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。

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。

人工智能语音交互实验套件是一款用于人工智能语音方向的AI实验套件。开发板搭建Linux系统，可自主进行嵌入式生态系统的应用软件开发，支持深度的语音识别、语音唤醒、语音合成等诸多人工智能领域的应用开发。通过这套设备的学习，可以认识了解 AI 人工智能嵌入式设备的架构、硬件部署、软件在 AI 领域中语音识别、语音合成等应用上的实现，是一套 AI 前端实践性极强的学习套件。        套件配套实验清单（含知识点），由资深工程师编写，全面涵盖语音交互技术的实验过程。并提供教学指导、实验视频、实验手册、实验PPT等，便于师生更好的理解实验项目，是高职、本科院校相关专业在 AI 智能语音方向课题的专用教学实验套件。 

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。

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。