xué)機(jī)械設(shè)計(jì)制造及其自動(dòng)化專業(yè)以國(guó)家級(jí)專業(yè)綜合改革試點(diǎn)為契機(jī)，協(xié)同車輛工程、機(jī)械電子工程和測(cè)控技術(shù)與儀器專業(yè)，面向高端制造業(yè)的數(shù)字化、信息化和智能化人才需求，不斷夯實(shí)數(shù)字化教育新基建，創(chuàng)新數(shù)字化產(chǎn)教融合培養(yǎng)新模式，打造信息化泛在式人才培養(yǎng)新高地，探索線上線下混合式實(shí)踐教學(xué)新途徑，開辟螺旋迭代式一二課堂協(xié)同育人新體系，樹立兩段三層遞進(jìn)式創(chuàng)新教育品牌，從而升華“工學(xué)并舉”新的時(shí)代內(nèi)涵，培養(yǎng)具有制造強(qiáng)國(guó)熱情、扎實(shí)工程實(shí)踐能力、平視世界專業(yè)信心的機(jī)械類新工科創(chuàng)新人才。

一種基于真空非對(duì)齊的新的暗物質(zhì)非熱產(chǎn)生機(jī)制，這一機(jī)制可以適用于包括復(fù)合希格斯在內(nèi)的一大類模型。真空非對(duì)齊是對(duì)稱性自發(fā)破缺的一種方式，如圖1(a)所示。我們以一個(gè)簡(jiǎn)化的復(fù)合希格斯模型為特例闡述了機(jī)制的運(yùn)作方式。在高溫時(shí)，電弱真空隨手征對(duì)稱性破缺而發(fā)生大的破缺，真空非對(duì)齊角在一段時(shí)間內(nèi)維持在90度，即對(duì)應(yīng)于一個(gè)無(wú)希格斯粒子(Higgsless)的真空。此時(shí)希格斯場(chǎng)會(huì)與模型中其它的贗南部-戈德斯通玻色子組合成一個(gè)質(zhì)量復(fù)標(biāo)量場(chǎng)，假定這個(gè)復(fù)標(biāo)量可以攜帶一個(gè)新的U(1)對(duì)稱性的非零荷，則它在這個(gè)真空中不會(huì)完全衰變?yōu)闃?biāo)準(zhǔn)模型的粒子。如果模型中還有一些暗物質(zhì)粒子也帶有這個(gè)U(1)對(duì)稱性的荷，那么希格斯場(chǎng)在這個(gè)真空中與暗物質(zhì)受到相同對(duì)稱性保護(hù)，同屬于所謂的暗的部分。如果引入的新的U(1)對(duì)稱性是電弱反常的，則在發(fā)生電弱相變時(shí)可通過sphaleron不對(duì)稱地產(chǎn)生正反暗物質(zhì)，之后正反暗物質(zhì)會(huì)互相湮滅，直到反物質(zhì)（或正物質(zhì)）被全部湮滅，而最終殘留的部分就可作為宇宙的暗物質(zhì)遺跡。在我們的理論機(jī)制中，暗物質(zhì)遺跡的不對(duì)稱產(chǎn)生是在無(wú)希格斯真空下發(fā)生的，但隨著溫度的降低，真空非對(duì)齊角會(huì)開始變小并最終演化為今天的標(biāo)準(zhǔn)模型真空，真空非對(duì)齊角隨溫度的變化參見圖1(b)，而暗的U(1)對(duì)稱性也隨之發(fā)生自發(fā)破缺。在真空非對(duì)齊角開始偏離90度時(shí)，希格斯粒子開始從暗的部分中分離出來(lái)，也就是說希格斯粒子有可能在較高溫度時(shí)曾經(jīng)屬于暗的一部分，但在溫度降低后從暗的部分中演生出來(lái)，成為一個(gè)不穩(wěn)定的實(shí)標(biāo)量粒子。另一方面，還有一些復(fù)合暗物質(zhì)粒子因?yàn)槭艿揭粋€(gè)Z_2對(duì)稱性的保護(hù)而不會(huì)完全衰變?yōu)闃?biāo)準(zhǔn)模型粒子，它們雖然在無(wú)希格斯真空下是復(fù)標(biāo)量場(chǎng)，但在標(biāo)準(zhǔn)模型真空下卻會(huì)劈裂為兩個(gè)有質(zhì)量差別的實(shí)標(biāo)量場(chǎng)，于是通過Z規(guī)范玻色子與原子核散射的過程被運(yùn)動(dòng)學(xué)禁戒，從而不會(huì)受到很強(qiáng)的直接探測(cè)限制。我們的理論機(jī)制預(yù)言，總會(huì)存在一個(gè)輕的贗標(biāo)量粒子，這對(duì)暗物質(zhì)直接探測(cè)如Xenon1T實(shí)驗(yàn)、宇宙學(xué)觀測(cè)、超新星觀測(cè)以及在對(duì)撞機(jī)實(shí)驗(yàn)中探測(cè)“Z規(guī)范玻色子衰變到光子及這個(gè)贗標(biāo)量粒子”過程等結(jié)果都有深遠(yuǎn)的影響，從而可以得到檢驗(yàn)。

