青岛安创达安全技术有限公司由中国石油大学（华东）安全工程专业教师和研究生骨干创立的社会化安全技术专业服务和研究应用科技企业。开发出国内首套多人协同火灾、爆炸后果嵌入VR模拟超级平台系统，首套“实验室VR安全告知和培训箱”等兼备技术和科研应用产品。结合安全工程高校人才优势和企业社会化服务灵活性优势，已经为10余家大型企业，20余所高校开展以VR和安全工程技术结合的安全培训、应急模拟和研究分析产品。

北京触点互动信息技术有限公司成立于2016年，前身北京触点互动科技有限公司，是一家专注研发国产化高性能网络仿真测试产品的创新型企业。其自主研发的产品包括XproNetworkSimulator高性能网络仿真测试工具，XproReplay 5G核心网仿真测试工具，XproUESimulator 移动终端仿真测试工具，XproVideo视频质量测试工具等。XproReplay 5G核心网仿真测试工具可以实现业界最高的性能仿真能力，能在单台服务器上模拟超过200万手机用户的并发访问和超过200Gbps的手机并发访问流量。XproUESimulator 移动终端仿真测试工具，可以基于X86架构实现仿真数百个并发手机终端通过空口访问5G网络，与之前传统的硬件仪表方案相比，极大地提升了5G接入网测试的效率和易用性。XproNetworkSimulator高性能网络仿真测试工具，可以仿真常见互联网应用协议和攻击行为，其攻击库目前已经支持近万条攻击行为的仿真，包括常见CVE漏洞利用的攻击，高危事件的仿真，病毒传播的仿真，DDOS攻击的仿真等。目前触点互动XproNetworkSimulator高性能网络仿真测试工具被广泛应用于安全设备商的设备研发测试，网络靶场的流量和攻击仿真，护网行动的攻击演练等场景。 在如今的数字化时代，触点互动立志帮助各行业用户更好、更快、更全面、更低成本地去完成产品的开发与测试，以及设备的选型测试，给客户带来实际的价值，向世界领先的网络通信领域测试工具提供商目标迈进，愿为我国在测试工具行业早日实现国产化替代目标贡献力量。

河南伟达电子技术有限公司成立于2006年，致力于为教育行业提供全面的信息化应用方案，虚拟仿真教学资源、职业技能实训课程开发等为一体的智慧教育科技型企业。 公司在发展道路上先后被认定为高新技术企业、“专精特新”中小企业、科技型中小企业、产教融合培育单位等多项专业性资质。 自创立至今，伟达电子一直坚守教育行业，引领新一代信息技术在教育行业的深度研发与应用，研发的仿真教学平台，提供从教、学、多人互动、协同操作到学生自测系统、考试系统等全方位的多种学习模式，依托互联网+教育实现与智慧校园、APP 、5G网络教学等云平台的对接，全面支持市场所有沉浸式AR/VR/MR硬件设备及各类操作系统。 新时期，作为平台资源型教育服务企业，公司以服务为宗旨、质量为第一，言必行、行必果，始终秉持“优质服务为基础，专业技术为核心”的企业理念，汇聚多方力量，共同服务院校数智化人才培养，优化教学资源开发，推动中国教育事业和中国数字经济的进步与发展。

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。