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。

依托国家自然科学基金、国家高技术研究发展 863 计划、国防科工委重点课题以及 上海市地方政府重大工程等项目，研究了以全球定位系统（GPS）、遥感遥测技术（RS） 和地理信息系统（GIS）为核心的地球空间信息获取、处理、建模与服务的系统集成理 论、关键技术与应用，在现代测量数据处理、GPS 精密定轨与定位、高精度遥感影像匹 配与制导、空间数据不确定性与质量控制等取得了一系列创新成果。 

本发明公开了俯仰多视角的悬浮式360度视场空间三维显示装置，包括复合式偏折型散射屏、高速投影机、图像发生器、探测模块和旋转传动机构。高速投影机将三维物体不同俯仰角度水平360度全景视场的组合图像投影到高速旋转的复合式偏折型散射屏上。复合式偏折型散射屏可对不同角度入射光的垂直偏折及发散角度和水平发散角度进行控制，使环绕观看的不同高度的观察者的双眼观察到对应于其视点位置的图像，实现显示的三维物体悬浮于复合式偏折型散射屏的上面，且其位置不随视点的高低变化而改变。俯仰多视角的悬浮式360度视场空间三维显示可供多人俯仰多角度、水平360度全视场裸眼同时观看，实现空间遮挡消隐并可探入触摸交互。

本发明公开了一种三自由度空间并联机器人机构。该机构由运动平台、固定平台和 联接上述两平台的三条支链组成，其中两条支链结构相同，自上而下分别由两个转动副和一 个移动副以及它们之间的连杆组成，另一条支链自上而下分别由两个转动副和两个移动副以 及它们之间的连杆组成。本发明的机构其运动平台可实现三个移动的运动输出。该机构关节 少，运动副自由度总数只有 10 个，使得它可以有效地改善并联机构因为运动副自由度过度 而导致的容易发生挠曲和扭转变形的问题。另外通过在运动平台上串接一个两自由度的旋转 头，由此可设计出五自由度的混联机器人，可用于高速加工机床、激光冲击成形设备等场合。 

本发明公开了一种空间二维码双通道互补光通信系统。该系统包括光发送机模块和光接收机模块。光发送机模块包括：光源、透镜、DMD阵列、排干扰装置和电路控制部件；透镜把光源光束聚焦在DMD阵列面上；电路控制部件调节DMD阵列上微镜的随机翻转，形成不同的二维数值阵列面，利用DMD阵列正负12度翻转角度，形成两个光通道，把信号以二维阵列形式传输；排干扰装置可避免杂音干扰严重降低光通信传送的实际强度，最终影响光通信速度的问题；光接收机模块包括：光接收机前端、滤波器、电路控制部件；光接收机前端负责接收通过传输路径的二维阵列光信号，把光信号转换成电信号，经过滤波器滤除无用信息或噪声，筛选出有用信号给接收端。

本成果通过研究系列新型刚柔耦合手术机器人，辅助医生实现良好的人机交互及可视化灵巧操作，提高手术的安全性，应用于咽喉、胃部、脊柱、肺部等人体狭窄空间。研究的手术机器人及其相关技术可推广到其他人体自然腔道中环境下机器人辅助医生灵巧操作的微创手术。 一、项目分类 关键核心技术突破 二、技术分析 微创外科手术具有创口小、出血少、疼痛轻和术后恢复快等优势，目前正在由单孔和多孔手术向经自然腔道的内镜手术方向发展。在人体自然腔道的复杂狭窄空间下，机械臂和人体组织之间极易发生碰撞，导致机器人损坏或患者受到二次伤害。该成果通过研究系列新型刚柔耦合手术机器人，辅助医生实现良好的人机交互及可视化灵巧操作，提高手术的安全性，应用于咽喉、胃部、脊柱、肺部等人体狭窄空间。研究的手术机器人及其相关技术可推广到其他人体自然腔道中环境下机器人辅助医生灵巧操作的微创手术。与现有技术相比，该成果能够大幅提高手术操作的灵活性与安全性，拓展了现有手术机器人的应用范围，目前国际上尚未开发出成熟的产品，因此该成果具有广泛的市场应用前景。本成果在前期开发了手术机器人样机，并开展了尸体实验研究，取得了良好效果。

