分光部件常用的光栅有平场凹面光栅、中阶梯光栅和凸面光栅，均是中高档 光谱仪器的核心部件。因此国内光谱仪器欲向中高档水平发展，实现此三类光栅的自主研制和产业化是相当必要的。研制高性能、高分辨率的光栅，摆脱高性能 光栅依赖进口的现状，取得我们自己知识产权的技术，是提高我国光谱仪器水平 的重中之重。研究团队在光栅母版与复制光栅研究工作积累上，已经形成了一套 成熟的刻制、全息和复制光栅的研制技术。具备各方面的研究人员，从各类光栅 的理论研究，光栅消像差设计，到各类光栅研制与检测，积累了丰富的经验，尤 其是通

金属橡胶技术是解决航空航天领域高真空、大温差、强辐射等极端工况下阻尼减振等技术难题的专用技术。金属橡胶阻尼环具有可设计性的阻尼性能，其组合结构可实现复杂力学环境工况下设备的隔振。 哈工大机电学院金属橡胶技术研究所姜洪源教授团队为长征五号解决了高真空、大温差、强辐射等极端工况下阻尼减振难题。依托学校的研发基础与优势，金属橡胶技术研究所围绕国家重大需求，瞄准技术瓶颈，制备了满足不同工况和不同结构需求的金属橡胶构件，部分金属橡胶元件成功替代了重要装备上的进口元器件，并在嫦娥三号着陆器等任务中得到成功应用。

达内时代科技集团成人类课程方向：Java企业级应用软件工程师、Java互联网架构软件工程师、Java大数据工程师、Web前端开发工程师、网络运维与网络安全、Linux云计算工程师、Python 人工智能软件工程师、国际嵌入式软件工程师、C++国际软件工程师、PHP/web.3.0互联网工程师、国际软件测试工程师、Android软件工程师、IOS软件工程师、.NET软件工程师、全链路UI设计师、商业插画、商业视觉设计课程、产品级UED交互设计师、全栈式CAD设计师、产品经理、VR开发工程师、VR次世代模型师、高级网络营销师、新电商运营官、企业级影视视效、人力资源经理人课程、总账会计课程

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。

高校科技成果尽在科转云

在肿瘤的治疗过程中，基于单一生物靶标或途径的抗肿瘤药物在临床上已经得到广泛的应用(Nature.2004,432,294–297)。它们对特定的生物靶点或作用途径表现出较好的药效，并降低了药物副作用的风险(Nat.Rev.Drug Discov.2006,5,993–996)。然而，肿瘤是一种具有多种病因网络的复杂疾病。在很多情况下，当一种特定的靶标或路径被完全阻断后，肿瘤细胞会通过其它潜在的作用途径补偿这种改变，使作用效果大大降低，甚至消失。故现在普遍认为，作用于多个作用靶点的药物要比作用单一的药