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。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。

第二类超导体中量子化磁通的运动行为对超导材料和器件的电磁输运性质起着关键作用。人为调控超导磁通量子的运动行为，不但可以有效提高超导体的临界电流密度，还可实现具有新功能的超导电子器件，如超导磁通整流器、磁通二极管等。以往的磁通量子调控手段往往缺乏原位可调性，极大限制了相应超导电子器件的应用。近日，南京大学吴培亨院士领导的超导电子学研究所王永磊教授和王华兵教授研究团队设计出了一种可调控的新型人工自旋冰与超导异质结构器件，不但实现了超导电性的原位开关，还实现了可开关和可反转的磁通霍尔效应。 人工自旋冰是具有集体相互作用的纳米小磁体阵列，其特殊的几何排列使得系统具有很高的简并度、新奇的低能激发态（如磁单极子）、丰富的相变和磁畴。近年来该团队致力于人工自旋冰和超导纳米结构器件等方面的研究，不但设计出了可擦写的人工自旋冰，并且于国际上首次设计和制备出了人工自旋冰与超导的异质结构器件，实现了可调控的超导磁通阻挫效应和磁通整流效应。近日该团队又设计出了一种基于风车型人工自旋冰与超导的异质结构器件，利用风车型人工自旋冰易于调控的链条状磁荷结构，以及磁荷与超导磁通量子间的强耦合作用，实现了对超导磁通运动的原位操控，展示了超导零电阻态与耗散态之间的原位开关，同时实现了可编程的磁通霍尔效应。

针对高粉尘、强腐蚀、易结疤的恶劣工业环境，研究具有防尘、抗腐蚀、防结疤功能的机器人机构，并基于光机电一体化技术和机器视觉技术实现对颗粒物料进行自动取样和非接触动态在线检测，降低技术人员在恶劣环境下工作的时间长度，同时提高粒度检测的准确性和稳定性。  工作流程： （1）机械臂取料：从生产线上进行取样； （2）物料传送：对采集样本进行打散、干燥、运输； （3）粒度检测：基于机器视觉实现样本的非接触检测 （4）返还样本：将检测后的样本返还至生产线； 性能指标： （1）总体重量: 1000 kg； （2）取样行程: 1~2 m； 取样速度: 2-5 kg/min; 工作时间：24 h/天； （4）检测范围：直径 0.5-25 mm （5）重复精度：<2%  主要特点与功能： （1）采用仿生外骨骼、驱动器远置、自清洁机构实现机器人的防尘、防结疤； （2）通过双CCD提高检测精度与速度； （3）基于视觉伺服实现采样和检测速度的自动控制； （4）建立粒度检测数据库，实现检测结果的实现显示和历史数据的远程查询；（5）实时数据与生产控制DCS系统连接，将检测数据用于生产造粒参数控制      

本发明提供了一种检测牛APAF1基因隐性致死突变的方法，涉及分子生物学领域，本发明方法基于焦磷酸测序技术，采用一对扩增引物、一条通用引物和一条测序引物，其核苷酸序列如SEQ?ID?No.1、2、3、4所示，对牛5号染色体63150400bp位点的单核苷酸多态性进行分析，结果发现牛APAF1基因野生型纯合子在C碱基处有峰，T碱基处无峰；而致死突变携带者在C碱基与T碱基处均有峰。本发明提供的方法操作简单，灵敏度高，准确性强，通量高，检测成本低，可快速检测APAF1基因隐性致死突变携带者的个体，在牛的育种过程中具有重要应用价值。

本发明公开了一种用于五相OW FTFSCW?IPM电机的匝间短路故障检测方法，包括以下步骤：步骤1：采用电流传感器检测到的五相绕组中的实际电流；步骤2：利用转矩计算公式得到电机的估算转矩值；步骤3：通过转矩传感器测得此时电机的实际转矩输出值；步骤4：将电机的实际输出转矩与估算转矩进行相减，得到转矩偏差；步骤5：将转矩偏差通过滤波器滤除交流分量，得到转矩偏差中的直流分量，如果有直流分量的存在则判断发生了匝间短路故障。本发明提供的方法实现比较简单，对控制器要求不高，计算量小，有利于工程实现；该方法可以在电机动态过程中有效地检测出匝间短路故障的发生，操作简单，误判率低。

博士，教授，博士生/硕士生导师近五年，主持国家级科研课题3项（国家自然科学基金面上项目1项，“十二五”国家科技支撑计划1项，公益性行业（农业）科研专项课题1项）；参与国家级课题6项。近五年，发表研究论文40余篇，其中SCI/EI收录论文近30篇；申报相关研究发明专利20余项。获得省部级以上科技奖励3项（农业部科技进步一等奖1项，北京市科技进步二等奖1项，教育部科技进步二等奖1项）。

一种基于激光超声的板材厚度在线检测及调整系统，包括板材辊压机构与板材厚度在线检测机构，板材辊压机构包括上辊轮、下辊轮、上下辊轮间距调整机构、以及PLC控制系统，板材厚度在线检测机构包括光路系统集成、高温检测计、数据采集系统集成、以及数据处理系统集成，数据处理系统集成将峰值混叠、背景噪声复杂的双极性信号转换成峰值清晰、背景噪声小的单极性信号，从而准确获得纵波、横波前两次到达板材上表面O点处的时间进而计算板材厚度值，将测得的板材厚度值与PLC控制系统内的板材预设厚度值进行比较，通过PLC控制系统对伺服电机发送正转/反转运动指令，从而调节上辊轮相对下辊轮的间距以使板材厚度值与板材预设厚度值一致。