本发明提供的一种面向物联网的砷化镓基具有热电转换功能的MESFET器件，主要包括MESFET和热电偶。MESFET选择半绝缘的GaAs作为衬底，通过GaAs工艺和MEMS表面微机械加工实现具有能量转换功能的MESFET。在源漏栅的金层四周制作一层二氧化硅，化学机械抛光后，制作热电偶的金属Au型热电臂和砷化镓型热电臂，蒸金连接两种热电偶臂，将源漏栅的热电偶电极进行金属连线，留下两个热电偶电极作为塞贝克电压的输出极。 该砷化镓基具有热电转换功能的MESFET器件根据塞贝克效应，可以将器件工作产生的热能转换为电能，实现能量收集的同时缓解了散热问题。通过检测输出塞贝克电压的大小来实现对热耗散功率大小的检测。

本发明公开了一种事件驱动的支持多种计算模式的CSR解析器，包括指针取数器、索引取数器、标志位数组生成器及数据匹配器，指针取数器由启动事件驱动工作，用于访问输入矩阵或向量的指针数据，索引取数器用于从压缩格式中提取索引数据；标志位数组生成器用于根据当前有效数据的索引生成矩阵或向量的标志位数组；数据匹配器用于根据标志位数组中的匹配情况判断当前非零元素是否成功匹配，同时指导指针取数器和索引取数器进行下一轮解码，并计算当前非零元素在整体矩阵中的准确位置。本发明提供的CSR解析器可兼容多种常见的稀疏矩阵计算模式，具备良好的计算模式适应性与通用性；CSR解析器采用异步、无时钟的电路设计，有效降低了动态能耗。

该成果提供了用于重金属镉污染的水体及土壤环境治理的两种丝状真菌菌剂，其活性成分为淡紫拟青霉XLA及毛霉XLC菌株，具有菌丝发达、生物量大、重金属吸附容量强、易于与液体分离收集更利于稀有重金属的回收等众多优点，并且真菌菌丝通过大规模工业发酵很容易获得，是对土壤或环境镉污染进行生物修复的优秀微生物材料。 土壤的微生物修复技术已经在重金属污染环境的修复过程中得到广泛运用。该技术应用后水体或土地基本恢复正常功能，修复速度快，使用简单方便且效果理想，预计该技术投放市场可产生巨大的经济效益和社会效益。 转化条件：微生物真菌菌剂生产无需大面积厂房，有发酵罐和分装车间即可投入生产。 成果完成时间：2015年7月

SAPO-34 分子筛由于其特殊的孔结构和量子效应，使其在选择性吸附与分离、能源开发、石油炼制等方面有着广泛的应用前景，尤其对于垃圾生成的生物气中甲烷与二氧化碳的分离有着优异的性能。南开大学与有关单位形成产学研合作，共同开发 SAPO-34 分子筛的制备及在生物气净化分离中的重要应用。目前已完成实验室第一阶段研发及小规模中试生产，并实现部分销售。本项目开发出一种在碱性条件下超声波老化，程序升温晶化法合成 SAPO-34 分子筛新方法。可以有效地将老化时间降低 3/4，大大缩短工期，提高分子筛性能，将陶瓷膜分离与喷雾干燥相结合进行产品的干燥、成型，成功地解决SAPO-34 分子筛晶粒较小（纳米级），分离困难等问题。采用电解与离子交换膜结合法处理工业废水技术，做到变废为宝，排放零污染。 已与国际著名生物气净化分离设备供应商 XEBEC 公司形成合作，在不断的交流与完善中，制备的 SAPO-34 应用于 XEBEC 研制的专利产品生物气净化处理器中，分离效果得到国外客户的充分肯定。我们有信心将自主研发、生产的具有民族品牌的 SAPO-34 新型分子筛产品，切实应用于“低碳经济”环节链中，充分利用废物资源，变废为宝。

1.油田采出水的处理技术 油田采出水处理是石油生产中的重要环节，这一过程包括了提供储油地层增压注水所进行的一切水质改造过程（也有一小部分是为了污水达标排放），这一过程随油田开采期的延长，重要性愈显突出。陶瓷膜用于油田采出水处理具有明显的优点，首先在于材料的亲水性憎油特性，有利于防止有机类物质的污染；其次由于陶瓷膜材料的良好化学稳定性，可用于强酸、强碱、强氧化还原剂等清洗剂来清洗再生；再次陶瓷膜的机械强度高，能在高温、高压下使用和清洗。最后，陶瓷膜出水水质好，水质稳定，完全能满足标准SY/T5329-94对低渗透油层注水水质的要求。从目前国内外陶瓷膜研究应用的情况来看，陶瓷膜处理采出水的设备投资和运行成本较其他水处理方法也具有较明显的优势，这主要是由于陶瓷膜设备使用寿命长、占地面积少、配套设施少等。 2.脱沥青油中溶剂回收技术 通过精馏得到的大部分的石油炼制成分大都做为重油使用，由于越来越严厉的环境法规，需要对这些重质燃料进行催化剂重整，在炼制过程中，由于沥青质的存在，容易使催化剂发生中毒，可以在重油中加入一种链烷烃溶剂如戊烷来使沥青质沉积，以去除重油中的沥青质。脱沥青后的混合物可采用超滤技术将油和溶剂分离，从而回收溶剂戊烷，达到重复使用目的，而脱沥青油则送催化裂化或者加氢裂化。对于这类体系，高分子膜难以适用。利用陶瓷膜耐高温、耐有机溶剂的特性，可去除重油中的沥青质。 3.石油重组分直接脱沥青技术 采用无机陶瓷膜技术可以对石油重组分直接进行沥青的脱除，使用氧化锆超滤膜，孔径为6.3 nm，在温度150ºC，流速11.5 m•s-1的条件下可维持较长时间的稳定通量。相比较而言，氧化锆对石油组分的吸附作用较小。从过程研究来看，沥青质的结构以及分子量分布对陶瓷膜的操作有很大的影响。

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。

本书内容包括:绪论,非线性系统的离散,非线性输入延时系统的离散,非线性状态参数延时系统的离散,非线性输出延时系统的离散等.