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(wèn)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(wú)效和冗余特征、難以獲取長(zhǎng)時(shí)序信息等問(wèn)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(guó)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(guó)石油大學(xué)（華東）為第一署名單位。該項(xiàng)工作得到國(guó)家自然科學(xué)基金、國(guó)家科技重大專項(xiàng)、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(guó)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(guò)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(wèn)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(guò)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(guó)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(guó)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(guó)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(jiǎn)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(jiǎn)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。

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(dòng)破、圓錐破

人類早期胚胎發(fā)育雖然只有大約7天的時(shí)間，但是卻經(jīng)歷了關(guān)鍵的分子事件，其中包括合子基因組激活（ZGA）和早期胚胎細(xì)胞的命運(yùn)決定。伴隨測(cè)序技術(shù)的進(jìn)步，單細(xì)胞測(cè)序技術(shù)可以有效地揭示早期胚胎發(fā)育的細(xì)胞命運(yùn)決定的轉(zhuǎn)錄圖譜，但是單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)也存在許多問(wèn)題，例如dropout事件（表達(dá)的基因未被檢測(cè)到），這使得差異分析方法在處理單細(xì)胞受到了限制。本研究中通過(guò)使用F-score算法和差異分析方法（limma，edgeR和DESeq）在人類早期胚胎單細(xì)胞轉(zhuǎn)錄組中得到兩個(gè)關(guān)鍵的基因集。通過(guò)比較先前研究中關(guān)鍵的基因來(lái)分析兩種方法的不同，POU5F1（OCT4）在細(xì)胞多能性的獲得和維持中起到了重要的作用，但是在差異分析方法中卻被排除，而F-score算法卻可以獲得。我們通過(guò)研究基因的表達(dá)趨勢(shì)發(fā)現(xiàn)，差異分析方法對(duì)于在多個(gè)時(shí)期高表達(dá)的基因會(huì)被排除，這對(duì)于胚胎發(fā)育中的細(xì)胞的異質(zhì)性是十分不利的。

本項(xiàng)目以嵌入式控制器為核心，結(jié)合現(xiàn)代電子測(cè)量技術(shù)、智能控制技術(shù)、 工程流體力學(xué)、呼吸力學(xué)等多學(xué)科知識(shí)，研發(fā)一款智能呼吸機(jī)，主要用來(lái)治療 睡眠呼吸暫停綜合癥、慢性阻塞性肺病等疾病，同時(shí)開(kāi)發(fā)基于 Android 系統(tǒng)的 智能手機(jī)數(shù)據(jù)采集與通信系統(tǒng)，并構(gòu)建物聯(lián)網(wǎng)健康信息管理系統(tǒng)和健康信息云 平臺(tái)，通過(guò)云傳輸實(shí)現(xiàn)患者與醫(yī)生及其醫(yī)療機(jī)構(gòu)的雙向遠(yuǎn)程監(jiān)控與服務(wù)。

西安交通大學(xué)席光教授課題組成功將人工智能三維圖像識(shí)別技術(shù)應(yīng)用于離心壓縮機(jī)的優(yōu)化工作中，并與沈陽(yáng)鼓風(fēng)機(jī)集團(tuán)股份有限公司合作完成了國(guó)際上首個(gè)完全三維離心葉輪的優(yōu)化設(shè)計(jì)及試驗(yàn)驗(yàn)證工作。

由于受到云、氣溶膠等不利天氣的影響，基于熱紅外遙感反演的地表溫度數(shù)據(jù)存在空間不連續(xù)問(wèn)題，阻礙了地表溫度產(chǎn)品的實(shí)際應(yīng)用。

北京交通大學(xué)（前沿）高速鐵路設(shè)備設(shè)施服役狀態(tài)智能感知與態(tài)勢(shì)分析研究項(xiàng)目競(jìng)爭(zhēng)性磋商