我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

钨酸锆薄膜的制备方法,它属于薄膜制备领域.本发明解决了现有钨酸锆薄膜制备方法存在的操作复杂,成本高的问题.本发明的方法如下:一,硝酸氧锆和溶剂混合得到A溶液;二,络合剂,溶剂和偏钨酸铵混合得到B溶液;三,将A和B混合,配制溶胶;四,通过旋涂制备湿膜,再将湿膜预烧;五,制备钨酸锆非晶薄膜;六,钨酸锆非晶薄膜晶化后即得钨酸锆薄膜.本发明的制备工艺简单,成本低,制备得到的薄膜表面平整致密,厚度均匀,晶粒大小均匀.

本发明涉及的是即食调味木耳的制作方法,这种即食调味木耳的制作方法是挑选标准的黑木耳,白木耳进行除杂,按5:1的比例进行混合,加入水,对干木耳进行湿法软化,泡发,其中干木耳添加量为水体积的4%～10%w/v;然后用组织捣碎机进行粉碎,在粉碎后的木耳浆液中加入壳聚糖和海藻酸钠,其中壳聚糖的加入量为干木耳质量的0.1%～0.5%w/w,海藻酸钠的加入量为干木耳质量的3%～7%w/w,待混合均匀后加入调味料在80℃水浴加热20～30min;接着将木耳混合液经过胶体磨湿法粉碎3～5min改善口感,真空干燥机中脱气2-10min;最后将木耳混合液按流延法涂布,干燥,即成即食调味木耳.通过本发明制得的即食调味木耳营养价值高,口味丰富,老少皆宜,营养又方便,填补了市场上没有黑木耳和白木耳即食产品的空白.

针对智慧城市、移动设备、工控系统等多个领域的CPS 多源异构时空大数据，提出了多种时序模式挖掘算法和时空 模型构建方法，并应用在轨迹预测、交通流预测、空气质量 预测、用户画像、活动识别、异常行为检测、网络攻击检测 等多个任务中，并为“人机物”融合的数据驱动模型提供理 论与技术基础。

新型电测井的关键技术 应用上述关键技术，本项目组先后完成了多个新型电测井仪器的优化设计和论证，硬件电路的研制，后续数据处理的研制，仪器系统的研制： 三分量感应测井仪；微电阻率扫描成像仪；油基泥浆微电阻率扫描成像仪；阵列感应测井仪；随钻电阻率测井仪；阵列侧向测井仪 通过下井测试和应用表明这些测井仪器的测井效果都达到了国际上先进仪器的水平，证明了本项目所研发的关键技术的先进性和适用性。 三维感应测井仪下中海油服科索1井 三维感应测井仪下新疆轮台的一口井 三维感应测井仪

2020年1月26日，同济大学医学院、附属东方医院左为团队在预印本网站bioRxiv上发布的研究成果显示：II型肺泡很可能正是2019-nCoV感染的靶细胞。 左为团队基于中国科学院上海巴斯德研究所和中国科学院武汉病毒研究所的两项最新研究成果，对新型冠状病毒感染人的机制和通路继续深入进行分析。团队利用共享数据库，采用高通量单细胞测序的方法，针对库中当时的8名患者，分析了43000多个人体肺细胞的单细胞RNA测序数据（健康人），希望找到病毒最先攻击的位置。“受体的门开在哪里，病毒会先攻击哪个部位？都是我们非常想知道的。”左为说，研究结果显示，病毒首先攻击的不是上呼吸道，而是位于人体深部的肺泡。 

2020年1月31日，中山大学医学院郭旭舜团队在bioRxiv 在线发表题为“Molecular ModelingEvaluation of the Binding Abilities of Ritonavir and Lopinavir to WuhanPneumonia Coronavirus Proteases”的研究成果，该研究通过同源模建，构建了武汉新型冠状病毒两种蛋白酶--冠状病毒内肽酶C30和类木瓜蛋白酶的结构模型，并将利托那韦和洛比那韦分别与蛋白酶模型对接。在所有的拟合模型中，利托那韦与冠状病毒内肽酶C30的结合最优。并且也发现相对于木瓜蛋白酶，利托那韦和洛比那韦与冠状病毒内肽酶C30结合更优。根据这些结果，研究人员认为克力芝对武汉肺炎的治疗作用可能主要是由于利托那韦对冠状病毒内肽酶C30的抑制作用。 研究人员推测克力芝对武汉新型肺炎等冠状病毒病的治疗作用可能主要是由于利托那韦对CEP_C30的抑制作用，这提示接下来对于新型冠状病毒的药学研究应集中于发现CEP_C30的催化机制，以及利托那韦如何阻断这一过程之上。