新葡京娱乐场-大陆娱乐场开户注册

在華為全聯(lián)接大會2022曼谷站期間，華為在“釋放數(shù)字生產(chǎn)力，加速教育信息化之旅”全球智慧教育論壇上，重磅發(fā)布《教育數(shù)字化轉(zhuǎn)型的發(fā)展機遇》白皮書，首次探索智慧教育成熟度評估模型，并提出以全場景教育解決方案、創(chuàng)新教學(xué)模式、普惠教育資源、提升科研能力、升級管理水平，加速教育行業(yè)數(shù)字化升級。

我校理學(xué)院大數(shù)據(jù)研究團隊在人工智能與大數(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。該團隊分別針對人工智能中神經(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、難以獲取長時序信息等問題與缺陷，設(shè)計出了一系列網(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， 我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）參與指導(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項工作得到國家自然科學(xué)基金、國家科技重大專項、山東自然科學(xué)基金、中央高校基本科研業(yè)務(wù)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(chuàng)新科技支撐計劃的資助。 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)。該項工作在神經(jīng)網(wǎng)絡(luò)中嵌入Group Lasso懲罰項并實現(xiàn)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?qū)傩缘耐瑫r，控制所選特征子集的冗余程度，以達到降維的最優(yōu)效果，從而使模型的泛化能力更強，降低神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生過擬合的風(fēng)險。 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，我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）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(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化學(xué)習(xí)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(shè)計的合理性。實驗結(jié)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(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)方面具有很強的指導(dǎo)作用和應(yīng)用推廣價值。

東南大學(xué)醫(yī)學(xué)院實驗室純水/超純水一體化系統(tǒng)采購招標(biāo)項目的潛在投標(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14日09點30分（北京時間）前遞交投標(biāo)文件。

 本課題針對太空服務(wù)機器人感知系統(tǒng)開展研究工作，重點研究基于腦電、肌電生物電信號及語音信號的多模式、微型化、智能化的人機交互接口系統(tǒng)，以快速、可靠地提取并識別腦電、肌電、語音信號，將之轉(zhuǎn)換為太空服務(wù)機器人的作業(yè)任務(wù)和動作指令，并通過已開發(fā)的服務(wù)機器人驗證模擬航天特因環(huán)境下該系統(tǒng)的可行性，探索多模式人機交互接口技術(shù)的實用化方法，為我國出艙活動機器人未來可在載人航天工程中應(yīng)用提供可行性技術(shù)依據(jù)。 課題組在系統(tǒng)的研發(fā)和測試過程中，同中國人民解放軍航天員科研訓(xùn)練中心進行卓有成效的合作，項目所開發(fā)的多模式微型化人機交互平臺在航天員科研訓(xùn)練中心航天特因模擬環(huán)境下進行各項測試。測試結(jié)果表明，項目開發(fā)的樣機已經(jīng)具備航天特因模擬環(huán)境所要求的技術(shù)特征。該系統(tǒng)的研發(fā)成功，將推動多模式腦機接口技術(shù)在航空航天領(lǐng)域的應(yīng)用。