新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了以靶標(biāo)蛋白甾醇14α?脫甲基酶三維結(jié)構(gòu)篩選的小分子化合物及其在制備殺菌劑中的應(yīng)用，所述小分子化合物為((1R,5S)?3?((3?苯基?1,2,4?噁二唑?5?基)甲基)?3,4,5,6?四氫?1H?1,5?甲撐吡啶并[1,2?a][1,5]二氮環(huán)辛?8(2H)?酮鹽酸鹽。本發(fā)明通過室內(nèi)藥劑敏感性測定，證明了所述小分子化合物對引起小麥赤霉病害的主要植物病原真菌禾谷鐮刀菌具有良好的抑制活

我校理學(xué)院大數(shù)據(jù)研究團(tuán)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(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(tuán)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(yù)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(fèi)、中國石油天然氣集團(tuán)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(yùn)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(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。 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(yù)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(fèi)的資助。 該項工作借助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；本項工作另外一個突出貢獻(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(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)用推廣價值。

高端智能化、高效節(jié)能、低耗能的機(jī)械設(shè)備主要為：履帶式的移動破、圓錐破

本發(fā)明涉及鈰氮氟共摻雜二氧化鈦光催化劑及其在可見光降解有機(jī)污染物中的應(yīng)用。采用的技術(shù)方案是：鈰氮氟共摻雜二氧化鈦光催化劑，其制備方法如下：將鈦酸丁酯在攪拌下緩慢滴入乙醇和冰乙酸混合溶液中，攪拌均勻后，逐滴加入氫氟酸溶液，攪拌形成透明混合溶液A；將氨水與乙醇混合，加入硝酸鈰，調(diào)節(jié)pH至2，配成溶液B；將溶液B緩慢滴入溶液A中，得到均勻透明溶膠；在空氣中放置陳化，得到固體凝膠；干燥后研磨成粉末，置于馬弗爐中400～500℃，焙燒40 min～1.5 h，得到鈰氮氟共摻雜二氧化鈦光催化劑。合成方法簡單的，穩(wěn)定的，形成催化效率高的非金屬和金屬三摻雜二氧化鈦光催化劑。多元素共摻雜催化劑得到的產(chǎn)物在粒徑、形貌上與對比單摻雜或雙摻雜有較大的不同，多元素共摻雜能大幅度提高催化劑的催化活性，給催化劑的物理性質(zhì)帶來很多優(yōu)點，如粒徑變小，表面積增大，表面具有特殊結(jié)構(gòu)。本發(fā)明的目的是為了擴(kuò)大TiO2的可見光響應(yīng)范圍，減小電子和空穴的復(fù)合，從而提高TiO2對太陽能的利用率，提高其可見光催化活性，因此本發(fā)明對TiO2表面進(jìn)行修飾，提供一種在可見光作用下，光催化效果好的鈰氮氟共摻雜二氧化鈦光催化劑及其制備方法。采用鈰氮氟共摻雜二氧化鈦光催化照射的方法處理雙酚A廢水，使其降解率達(dá)到99%以上，不完全降解率低于0.5%。

課題組既往的研究以及本課題前期的實驗結(jié)果提示腫瘤相關(guān)巨噬細(xì)胞大量分泌CC L 1 8，并鑒定了P ITPNM3是CCL18的功能性受體，其與乳腺腫瘤的惡性程度正相關(guān)，因此，CCL18及其受體P ITPNM3是導(dǎo)致乳腺癌轉(zhuǎn)移的關(guān)鍵基因，也是進(jìn)一步開展臨床轉(zhuǎn)化研究的關(guān)鍵靶點。研發(fā)能夠靶向CCL18及其受體 PITPNM3的小分子化合物和單克隆抗體對于將來研發(fā)乳腺癌治療的前體藥物，改善乳腺癌的轉(zhuǎn)歸有重大意義。

對CF3自由基引發(fā)非活性烯烴和遠(yuǎn)程的胺β-C-H鍵的官能化的研究進(jìn)展。該研究在國際上首次實現(xiàn)了有機(jī)膦催化的CF3自由基串聯(lián)反應(yīng)：烯烴的官能化和酰胺類衍生物的β-Csp3-H鍵官能化，分別得到雙三氟甲基化的烯酰胺和三取代的5-(三氟甲基)噁唑。該反應(yīng)具有較高區(qū)域選擇性、化學(xué)選擇性和立體選擇性；利用該方法可以一鍋法制備三取代的5-(三氟甲基)噁唑，具有方法簡單、步驟少等優(yōu)點。此法不僅彌補(bǔ)了傳統(tǒng)方法中使用金屬催化劑催化時導(dǎo)向基團(tuán)必不可少的不足，而且為自由基有機(jī)反應(yīng)提供了一種新的思路。

該項工作發(fā)展了首個利用碳-硫鍵活化的Stille交叉偶聯(lián)聚合。在溫和的反應(yīng)條件下，制備了一系列高溫Stille反應(yīng)難以獲得的聚合物半導(dǎo)體材料，從而為合成低成本，高性能的有機(jī)/高分子半導(dǎo)體材料提供了新的研究思路。