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。

成果描述：本实用新型公开了基于物联网的大棚智能滴灌设备,其包括控制模块,设置于大棚内的储水箱,若干埋设于土壤内、与储水箱导通的主水管和与控制模块连接、通过物联网与外部控制中心进行通信的通信模块；滴灌管的进口端均设置有与控制模块进行通信的电磁阀,且每个电磁阀均具有唯一的身份标识；大棚所在土壤内均匀地布设有若干湿度传感器；每根滴灌管的入口端均设置有与控制模块进行通信的流量传感器,且每个流量传感器均具有唯一的身份标识。市场前景分析：本实用新型公开了基于物联网的大棚智能滴灌设备,其包括控制模块,设置于大棚内的储水箱,若干埋设于土壤内、与储水箱导通的主水管和与控制模块连接、通过物联网与外部控制中心进行通信的通信模块；滴灌管的进口端均设置有与控制模块进行通信的电磁阀,且每个电磁阀均具有唯一的身份标识；大棚所在土壤内均匀地布设有若干湿度传感器；每根滴灌管的入口端均设置有与控制模块进行通信的流量传感器,且每个流量传感器均具有唯一的身份标识。与同类成果相比的优势分析：国内领先

本实用新型公开了一种基于物联网的家庭智能滴灌系统，包括有作为控制核心的AT89S52单片机（1），AT89S52单片机（1）的信号输入端连接湿度采集模块（2），AT89S52单片机（1）的信号输出端连接显示电路模块（3），AT89S52单片机（1）与无线通信模块（4）通讯连接，AT89S52单片机（1）与步进电机驱动电路（5）控制连接，步进电机驱动电路（5）与灌溉控制电路（6）连接。本实用新型具有低成本，低功耗，人性化等特点。

在清华大学基础研究基金，教育部科技重点项目，教育部清华大学自主研究项目等项目的资助下，掌握了多种传感器的制备工艺，创新性开发出石墨烯人工智能喉，利用多孔石墨烯的优势，制造出一种收发同体，适合穿戴的集成声学器件，有望在未来解决聋哑人的说话难题。 这种集成声学器件，利用石墨烯的热声效应来发射声音，利用石墨烯的压阻效应来接收声音，实现了单器件的声音收发同体。器件使用的多孔石墨烯材料具有高热导率和低热容率的特点，能够通过热声效应发出 100 Hz-40 kHz 的宽频谱声音。其多孔结构对压力也极为敏感，能够感知发声时喉咙处的微弱振动，可以通过压阻效应接收声音信号。因此，这种器件能够准确感知聋哑人低吟、尖叫等特殊声音，并将这种“无含义声音”转换为频率、强度可控的声音，有望在将来转换为预先录制的语言。

本发明提供一种用于互联网中加速经验知识积累的信息采集方法及系统，包括用户初次访问网站时， 服务器收到查询问题后，生成查询结果，生成一个 cookie 项并连同查询结果一起返回给客户端，并发送 是否接受回访请求给客户端;所述 cookie 包括网址、用户标识、存活时间和问题标识;服务器在收到用 户接受回访请求的标识后在本地的 cookie 数据库保存该 cookie 项，并添加其他数据项;所述其他数据 项包括，用户输入的查询问题，服务器回访日期范围，根据用户输入的查询问题生成的回访问卷。用户 再次访问网站时，如果当前日期在用户标识对应项的服务器回访日期范围内，通过浏览器采集用户对已 有答案及回访问卷的回复。