本发明公开了一种可调控的空间电磁感应透明超材料器件。该 器件包括基板和位于基板上的能产生电磁感应透明现象的金属单元阵 列；所述金属单元阵列包括多个阵列分布的金属单元，所述金属单元 包括第一金属微结构和第二金属微结构，所述第一金属微结构包括第 一金属图形，所述第二金属微结构包括第二金属图形，所述第一金属 微结构和/或所述第二金属微结构还包括半导体元件。本发明能有效解 决现有技术中不能简单快速地对电磁感应透明超材料的工作

本服务体系主要依托 SPARROW 模型，它是一款由美国国家地质调查局（USGS）开发的非线性流域污染物评估模型，其介于传统统计学模型与机理模型之间，用于估计流域地表水体中污染物负荷与污染源之间的关系。是美国 TMDL 计划推荐流域模型方法之一。 原始 SPARROW 模型基于 SAS（统计分析系统）平台运行，使用 IML 语言编写，其嵌套的统计模块可以轻松调用非线性加权最小二乘法（NWLS）进行方程的求解，完成所需参数的估计，虽然SPARROW 本身可以免费使用，但是 SAS 平台购买费用不菲，为此我们基于 SPARROW 模型的原理，使用 FORTRAN 语言开发了面向我国特点的具有空间响应特性的水环境管理模型，简化了原SPARROW 模型中不适用于中国的模块，并增加 jackknife 不确定性分析模块，按照中国水环境管理需求补充可能实现的模块，优化模型功能，改善人机交互形式，使数据输入及模型运行更加方便易学并符合中国的数据特点。利用 ArcGIS 生成河网、划分子流域等，提取与整合必要的与流域河流属性相关的输入数据，并利用该平台将模拟结果进行可视化表达。

《大数据交易应当重视和研究的几个问题》指出，为了保证交易数据来源的正当性和交易主体的合法性，为了有效克服大数据交易中的问题和风险，对于数据这种新型特殊财产的权属、开发利用及流转的特殊规律应当抓紧研究，相关制度建设要及时跟进。该报告建议从两方面入手：一是从私法角度明确数据的财产性质及其权属分配规则。在充分保护人格权和商业秘密的基础上，将数据产权按价值贡献在被采集者、采集者以及数据加工者等相关主体之间进行合理分配。二是从公法角度明确关于数据采集、加工，大数据产品的开发、流转等的监管规范。要明确数据的采集和利用不得违背公认的社会道德和善良风俗；在不损害相关主体的合法权益和公共利益的前提下，推动政府数据公开共享；禁止有可能威胁国家安全的跨境数据流动。

清华大学地球系统科学系阳坤教授课题组在《科学数据》（Scientific Data）上发表题为“The first high-resolution meteorological forcing dataset for land process studies over China”的研究成果，发布了过去十年间阳坤团队开发的一套服务于陆面、水文、生态等地表过程模型的中国高时空分辨率气象数据集。该数据采用严格的数据质量控制，统一的站点数据、卫星数据和再分析数据的融合方法，避免了不同学者对同一研究区域气象数据的重复处理。近地面气象数据是地表模型的主要驱动。自2004年美国国家航空航天局（NASA）发布全球陆面数据同化（GLDAS）气象数据以来，北美、欧洲等区域高分辨率气象驱动数据集也不断涌现。阳坤教授团队自2008年起利用中国气象局数据共享的契机，开始了中国区域高分辨率气象驱动数据集的开发，建立了气象数据的预处理系统和融合系统，完成了首套相对稳定可靠的长时间序列数据产品。该数据集覆盖了中国陆地区域，时间跨度为40年（1979-2018），空间分辨率0.1度，时间分辨率3小时，包括了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等 7 个变量。基于独立站点数据的评估表明，该数据集较国际上广泛使用的 GLDAS 数据集具有更高精度。目前，该中国区域高分辨率气象驱动数据集已发布在国家青藏高原科学数据中心，可免费获取。原文链接：https://www.nature.com/articles/s41597-020-0369-y数据网址：https://doi.org/10.11888/AtmosphericPhysics.tpe.249369.file