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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

在中德双边政府合作协议框架——环境能源领域“中德清洁水创新研究项目（Clean Water）”项目支持下,与德国专家合作研究提出了“半集中式污水及固体废物综合处理及资源化技术”, 该技术改变了传统的集中式供排水模式的“污染物末端处理”结构与物质流和能量流“直线式”流动模式，从根本上解决了现有水资源重复利用率低和污染物难以资源化难题，该技术成果成功在2014 年青岛世界园艺博览会进行示范应用，通过生活污水分质收集、处理，满足再生水的分质回用的同时，实现再生水回用率达 90%以上，生活用水节水率达 40%以上；通过污水污泥与生活垃圾协同消化处理，在有机废弃物 100%无害化处理与利用的同时，实现绿色清洁能源（沼气发电）回收利用。该技术解决了快速发展中城市区域基础设施建设与环境污染问题，引领市政供排水等基础设施的发展方向，实现了“能源消耗最低、污染排放最少、废物综合利用”的最优化。既体现了“循环经济”与“低碳经济”的原则，又与我国当前建设“低碳社会”和“绿色住宅区”的小康社会目标吻合，不仅具有很好的社会效益及环境效益，而且对促进城市可持续发展具有重要的现实意义。 

本发明公开了一种刀具跳动量及刀刃初始角的测量方法及装置， 可以同步完成主轴跳动量及刀刃初始角的测量。本专利提出的装置通 过两个激光位移传感器同时采集刀柄跳动量及刀齿跳动量。前者数据 用于计算刀具跳动量，后者数据与前者数据共同用于确定刀刃初始角。 测量数据通过串口通信，交由上位机处理。刀具跳动量的计算通过刀 柄处的激光位移传感器采集的数据，进行波峰波谷求差直接获得；刀 刃初始角通过对刀柄、刀刃处激光位移传感器采集的两组数据进行波 峰相位求差获得。 

本发明公开了一种刀具跳动量及刀刃初始角的测量方法及装置，可以同步完成主轴跳动量及刀刃初始角的测量。本专利提出的装置通过两个激光位移传感器同时采集刀柄跳动量及刀齿跳动量。前者数据用于计算刀具跳动量，后者数据与前者数据共同用于确定刀刃初始角。测量数据通过串口通信，交由上位机处理。刀具跳动量的计算通过刀柄处的激光位移传感器采集的数据，进行波峰波谷求差直接获得；刀刃初始角通过对刀柄、刀刃处激光位移传感器采集的两组数据进行波峰相位求差获得。

本发明公开一种基于云技术的商品溯源及消费流向统计分析方法及系统，本发明中采用所述云计算平台与云计算终端相互协作的云技术架构，由所述云计算平台负责亿级加密二维码的编码、压缩、加密、生成、激活、赋值及管理，并为消费者提供商品溯源服务，为企业提供消费流向统计分析服务；所述云计算终端负责赋予商品加密二维码标识，本发明利用云技术强大的计算能力和性能，以及方便的

本发明公开一种基于云技术的商品溯源及消费流向统计分析方法及系统，本发明中采用所述云计算平台与云计算终端相互协作的云技术架构，由所述云计算平台负责亿级加密二维码的编码、压缩、加密、生成、激活、赋值及管理，并为消费者提供商品溯源服务，为企业提供消费流向统计分析服务；所述云计算终端负责赋予商品加密二维码标识，本发明利用云技术强大的计算能力和性能，以及方便的

针对风味成分、香精油类普遍存在的易挥发、易氧化损失等特性，本实验室 采用纳米乳化体系，在提高这两类物质稳定性的同时，进一步提高风味成分和香 精油类物质的水溶解性，并通过乳化体系的构建达到风味物质的控制释放效果。 同时，对于具有抗菌性的香精油类，提高并延长抗菌特性，可作为食品级抗菌剂，在食品体系中广泛应用。本技术加工手段温和，过程中无污染，非常适用于食品 中风味成分和香精油类物质的深加工，提高产品附加值。以薄荷油为例的微乳化 产品，储藏期间粒径保持在 20 nm 左右，常温储藏 12 个月有效成分保留率分别 达 98.2%和 97.6%，损失率小于 10%。