揭示了陽(yáng)離子聚合物的精確結(jié)與其核酸結(jié)合、毒性、抑制炎癥、小動(dòng)物體內(nèi)分布的關(guān)系，從而選擇最佳性能材料來(lái)有效抑制RA模型鼠的關(guān)節(jié)腫脹、滑膜增生和骨質(zhì)破壞。?通過引入PEG來(lái)調(diào)節(jié)嵌段共聚物納米顆粒表面聚陽(yáng)離子的密度，來(lái)研究顆粒電荷密度與毒性和療效之間的關(guān)系（圖4）。發(fā)現(xiàn)PEG的引入在降低表面電荷密度的同時(shí)，大大減弱細(xì)胞毒性，并能夠增加納米顆粒在大鼠模型關(guān)節(jié)處的積累和滯留時(shí)間，提高了材料抑制病癥的效果。這項(xiàng)工作為清除cfDNA材料的結(jié)構(gòu)設(shè)計(jì)提供了指導(dǎo)。該研究于2020年5月在國(guó)際材料綜合學(xué)術(shù)期刊Advanced Functional Materials發(fā)表[4]。       該項(xiàng)目研究從臨床RA病人獲得樣本，從分子和細(xì)胞層次揭示了cfDNA與RA的密切關(guān)系。進(jìn)一步運(yùn)用材料對(duì)這種非正常免疫反應(yīng)的干預(yù)，達(dá)到抑制RA疾病發(fā)展的目的。為RA疾病的診斷和治療提供一個(gè)非傳統(tǒng)、顛覆性的新策略。

圍繞立德樹人根本任務(wù)，傳承“工學(xué)并舉”辦學(xué)特色，河北工業(yè)大學(xué)機(jī)械設(shè)計(jì)制造及其自動(dòng)化專業(yè)以國(guó)家級(jí)專業(yè)綜合改革試點(diǎn)為契機(jī)，協(xié)同車輛工程、機(jī)械電子工程和測(cè)控技術(shù)與儀器專業(yè)，面向高端制造業(yè)的數(shù)字化、信息化和智能化人才需求，不斷夯實(shí)數(shù)字化教育新基建，創(chuàng)新數(shù)字化產(chǎn)教融合培養(yǎng)新模式，打造信息化泛在式人才培養(yǎng)新高地，探索線上線下混合式實(shí)踐教學(xué)新途徑，開辟螺旋迭代式一二課堂協(xié)同育人新體系，樹立兩段三層遞進(jìn)式創(chuàng)新教育品牌，從而升華“工學(xué)并舉”新的時(shí)代內(nèi)涵，培養(yǎng)具有制造強(qiáng)國(guó)熱情、扎實(shí)工程實(shí)踐能力、平視世界專業(yè)信心的機(jī)械類新工科創(chuàng)新人才。

本發(fā)明公布了一種含吡啶單元的化合物的合成方法，以硝基取代的苯乙酸，甲基吡啶或甲基喹啉為反應(yīng)物，CuBr為催化劑，反應(yīng)溫度為120℃，氧氣氛圍下反應(yīng)24-36小時(shí)。反應(yīng)完畢，對(duì)反應(yīng)液進(jìn)行萃取，合并有機(jī)相，柱色譜分離，獲得含吡啶單元的產(chǎn)物。本發(fā)明制備方法用羧酸類化合物代替?zhèn)鹘y(tǒng)的醛類化合物參與反應(yīng)，具有很好的應(yīng)用前景。