新葡京娱乐场-大陆娱乐场开户注册

我校理學(xué)院大數(shù)據(jù)研究團(tuán)隊(duì)在人工智能與大數(shù)據(jù)處理技術(shù)研究方面取得系列進(jìn)展，研究成果分別發(fā)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(jí)期刊。神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域中目前最為火熱的研究方向——深度學(xué)習(xí)的架構(gòu)基礎(chǔ)。雖然深度學(xué)習(xí)在近幾年發(fā)展迅速，但是關(guān)于如何設(shè)計(jì)最優(yōu)神經(jīng)網(wǎng)絡(luò)架構(gòu)的問題仍處于探索階段。該團(tuán)隊(duì)分別針對(duì)人工智能中神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、高維大規(guī)模數(shù)據(jù)存在無效和冗余特征、難以獲取長時(shí)序信息等問題與缺陷，設(shè)計(jì)出了一系列網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、大數(shù)據(jù)特征選擇和時(shí)序循環(huán)神經(jīng)網(wǎng)絡(luò)模型，有效改善了上述不足，提高了人工智能模型的學(xué)習(xí)性能。 題目為《帶Group Lasso懲罰與控制冗余的神經(jīng)網(wǎng)絡(luò)特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發(fā)表在人工智能領(lǐng)域權(quán)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(yù)教授Nikhil R. Pal院士（印度統(tǒng)計(jì)研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項(xiàng)工作得到國家自然科學(xué)基金、國家科技重大專項(xiàng)、山東自然科學(xué)基金、中央高?；究蒲袠I(yè)務(wù)費(fèi)、中國石油天然氣集團(tuán)公司重大科技項(xiàng)目以及山東省高校青年創(chuàng)新科技支撐計(jì)劃的資助。 特征選擇技術(shù)也稱屬性選擇，是指從原始特征或?qū)傩灾羞x擇出最有效的特征或?qū)傩砸越档蛿?shù)據(jù)維度的過程，它是人工智能數(shù)據(jù)預(yù)處理環(huán)節(jié)的重要步驟，也是大數(shù)據(jù)處理技術(shù)的重要環(huán)節(jié)。該項(xiàng)工作在神經(jīng)網(wǎng)絡(luò)中嵌入Group Lasso懲罰項(xiàng)并實(shí)現(xiàn)特征冗余控制，在選出對(duì)解決問題最有幫助、蘊(yùn)含信息量最大的特征或?qū)傩缘耐瑫r(shí)，控制所選特征子集的冗余程度，以達(dá)到降維的最優(yōu)效果，從而使模型的泛化能力更強(qiáng)，降低神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生過擬合的風(fēng)險(xiǎn)。 題目為《基于L1正則化的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化模型設(shè)計(jì)與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發(fā)表在國際人工智能領(lǐng)域權(quán)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(yù)教授Nikhil R. Pal院士（印度統(tǒng)計(jì)研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項(xiàng)研究成果得到了國家自然科學(xué)基金、山東省自然科學(xué)基金和中央高校基本科研業(yè)務(wù)費(fèi)的資助。 該項(xiàng)工作借助L1正則子具有的稀疏表達(dá)能力，提出兩種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化學(xué)習(xí)模型；本項(xiàng)工作另外一個(gè)突出貢獻(xiàn)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(shí)保證了模型設(shè)計(jì)的合理性。實(shí)驗(yàn)結(jié)果表明所提出模型具有強(qiáng)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(shù)據(jù)。該研究成果在人工智能與深度學(xué)習(xí)構(gòu)造最簡網(wǎng)絡(luò)結(jié)構(gòu)方面具有很強(qiáng)的指導(dǎo)作用和應(yīng)用推廣價(jià)值。

