中信科移动公司作为中国信科本次5G产业落地湖北的实施主体，是2018年武汉邮科院与电信科研院融合重组成立中国信科集团后，整合武汉北京两地无线通信科技产业资源，于2020年10月重组成立的无线通信核心骨干企业。

北京华视恒通信息技术有限公司是智慧媒体数字信息化领域产品开发与系统解决方案品牌供应商，专注于为教育、广播电视、事业单位、企业提供智慧教育、智慧媒体、虚拟现实等领域系统集成、产品开发以及技术服务。 公司自主研发产品通过了国家权威机构严格的测试认证，通过ISO9001国际质量管理体系认证。公司拥有高新技术企业和软件企业认证。 公司提供完全自主知识产权的高科技产品，以科技创造财富，以实力创造品牌，已经成为教育信息系统的专业品牌设备提供商，专业解决方案提供商和服务商，为客户提供专业的解决方案和运维服务。 公司产品主要包括：虚拟数字人系统、3D快速建模系统、裸眼3D全息系统、XR虚拟演播室系统、互动教学系统、微课系统、优课系统、智慧教室、实训示教、分组教学、互动直播、智课平台、巡课系统等产品设备。 公司产品和服务被广泛应用于教育信息、广播电视、政府机构、企业、医疗等多种行业和机构，并与国内外多家企业建立了战略合作伙伴关系。公司凝聚了一大批具有使命感的高素质人才，积累了丰富的研发、生产和工程实践经验。

　　保定市万达环境技术工程公司，是一家环境功能地坪材料研发、生产、施工及服务的专业化股份合作公司。拥有资产500余万元，具有中高级技术职称的工程技术人员三十余名，年生产能力5000吨，年实际铺设能力10万平米。 　　公司与国家体育用品质检中心、北京田径会、信息产业部防静电质检中心长期合作。上河北省建设厅2002年7月省内核发并仅有的几家具有体育场施工资质企业之一，是行业标准《防静电地面施工几验收规范》起草单位，是中国电子学会防静电分会几洁净技术分会会员单位，是国家体育用品质检中心定点检测单位，是中国焦急学仪器设备行业协会、学校体育装备委员会会员单位。　　公司产品主要有：１、聚氨酯塑胶跑道，篮、排、网球场，丙稀酸网球场地坪系列；２、防静电聚氨酯、环氧酯、环氧自流平地坪系列；３、高洁净聚氨酯、环氧自流平地坪系列；４、聚合物涂层材料。　　2000年我公司借鉴国际先进标准，在传统的聚氨酯跑道材料合成的基础上，引入美国HR公司高科技新材料，开发成功了具有环保功能的新型跑道材料，经国家环境分析检测中心检测合格，除具有其他跑道材料一切优点外，其最突出的特点是耐老化、无异味（消除了传统塑胶报道的难闻气味，在太阳爆晒下更明显），大大提升了塑胶跑道的品质和使用寿命。经大量实际应用，倍受各界关注。2002年元月十六日被北京市田径协会审核确定为认定产品。　　完善的质量保证体系，一流的施工队伍，满意的售后服务，公司的产品遍及大江南北。　　公司以“致善人造环境，增进人类健康”为宗旨，坚持“科技创新、质量第一、诚信为本、尽善服务”的经营理念。真诚的希望与各界朋友携手同进，共创未来。

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。