针对医院废水消毒存在的难点问题，哈尔滨工业大学环境学院马军院士组织团队成员刘新旺、王鲁、王盼盼、李攀、刘正乾、孔秀娟和机电学院姜生元教授开展了系统研究，提出用高浓度臭氧消毒技术强化医院废水处理。   团队与浙江金大万翔环保技术有限公司联合研制和捐赠的5套全自动物联网监控臭氧消毒装备，于2020年3月7日运抵湖北省咸宁市5家医院，现已经成功投入运行，用于医疗废水消毒灭菌无害化处理。  全自动物联网监控臭氧消毒装备工作现场 医院废水处理工艺中多数是加次氯酸钠消毒，当水中含有氨氮时会形成氯胺，而氯胺消毒能力很弱，只有投氯量与氨氮的重量比超过7.6以上时，才能实现自由性氯消毒。由于根据水中氨氮浓度动态地调控投氯量会增加操作管理难度，现场人工频繁地监测和调控投氯量增加了工作量，也存在安全风险，而且投氯量过高时可能对后续城市污水处理厂运行产生不利影响。研发效率高、受水中氨氮浓度影响小、对后续城市污水处理厂运行无副作用的消毒技术，对于强化医院废水消毒、解决医院废水消毒运行维护难的问题，具有重要意义。如何在确保消毒效果的前提下，降低运行人员安全风险、便于消毒系统维护管理，是当下需要解决的问题。 臭氧是一种强氧化剂，可迅速破坏细菌、病毒等微生物结构，目前在国际上被大量应用于水处理和环境保护，尤其是用于对贾第虫、隐孢子虫、细菌和病毒等进行灭活，被公认为各种致病微生物的“超级杀手”，杀菌能力强于氯消毒剂和紫外线等。 根据对SARS病毒和肠道病毒的相关数据，臭氧消毒能力是自由性氯的5-10倍数量级，是化合性氯（氯胺）千倍的数量级。而且，其自身在消毒过程中被还原为氧气，不会对后续的城市排水系统和城市污水处理二级处理系统产生不良影响。由于医院废水车间地点风险高、运行难度大、技术要求高，系统的维护管理是难点。因此，如果采用臭氧消毒，需要研究空气冷冻预处理、空气过滤分离和高压放电为一体的成套装备。团队在春节期间连夜进行设计，与哈工大浙江宁波产业化基地的金大万翔公司和哈尔滨工大高级氧化技术有限公司合作，克服了原材料运输困难和企业开工难等问题，经过多方协调，在春节之后完成设计，形成结构紧凑、体积小、性能优良的一体化臭氧消毒成套设备。 在此基础上，马军院士又组织团队研制物联网远程管理系统，通过远程监控实现无人值守，可以异地操控臭氧的工作条件和消毒工况，形成了医院污水消毒专用的全自动物联网监控臭氧消毒装备，不仅具备更宽的温度范围和更高的可靠性，还能将数据全部采集到云端，及时进行数据分析和远程诊断。 为了减少气体的直接使用，控制潜在的气溶胶形成，设计还采用了高浓度臭氧水溶液进行消毒，不但运行维护简便，而且没有气溶胶的形成风险，易于稳定可靠地运行管理。高浓度臭氧水溶液可以独立进行消毒，也可以与氯联合消毒，在确保消毒效果的前提下，实现效率高、安全可靠、副作用小、运行管理方便的目的。查看原文

深圳大学与中兴网信长期保持深入合作，积极探索产学研新模式，通过在健康大数据领域的持续研究与实践应用，为国家健康医疗战略、医学实践及全民健康管理提供大数据驱动的决策支持。在《基于物联网的多维健康数据智能平台关键技术及应用》项目，中兴网信将深圳大学科研成果进行转换，构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效地缓解医疗资源紧张等问题，通过多维健康数据分析，有效地保障了高危人群健康。项目构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效缓解医疗资源紧张等问题，通过多维健康数据分析，有效保障高危人群健康。相关技术内容包括基于协同感知技术的智能移动医疗终端及协同滤波研究、基于移动网络切分优化理论的网络优化及安全研究、基于多维异构医疗大数据的分析诊断云平台构建、应用系统开发及成果产业化。

深圳大学与中兴网信长期保持深入合作，积极探索产学研新模式，通过在健康大数据领域的持续研究与实践应用，为国家健康医疗战略、医学实践及全民健康管理提供大数据驱动的决策支持。在《基于物联网的多维健康数据智能平台关键技术及应用》项目，中兴网信将深圳大学科研成果进行转换，构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效地缓解医疗资源紧张等问题，通过多维健康数据分析，有效地保障了高危人群健康。项目构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效缓解医疗资源紧张等问题，通过多维健康数据分析，有效保障高危人群健康。相关技术内容包括基于协同感知技术的智能移动医疗终端及协同滤波研究、基于移动网络切分优化理论的网络优化及安全研究、基于多维异构医疗大数据的分析诊断云平台构建、应用系统开发及成果产业化。项目共发表高水平论文56篇，其中中科院一区论文13篇，ESI高被引论文5篇，获广东省创新创业金博奖、全国创客大赛冠军等奖项。目前项目理论成果与专利技术已应用转化，2016-2018年项目收入6.95亿元，间接经济效益16.31亿元。授权中兴的产品在广东、山西等全国13个省市应用推广，同时在东南亚、非盟等“一带一路”国家与地区推广使用；研发的云伴妇幼平台，2014年起在广东、江西等100多家省市各级医院使用。疫情期间，项目保障慢性病、妇幼等众多高危人群的健康，获得了很好的社会声誉。