网上赌场真人发牌-澳门网上赌场空城

為了進一步驗證紅樹植物在全球氣候變化下是否足夠強健，研究人員對現(xiàn)存紅樹物種的歷史群體大小動態(tài)變化分析，發(fā)現(xiàn)大多數(shù)紅樹物種在海平面快速變化時期發(fā)生了種群規(guī)模急劇減少和破碎分化。

手性分子識別是生命功能的基礎，這源于生物受體對手性底物的高選擇性識別。但對于合成受體來說，水相手性識別仍然是一個巨大的挑戰(zhàn)。該課題組通過模擬生物受體的空腔特征，合成了一對空腔內(nèi)具有氫鍵位點的手性大環(huán)主體（圖1）。該大環(huán)主體在水中實現(xiàn)了手性分子的選擇性識別。同時，該大環(huán)主體也可用于非手性環(huán)境污染物—二惡烷的光譜檢測和手性化合物ee值的光譜測定。

最近，物理科學與技術學院余穎教授課題組與吉林大學李莉萍教授、中國地質(zhì)大學（武漢）余家國教授合作，在大電流電解海水制氫方面取得重要進展。

我校理學院大數(shù)據(jù)研究團隊在人工智能與大數(shù)據(jù)處理技術研究方面取得系列進展，研究成果分別發(fā)表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能頂級期刊。神經(jīng)網(wǎng)絡是人工智能領域中目前最為火熱的研究方向——深度學習的架構(gòu)基礎。雖然深度學習在近幾年發(fā)展迅速，但是關于如何設計最優(yōu)神經(jīng)網(wǎng)絡架構(gòu)的問題仍處于探索階段。該團隊分別針對人工智能中神經(jīng)網(wǎng)絡結(jié)構(gòu)復雜、高維大規(guī)模數(shù)據(jù)存在無效和冗余特征、難以獲取長時序信息等問題與缺陷，設計出了一系列網(wǎng)絡結(jié)構(gòu)優(yōu)化、大數(shù)據(jù)特征選擇和時序循環(huán)神經(jīng)網(wǎng)絡模型，有效改善了上述不足，提高了人工智能模型的學習性能。 題目為《帶Group Lasso懲罰與控制冗余的神經(jīng)網(wǎng)絡特征選擇》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究論文發(fā)表在人工智能領域權(quán)威國際期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生張華清為該論文共同第一作者， 我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項工作得到國家自然科學基金、國家科技重大專項、山東自然科學基金、中央高校基本科研業(yè)務費、中國石油天然氣集團公司重大科技項目以及山東省高校青年創(chuàng)新科技支撐計劃的資助。 特征選擇技術也稱屬性選擇，是指從原始特征或?qū)傩灾羞x擇出最有效的特征或?qū)傩砸越档蛿?shù)據(jù)維度的過程，它是人工智能數(shù)據(jù)預處理環(huán)節(jié)的重要步驟，也是大數(shù)據(jù)處理技術的重要環(huán)節(jié)。該項工作在神經(jīng)網(wǎng)絡中嵌入Group Lasso懲罰項并實現(xiàn)特征冗余控制，在選出對解決問題最有幫助、蘊含信息量最大的特征或?qū)傩缘耐瑫r，控制所選特征子集的冗余程度，以達到降維的最優(yōu)效果，從而使模型的泛化能力更強，降低神經(jīng)網(wǎng)絡模型產(chǎn)生過擬合的風險。 題目為《基于L1正則化的神經(jīng)網(wǎng)絡結(jié)構(gòu)優(yōu)化模型設計與分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究論文發(fā)表在國際人工智能領域權(quán)威期刊IEEE Transactions on Cybernetics。碩士生謝雪濤和博士生張華清為論文共同第一作者，王健副教授為通訊作者，我校榮譽教授Nikhil R. Pal院士（印度統(tǒng)計研究所）參與指導，中國石油大學（華東）為第一署名單位。該項研究成果得到了國家自然科學基金、山東省自然科學基金和中央高校基本科研業(yè)務費的資助。 該項工作借助L1正則子具有的稀疏表達能力，提出兩種神經(jīng)網(wǎng)絡結(jié)構(gòu)優(yōu)化學習模型；本項工作另外一個突出貢獻就是提出了一種簡單且具有通用性的收斂性證明方法，同時保證了模型設計的合理性。實驗結(jié)果表明所提出模型具有強大的魯棒性、廣泛的適用性、理想的剪枝能力和良好的泛化能力，適用處理高維大數(shù)據(jù)。該研究成果在人工智能與深度學習構(gòu)造最簡網(wǎng)絡結(jié)構(gòu)方面具有很強的指導作用和應用推廣價值。

近日，傅正義院士團隊平航副研究員在材料過程仿生制備新技術研究方面取得創(chuàng)新性進展，成果以“Mineralization Generates Megapascal Contractile Stresses in Collagen Fibrils”為題，發(fā)表在國際頂級期刊《Science》（科學）上。

自修復材料是近年來發(fā)展迅速的一類新型功能材料,它能夠通過物理或化學作用自動修復損傷并恢復其功能，為主動預防材料的潛在危害并延長其使用壽命提供了一種新的智能方法。