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。

本发明提供了一种基于生物信息学的方法构建蔷薇科原始染色体的方法及其应用。本发明方法是通过对比苹果、草莓和梅花三个蔷薇科已知基因数据，鉴定同源基因，确定参考物种染色体间关系，确定已测序物种与参考物种染色体间关系，从而构建蔷薇科原始染色体和确定测序物种从祖先染色体的进化历史。

本发明公开了一种刺槐的离体培养和植株再生的方法，以不同胚龄的合子胚为外植体，以ms基本培养基+mes？500mg/l+谷氨酰胺250mg/l+水解酪蛋白500mg/l+萘乙酸0.1-1.0mg/l+6-苄氨基腺嘌呤0-1.0mg/l+蔗糖30g/l+琼脂6g/l为体细胞胚诱导培养基，直接诱导获得刺槐体细胞原胚，然后进行体细胞胚的成熟、萌发、壮苗培养获得再生植株。本发明方法中体细胞胚的诱导率高，每个外植体平均体细胞胚数达到5.4-10.8个；体细胞胚萌发率、移栽成活率高，可以在短期内形成大量优良的刺槐再生植株，是工厂化大规模生产刺槐植株的简便、快捷的技术体系。

本发明公开了一种天然高乳化性油脂体粉末及其制备方法。油脂体的制备方法包括如下步骤：(1)将原料玉米胚芽破碎；(2)将破碎后的玉米胚芽与水混合，在碱性条件下进行第一次浸提；(3)将浸提后的混合物料进行磨浆；(4)将磨浆后的混合物料进行第二次浸提；(5)将第二次浸提后的混合物料进行过滤，收集滤液；(6)将滤液进行离心，收集上层物料，即可得到所述油脂体。本发明方法提高了油脂体的得率，方法无毒简便，成本较低，适合工业化；通过添加外添蛋白和均质使得油脂体乳液具有良好的乳化稳定性和抗氧化性，粉体在室温下有良好的储藏性能，可作为植脂末更健康的替代品。

水中微量痕量污染物的清除仍是科技界的严重挑战技术。微量污染物的累积作用和毒害作用正在引起人们的重视。当前缺乏的是低成本、低投入、高效和易推广的技术。常规吸附剂如活性炭虽然易从水体分离，但由于表面缺乏精细电子和拓扑结构，难以捕捉微量痕量污染物。本项目致力于开发一种表面精细结构化的、能大规模生产的高效水处理剂。最近我们发现用树状两亲体可以调控浓乳液聚合，提供了一种直接大规模获得表面结构化材料的方法。由于树状两亲体不仅能在界面组装，自身还能提供各种期望的电子环境和拓扑环境，从而高效地与各种客体分子互补，使捕捉微量客体分子成为可能。另一方面，随着大量树状体被报道，有数种已经商业化，由此衍生的树状两亲体容易实现规模化生产。理论上讲，各种树状两亲体可同时参与稳定浓乳液，形成类似斑豹的表面结构，这进一步为同时清除广谱微量水污染物提供了可能。初步研究表明，这类吸附剂能创纪录地将水中典型致癌芳烃降低到十亿分之一以下；典型有机离子的浓度降低到千万分之一以下。该材料不会向水中带来任何新污染物，能保证优质饮用水的获得。

项目成果/简介:本发明提供了一种基于生物信息学的方法构建蔷薇科原始染色体的方法及其应用。本发明方法是通过对比苹果、草莓和梅花三个蔷薇科已知基因数据，鉴定同源基因，确定参考物种染色体间关系，确定已测序物种与参考物种染色体间关系，从而构建蔷薇科原始染色体和确定测序物种从祖先染色体的进化历史。

技术简介 在“863”成果的基础上开发了船载水上水下一体化测量系统（VSurs-W型测量系统），该系统针对水上水下坐标系统不统一、小型岛礁或礁石型海岸带测量难度大、登岸留有一定宽度靠岸的空白、水上构筑物缺乏有效的测量手段等国际性难题，提供一种高效的地理信息获取手段。 创新点及性能指标 该系统针对水上水下坐标系统不统一、小型岛礁或礁石型海岸带测量难度大、登岸留有一定宽度靠岸的空白、水上构筑物缺乏有效的测量手段等国际性难题，提供一种高效的地理信息获取手段。

高校科技成果尽在科转云

" 随着社会文明程度的提高，人类越来越重视口腔健康和牙齿相关疾病的防治，全球口腔医学材料及器械市场高达200亿美元，年增长率超过10%。项目团队基于临床需要，研制了一系列APD生物医用高分子材料，具有防治牙齿敏感症、原位修复牙体硬组织等多种功能。拥有完全自主知识产权，并已完成动物实验等临床前研究，项目团队已经完成初步融资，正在进行产业化开发。 "