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?；究蒲袠I(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?；究蒲袠I(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。

XM-37高級(jí)著裝式人工取便訓(xùn)練模型 ? 模型特點(diǎn)： ■ XM-37高級(jí)著裝式人工取便訓(xùn)練模型采用塑膠材料，皮膚柔軟，操作過(guò)程真實(shí)。 ■ 可穿著式設(shè)計(jì)，適合2個(gè)學(xué)生一起練習(xí)。 ■ 配以布質(zhì)松緊帶，可調(diào)節(jié)長(zhǎng)度和松緊度。

XM-37高級(jí)著裝式人工取便訓(xùn)練模型 ? 模型特點(diǎn)： ■ XM-37高級(jí)著裝式人工取便訓(xùn)練模型采用塑膠材料，皮膚柔軟，操作過(guò)程真實(shí)。 ■ 可穿著式設(shè)計(jì)，適合2個(gè)學(xué)生一起練習(xí)。 ■ 配以布質(zhì)松緊帶，可調(diào)節(jié)長(zhǎng)度和松緊度。

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。

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。

本發(fā)明提供了一種高性能測(cè)試向量生成方法及生成器，包括碼生成模塊以及進(jìn)位鏈模塊；碼生成模塊時(shí)鐘端clk作為高性能測(cè)試向量生成器的時(shí)鐘端，碼生成模塊碼輸出端Q1...Qn作為高性能測(cè)試向量生成器的碼輸出端。本發(fā)明中，測(cè)試碼(即測(cè)試向量)的位數(shù)越大，其跳變率降低的幅度越大，且本發(fā)電路簡(jiǎn)單，功耗小，易于模塊化，易于碼位擴(kuò)展；進(jìn)一步地，本發(fā)明生成碼低跳變，全狀態(tài)，故障覆蓋率高，易于硬件和軟件實(shí)現(xiàn)，也易于可編程器件實(shí)現(xiàn)。