本實(shí)用新型公開了一種用于機(jī)匣包容試驗(yàn)的葉片非接觸式局部快速加熱定速飛斷試驗(yàn)裝置。在葉片一側(cè)的端面安裝非接觸式的感應(yīng)加熱線圈，在葉片另一側(cè)預(yù)制裂紋，當(dāng)試驗(yàn)轉(zhuǎn)子加速旋轉(zhuǎn)至目標(biāo)轉(zhuǎn)速穩(wěn)定旋轉(zhuǎn)后，啟動(dòng)控制設(shè)備，葉片削弱部位局部區(qū)域溫度快速升高，葉片抗拉極限強(qiáng)度下降，在離心力的作用下葉片斷裂飛出。此方法轉(zhuǎn)速控制精確度高、可靠性好、加熱時(shí)間短、操作簡單，試驗(yàn)精度高、試驗(yàn)周期和成本低。葉片感應(yīng)加熱飛斷裝置包括感應(yīng)加熱控制設(shè)備、高頻率感應(yīng)線圈、絕緣固定支架、冷卻水管、電源線、中轉(zhuǎn)端口和紅外測溫儀等，處于高速旋轉(zhuǎn)狀態(tài)下的葉片感應(yīng)加熱區(qū)域的表面溫度監(jiān)測通過紅外測溫儀實(shí)現(xiàn)。

本發(fā)明公開了一種適用于單級(jí)式并網(wǎng)光伏逆變器的最大功率跟 蹤方法。所述最大功率跟蹤方法特征在于周期性執(zhí)行如下步驟：(1)采 樣光伏陣列輸出電壓，判斷光伏陣列輸出電壓是否降低到設(shè)置的臨界 值以下，是則跳過步驟(2)、(3)、(4)執(zhí)行步驟(5)，否則執(zhí)行步驟(2)；(2) 判斷光伏陣列電壓是否增加，若是則執(zhí)行步驟(3)，否則跳過步驟(3)執(zhí) 行步驟(4)；(3)記錄當(dāng)前光伏陣列電壓和并網(wǎng)電流指令；(4)增加并網(wǎng)電 流指令并限幅，限幅值為步驟(5)中的記錄值；(5)記錄當(dāng)前并網(wǎng)電流指 令，并減小并網(wǎng)電流指

東南大學(xué)化學(xué)化工學(xué)院落地式高速冷凍離心機(jī)采購招標(biāo)項(xiàng)目的潛在投標(biāo)人應(yīng)在東南大學(xué)采購中心網(wǎng)（https://dnzb.seu.edu.cn/）獲取招標(biāo)文件，并于2022年06月16日14點(diǎn)30分（北京時(shí)間）前遞交投標(biāo)文件。

成果描述：本發(fā)明公開了一種應(yīng)用于地形模型風(fēng)場特性風(fēng)洞試驗(yàn)的三維漸變式邊界過渡裝置。所述邊界過渡裝置主要由多個(gè)節(jié)段串聯(lián)拼接而成，每一節(jié)段包括兩塊側(cè)板以及面層；每塊側(cè)板具有豎邊、底邊和曲邊；兩塊側(cè)板的曲邊上固定鋪設(shè)所述面層；所述側(cè)板的豎邊高度等于地形模型邊界對(duì)應(yīng)位置處的高度；所述側(cè)板的底邊長度為風(fēng)洞寬度的5%-8%，且所述側(cè)板的豎邊與底邊所形成的坡度在20°-40°；所述側(cè)板的曲邊線形由方程確定，其中x代表曲邊的徑向位置，y代表曲邊的豎向位置，參數(shù)r與m由方程組確定，式中h0為豎邊的高度，k0為豎邊高度與底邊長度之比。本發(fā)明能使氣流過渡后其風(fēng)場特性滿足要求的前提下，對(duì)風(fēng)洞空間要求低，適用性強(qiáng)。市場前景分析：軌道交通基礎(chǔ)設(shè)施建設(shè)領(lǐng)域。與同類成果相比的優(yōu)勢分析：技術(shù)先進(jìn)，性價(jià)比較高。