在国家自然科学基金项目的资助下，电子科技大学计算机学院李洪伟教授带领团队在云—端协同的安全智能云系统方面取得研究进展，针对终端环境不可信、联邦学习难验证、存储数据不可靠以及加密数据难检索等难题，提出了非可信环境下面向云终端的智能评估与认证、云—端协同的可验证联邦学习、密态数据的完整性智能验证和海量密态数据的高效检索等核心技术，形成了自主可控的安全智能云系列产品。

适用范围：      与专业功放、前级效果处理器配套使用，组成一套完美音效、人声表现突出的高端娱乐会议扩声系统，适用于KTV房，高档会议室及多功能厅等场所的补声使用。 功能特点：         1. 采用1只6.5/8寸中低音喇叭单元和2只3"锥形高音单元。         2. 箱体采用12mm夹板制作，质量轻，耐磨喷漆处理，外贴防尘网棉。         3. 精确设计的分频器优化人声部分的中频表现力。                                       产品规格： 

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。

项目成果/简介:我校物质科学与信息技术研究院葛炳辉教授团队在Nanoscale杂志封面在线发表了题为：“Direct visualization of spatially correlated displacive short-range ordering in Nb0.8CoSb” 的研究论文。结构决定性能。原子的短程有序（SRO）能够为材料提供丰富的物理、化学特性以及相应的技术应用。对SRO进行精确测定，判断SRO属于位移型还是组分型，以及定量确定SRO的空间原子构型和组成，主要取决于实空间中的成像技术和倒易空间中的测量方法。目前，主流的方法是根据衍射数据并借助团簇模型搭建组分的短程有序，但由于SRO原子构型的多解性，材料科学工程中的合成-结构-性能的经典相关性仍然存在着不确定性。 基于球差矫正电镜原子分辨率的高角环形暗场(HAADF)像和CalAtom等图像处理软件，课题组搭建了两种极端情况的二维模型来分别研究原子位移和空位分布对短程有序的影响，即纯组分变化模型和纯位移变化模型，（注：实际过程可能是二者共同作用的结果）通过比对模型的FFT图和实验的电子衍射花样，确定两种模型对短程有序的贡献。研究表明：Nb0.8CoSb中空位主要以长程有序形式存在，而位移则以短程有序形式存在，故首次在原子尺度观察到一种以原子位移为主导的短程有序结构。华南农业大学林芳教授，美国Clemson大学贺健教授为共同通讯作者，浙江大学朱铁军教授研究组参与并提供试样给本研究。

该研究揭示了一种奇异点导致的量子效应：对于一个非厄米光学腔，在奇异点处，发生单光子阻塞效应，光腔辐射出单光子；远离奇异点时，发生光子诱导隧穿效应，光腔辐射出聚束光。

随着人工智能的快速发展，高性能、多功能的柔性传感器已经成为人机交互、精准医疗和运动监测的重要组成部分。离子凝胶由于其高柔性、弹性和离子触觉等特点使其在高性能离子皮肤应用方面得到广泛研究。然而，供电系统及传感系统的集成化问题依然是智能可穿戴设备急需解决的问题。

由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。 本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。 本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。 图 面向叶片3D打印修复的检测方法与集成系统硬件平台

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。