成果简介：智能辅助翻译系统是机器翻译技术与人工翻译有效结合，是一种 取长补短的高效的语言工程应用方式。不同行业和部门，翻译资料的重复率 达到 20%～70%不等，即译者至少有20%以上的工作是无谓劳动，智能辅助 翻译系统致力于消除译者的重复性工作，在保证翻译质量、提高效率、降低 成本方面能够发挥出巨大作用。 项目来源：多部委委托 技术领域：语言信息处理技术 应用范围：各类翻译机构和有多语言翻译应用需求的政府

技术成熟度：技术突破 本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。 成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。 图1 设备实物图 图2 为智能控制系统电脑操作界面

第四范式成立于2014年底，是国际领先的人工智能平台与技术服务提供商，公司以“Empower AI Transformation and Advance AI For Everyone”为企业愿景，旨在让AI成为驱动社会进步、企业增长的引擎。依托于领先的机器学习技术与丰富的行业实践经验，第四范式打造了企业智能化转型战略产品“天枢”，通过构建以消费者为中心的全链路客户流量运营，帮助企业实现以创造业务价值为目标的智能化转型。此外，第四范式为企业树立了正确的转型目标和方法，通过自动化AI应用构建平台第四范式HyperCycle ML，提升AI建模效率，降低AI应用门槛，将AI技术快速、规模化落地到企业众多业务场景中，提升业务场景价值。同时，第四范式采用软件定义算力的先进理念为企业提供软硬一体AI集成系统SageOne，降低企业AI部署总体拥有成本，推动企业全面智能化转型进程。目前，第四范式已为金融、零售、能源、医疗、制造、互联网、媒体等行业成功落地上万个AI应用，助力各行业企业的AI创新变革。点击上方按钮联系科转云平台进行沟通对接！

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。

2020年3月3日，甘肃省科技厅披露甘肃新冠肺炎智能辅助鉴别筛查系统研发成功，并进行了初步临床验证，已开始提供线上服务。该通过使用体液活检生化数据及智能学习算法，构建了新冠肺炎临床样本的快速智能辅助鉴别筛查工具。该系统识别敏感性较高，适于快速鉴别新冠肺炎和其它肺炎及流感患者，尤其适用于对于核酸筛查为阴性的潜在新冠肺炎患者的筛查。兰州大学基础医学院、化学化工学院，兰州大学第一医院感染科、兰州市肺科医院检验科以及甘肃海基生物技术有限公司联合成立了新冠肺炎临床快速辅助智能化鉴别筛查系统科技团队。这一系统可以直接利用当前定点医疗机构，及具有资质的第三方机构常用检测仪器以及CT检测的数据结果，快速准确地给出辅助诊断意见，为新冠肺炎疑似病例确认提供快速有效参考的临床建议。同时，该工具具有现场、快速、高效、界面友好、易操作等优势和特色，与《新冠肺炎诊疗方案第六版》和现行临床检验，以及甘肃省内远程医疗网络完全接轨，有利于推广至基层医疗检测单位。新冠肺炎临床快速辅助智能化鉴别筛查系统科技攻团队针对临床需求，还在开发其它专用临床智能辅助诊疗工具，上述成果将为此次疫情及未来相关生物安全威胁提供有力的临床支持和技术储备。该系统在兰州大学第一医院、兰州市肺科医院、甘肃省人民医院和武汉抗疫一线进行了初步临床验证，并已开始提供线上服务。

本实用新型公开了一种用于冰箱的智能辅助系统，包括压力传感器、MCU、温度传感器、加速度传 感器和网络通信模块;压力传感器、MCU、温度传感器、加速度传感器均设置在冰箱内，MCU 分别与 压力传感器、温度传感器、加速度传感器和网络通信模块连接;MCU 采集压力传感器、温度传感器、 加速度传感器的数据，并通过网络通信模块将数据上传到后台服务器，实现数据传输。用户可以通过手 机 APP 查看冰箱的状态。本实用新型装置适用于家庭厨房，帮助广大人们便捷管理冰箱的食材，给出 更健康的食材搭配，结构简单，成本较低。