葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

1 .掌握大鯢子二代親鯢生殖生理特點和生殖調(diào)控機理，創(chuàng)建大鯢子 二代生殖調(diào)控技術(shù)和大鯢子三代全人工繁殖和苗種規(guī)模化培育技術(shù)；2 .選育和培育出體質(zhì)健壯子二代親 鯢400多組（1尾雄親鯢+3尾雌親鯢為一組），誘導(dǎo)性腺發(fā)育與雄雌同步成熟，使用高活性催產(chǎn)劑進行人 工催產(chǎn)，催產(chǎn)率達72%，受精率90%，孵化率33%，苗種存活率90 .5%，三年（2007-2009年）共繁育大 鯢子三代苗種44800尾；3 .實現(xiàn)大鯢子三代苗種規(guī)模化生產(chǎn)，能提供大批量子三代苗種供養(yǎng)殖部門發(fā)展 大鯢養(yǎng)殖產(chǎn)業(yè)，并在自然保護區(qū)放養(yǎng)，還進行子三代健康養(yǎng)殖示范，具有顯著的經(jīng)濟效益、社會效益和 生態(tài)效益

我校理學(xué)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(shù)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(luò)是人工智能領(lǐng)域中目前最為火熱的研究方向——深度學(xué)習(xí)的架構(gòu)基礎(chǔ)。雖然深度學(xué)習(xí)在近幾年發(fā)展迅速，但是關(guān)于如何設(shè)計最優(yōu)神經(jīng)網(wǎng)絡(luò)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(luò)結(jié)構(gòu)復(fù)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(shè)計出了一系列網(wǎng)絡(luò)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(luò)模型，有效改善了上述不足，提高了人工智能模型的學(xué)習(xí)性能。 題目為《帶Group Lasso懲罰與控制冗余的神經(jīng)網(wǎng)絡(luò)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(lǐng)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(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項工作得到國家自然科學(xué)基金、國家科技重大專項、山東自然科學(xué)基金、中央高校基本科研業(yè)務(wù)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(shù)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(yù)處理環(huán)節(jié)的重要步驟，也是大數(shù)據(jù)處理技術(shù)的重要環(huán)節(jié)。該項工作在神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)結(jié)構(gòu)優(yōu)化模型設(shè)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(lǐng)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(dǎo)，中國石油大學(xué)（華東）為第一署名單位。該項研究成果得到了國家自然科學(xué)基金、山東省自然科學(xué)基金和中央高校基本科研業(yè)務(wù)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(luò)結(jié)構(gòu)優(yōu)化學(xué)習(xí)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(shè)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(xué)習(xí)構(gòu)造最簡網(wǎng)絡(luò)結(jié)構(gòu)方面具有很強的指導(dǎo)作用和應(yīng)用推廣價值。

近期，西湖大學(xué)人工光合作用與太陽能燃料中心孫立成實驗室在探索這一未解之謎的過程中取得進展。

 研究發(fā)現(xiàn)，低密度脂蛋白受體相關(guān)蛋白5（LRP5）與腎臟纖維化密切相關(guān)，在糖尿病腎病和梗阻性腎病模型中，隨著疾病的進展LRP5的表達量明顯升高，并且主要分布在腎小管。采用LRP5基因敲除鼠進一步發(fā)現(xiàn)，下調(diào)LRP5確實能減輕腎臟纖維化；通過熒光染色，Co-IP與細胞組分分離等技術(shù)，進一步證明了LRP5直接與TGF-β受體結(jié)合，改變TGF-β受體在細胞膜上的呈現(xiàn)和內(nèi)吞，從而影響了TGF-β/Smad2/3信號通路的激活，參與腎臟纖維化的進展。此研究首次在腎纖維化領(lǐng)域內(nèi)揭示了LRP5的新功能，LRP5作為TGF-b/Smad2/3信號通路的共受體來調(diào)節(jié)腎纖維化，為腎臟疾病的治療提供新靶點。