新葡京娱乐场-大陆娱乐场开户注册

新型冠狀病毒感染的肺炎疫情發生以來，校黨委高度重視，第一時間成立領導小組和工作機構，快速構建應急保障機制，我校科技戰線快速響應、積極行動，組織有關科研團隊開展了多項科技攻關項目。 1月31日，省教育廳緊急啟動“1331工程”高等學校科技成果轉化培育項目——新型肺炎研究專項項目，科研院積極組織我校教師踴躍申報，共向省教育廳申報了3項檢測系統類別的項目。此次山西省高校共申報50多個項目，經過嚴格評審后擇優支持啟動12項，我校信息與計算機學院院長桑勝波教授申報的“針對NCP的人體體溫快速檢測與身體特征無線監測系統”科技成果轉化培育項目通過評審，目前已經正式立項。 該項目由我校牽頭與山西省疾病預防控制中心、呂梁市疾病預防控制中心兩家省內疫情阻擊戰前線單位共同組織實施，目標是將針對NCP的人體體溫快速檢測與身體特征無線監測系統完成實驗室技術/樣機階段到臨床實踐階段的轉化。 學校將為項目快速推進、加快實現產品化努力提供各種保障服務，為防控新型冠狀病毒肺炎疫情貢獻太原理工科技力量。

近日，中國藥科大學藥學院鄭楓、王懷松團隊合作在學科頂尖期刊ACSNano(IF:18.027)上發表腫瘤細胞膜表面標志物檢測的最新研究論文

由我校“工業CT無損檢測教育部工程研究中心”主任王玨教授牽頭主持，重慶真測科技股份有限公司、重慶大學、山東新華醫療器械股份有限公司和四川英杰電氣股份有限公司共同完成的“15MeV/9MeV雙能加速器及CT系統”項目于2020年6月6日順利通過了科技成果評價。

銅離子是人體必需的微量元素，但其過量蓄積會導致疾病發生，如威爾森病。威爾森病是ATP7B基因突變導致的常染色體隱性遺傳病，ATP7B基因突變使其編碼的ATP7B蛋白功能受損，肝細胞膽管側的ATP7B無法轉運銅離子至膽汁以排泄，過量蓄積的銅離子經肝細胞血管測進入血液循環，引起全身多臟器損傷，其中肝臟和神經系統病變最常見。

為了進一步驗證紅樹植物在全球氣候變化下是否足夠強健，研究人員對現存紅樹物種的歷史群體大小動態變化分析，發現大多數紅樹物種在海平面快速變化時期發生了種群規模急劇減少和破碎分化。

手性分子識別是生命功能的基礎，這源于生物受體對手性底物的高選擇性識別。但對于合成受體來說，水相手性識別仍然是一個巨大的挑戰。該課題組通過模擬生物受體的空腔特征，合成了一對空腔內具有氫鍵位點的手性大環主體（圖1）。該大環主體在水中實現了手性分子的選擇性識別。同時，該大環主體也可用于非手性環境污染物—二惡烷的光譜檢測和手性化合物ee值的光譜測定。

最近，物理科學與技術學院余穎教授課題組與吉林大學李莉萍教授、中國地質大學（武漢）余家國教授合作，在大電流電解海水制氫方面取得重要進展。

我校理學院大數據研究團隊在人工智能與大數據處理技術研究方面取得系列進展，研究成果分別發表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能頂級期刊。神經網絡是人工智能領域中目前最為火熱的研究方向——深度學習的架構基礎。雖然深度學習在近幾年發展迅速，但是關于如何設計最優神經網絡架構的問題仍處于探索階段。該團隊分別針對人工智能中神經網絡結構復雜、高維大規模數據存在無效和冗余特征、難以獲取長時序信息等問題與缺陷，設計出了一系列網絡結構優化、大數據特征選擇和時序循環神經網絡模型，有效改善了上述不足，提高了人工智能模型的學習性能。 題目為《帶Group Lasso懲罰與控制冗余的神經網絡特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發表在人工智能領域權威國際期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生張華清為該論文共同第一作者， 我校榮譽教授Nikhil R. Pal院士（印度統計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項工作得到國家自然科學基金、國家科技重大專項、山東自然科學基金、中央高校基本科研業務費、中國石油天然氣集團公司重大科技項目以及山東省高校青年創新科技支撐計劃的資助。 特征選擇技術也稱屬性選擇，是指從原始特征或屬性中選擇出最有效的特征或屬性以降低數據維度的過程，它是人工智能數據預處理環節的重要步驟，也是大數據處理技術的重要環節。該項工作在神經網絡中嵌入Group Lasso懲罰項并實現特征冗余控制，在選出對解決問題最有幫助、蘊含信息量最大的特征或屬性的同時，控制所選特征子集的冗余程度，以達到降維的最優效果，從而使模型的泛化能力更強，降低神經網絡模型產生過擬合的風險。 題目為《基于L1正則化的神經網絡結構優化模型設計與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發表在國際人工智能領域權威期刊IEEE Transactions on Cybernetics。碩士生謝雪濤和博士生張華清為論文共同第一作者，王健副教授為通訊作者，我校榮譽教授Nikhil R. Pal院士（印度統計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項研究成果得到了國家自然科學基金、山東省自然科學基金和中央高校基本科研業務費的資助。 該項工作借助L1正則子具有的稀疏表達能力，提出兩種神經網絡結構優化學習模型；本項工作另外一個突出貢獻就是提出了一種簡單且具有通用性的收斂性證明方法，同時保證了模型設計的合理性。實驗結果表明所提出模型具有強大的魯棒性、廣泛的適用性、理想的剪枝能力和良好的泛化能力，適用處理高維大數據。該研究成果在人工智能與深度學習構造最簡網絡結構方面具有很強的指導作用和應用推廣價值。