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。

本发明提供了一种卫星信号的电离层传播时延的时域数值计算方法，是一种精确计算电离层中电波 传播时延的方法。具体实现过程步骤包括：步骤（1）对电离层中的理论进行建模。步骤（2）对电磁场 差分迭代公式以及色散媒质的辅助变量 FDTD 迭代公式进行推导；分析数值稳定性与数值色散的关系， 确定合适的时间步长；设置合理的吸收边界，选取合适的激励源。步骤（3）对算法进行验证与性能分 析。步骤（4）利用算法评估经典校正模型。本发明的方法可用于对现有电离层时延误差校正模型的评 估，并作为更精确与优化的校正模型的理论基础。 

本发明公开了一种基于计算机视觉的个性化脚部建模与鞋垫定制方法，包括：获取被测者的脚部视频数据，对脚部视频数据中相邻的两帧图像进行特征点提取，并用利用光流法对相邻视频帧之间的特征点进行跟踪匹配，采用零均值归一化互相关系数 ZNCC 验证剔除其中不可靠的跟踪结果，并根据跟踪匹配的结果构造特征点的轨迹，对脚部视频数据中的关键帧进行选取，根据得到的特征点轨迹，并利用SFM 方法对视频关键帧队列中的特征点轨迹进行三维重建，以生

围绕未来能源需求特性辨识、场站/设备智能监测、能效优化管理3项核心内容，开展研究并提出以下3个核心创新点，创新点一为基于数据驱动的需求侧用能行为特性辨识及容量价值评估方法，有效解决了需求侧用能行为特性分析难度大、精确度差、有效性低的问题，为能源电力系统容量规划和优化投资提供了科学依据；创新点二为基于数据挖掘计算的多元设备状态监测与需求侧能效优化技术，解决了需求侧用能设备运行状态监测能力差、管控水平低的问题，实现提质增效；创新点三为基于数据高效融合计算的场站环境监测及虚拟现实交互技术，有效解决了各种环境参数大量冗余导致的监测结果误差大的问题。 平台可应用于包括智能设备制造与销售、能源设备在线监测、能源设备全寿命周期管理、能源站点智慧运行维护、用能负荷预测、能质能效分析与应用等。

本发明公开一种类奔德斯分解的孤岛微电网潮流计算方法，将孤岛微电网潮流计算分解成通过传统潮流计算子问题和下垂节点更新子问题，对下垂节点进行等效后进行初始化；基于系统角频率，更新负荷和线路阻抗参数；通过传统潮流计算子问题，求解作为平衡节点的下垂节点和作为PV节点的下垂节点的相关变量参数；然后通过系统前后两次迭代状态变量之差来判断算法是否收敛：若收敛，停止迭代获得最终潮流解；若不收敛，通过下垂节点更新子问题，修正或求解作为平衡节点的下垂节点和作为PV节点的下垂节点相关变更参数；以此方式交替迭代，获得最终的

项目简介 “柴油机排气管分支流场测试和三维流场计算分析”项目由中国船舶重工集团公司 地七一一研究所委托开展。对柴油机排气管分支进行流场进行 PIV（Particle Image Velocimetry）测试，并通过结合数值模拟技术分析排气管分支内的流场结构以及进行优 化改进工作。项目主要解决难点为高速流场的实验台搭建、精确计算以及光学测量。 产品性能、指标 提供柴油机排气管分支在各个工况下

5G通信技术、嵌入式软件开发、计算机技术等， 本科生、硕士研究生等全职聘用， 博士以上学历考虑兼职聘请为技术顾问等