课程文献中心 更多>>

摘要： 在减量发展的背景下,城市更新在保民生、稳投资、促消费、调结构方面的作用更加突出.近年来,北京市实施了一批城市更新项目,形成了符合首都城市战略定位和具有北京特点的城市更新样本与发展路径.

摘要： 江苏省高度重视第三次全国土壤普查(以下简称"土壤三普")工作质量,将质量作为普查工作的生命线,从知、行、责三方面着手,确保高质量完成普查任务.

摘要： 第三次全国土壤普查(以下简称"土壤三普")是一项重要的国情国力调查.2023 年 6 月,广东省广州市第三次全国土壤普查领导小组办公室(以下简称"市土壤普查办")率先启动外业调查采样工作,严格按照土壤三普技术规程规范,100％完成全国土壤普查办下发的4148个表层样点和129 个剖面样点的外业调查采样、样品制备和样品检测工作.目前,已完成土壤三普剖面点校核等成果编制前期工作,为成果编制工作打下了坚实基础.

关键词： 时间序列预测   非平稳   高波动   长短期记忆神经网络   多头自注意力  

摘要： 时间序列预测的难点在于如何处理好非平稳性和波动性。在应对非平稳性时，现有深度学习模型在训练前采取平稳化输入序列的方法，存在消解非平稳性能力不强或信息损失的问题；在应对波动性时，通常采用带有单头注意力机制的LSTM模型，捕获全局依赖能力弱，影响预测精度。针对上述问题，在处理非平稳性方面，提出遵循“提取-分解”原则的Prophet-CEEMDAN二次分解法，将原始序列分解为一组分量，该方法在确保趋势和周期特征完整的情况下，提高分量集合中平稳分量的占比，为预测模型提供更稳定的数据分布。在波动性方面，通过使用带有多头自注意力机制的长短期记忆(LSTM-MH-SA)神经网络模型，并行地堆叠注意力头用于捕获序列不同时间段的波动特征并联系起来，提高捕获全局波动信息的能力。结合Prophet-CEEMDAN和LSTM-MH-SA，提出能够同时处理时间序列非平稳性和高波动性的PCLMS模型。在多个股票数据集和合成数据集上的实验表明，对比基准模型、CNN-LSTM和Informer模型，PCLMS模型在各项评价指标的平均值最优，对波动率较高的数据集性能表现最好。

关键词： 信息不对称   质量差异   闭环供应链   风险规避   定价决策  

摘要： 在回收品质量不确定下考虑信息不对称的闭环供应链中，构建制造商主导下的Stackelberg博弈模型，研究制造商风险规避及回收品质量水平对闭环供应链成员效益和定价的影响。研究结果表明，制造商和零售商效用、产品的单位销售价格、单位批发价格均随着制造商风险规避程度的上升而降低，而单位回收价格随制造商风险规避程度的提高而提高，单位回收价格、单位转移价格以及制造商和零售商的效益随回收品质量水平提高而提高；零售商瞒报单位运营成本导致的信息不对称相比较信息对称，零售商效用、产品转移价格、产品回收价格都有一定程度提升；当回收品质量较低且制造商风险规避水平较高时，制造商效用将低于信息对称时的效用。因此，供应链成员应努力提高回收品质量水平，制造商应积极构建供应链信息共享机制，充分调查市场行情，降低风险规避水平。

关键词： 乳腺癌   化疗方案   危险因素分析   风险预测模型  

摘要： 目的：探讨乳腺癌AC-T化疗方案致骨髓抑制的危险因素，建立相关风险预测模型并评估其预测性能。方法：收集2018年1月至2023年10月就诊于新疆维吾尔自治区人民医院接受AC-T方案化疗的女性乳腺癌患者病历资料，共纳入309例患者（对照组163例，病例组146例），进行病例对照研究。按照WHO抗癌药物急性及亚急性毒性反应分度标准分为对照组（0～Ⅰ度）和病例组（Ⅱ～Ⅳ度），采用单因素分析和多因素logistic回归分析筛选独立危险因素，后采用随机森林、极限梯度提升特征选择方法对其筛选结果进行验证。应用机器学习方法建立5种预测模型，通过各模型间预测性能对比，筛选出最佳模型。结果：骨髓抑制发生率为47.25%。研究结果显示民族、BMI<24 kg·m-2、既往糖尿病史、化疗周期<5次、不预防性使用集落刺激因子、低淋巴细胞数、低单核细胞数、低血清白蛋白水平是AC-T化疗方案致骨髓抑制的独立危险因素。极限梯度提升（XGB）模型为最佳模型，受试者工作特征曲线下面积（AUROC）高达0.944，具有良好的预测性能、稳定性和临床实用性。结论：通过机器学习方法建立的XGB模型可以较好预测AC-T化疗方案致骨髓抑制发生的风险，为临床治疗方案的制订和个体化预防用药策略的实施提供参考。

关键词： 节点分类   图卷积网络   数据增强   元学习   小样本学习  

摘要： 现实中，图结构数据广泛存在，但在实际应用中时常面临着标注数据短缺的问题。针对图数据的小样本学习方法旨在以较少的标注样本实现数据的分类。尽管这些方法在小样本节点分类任务上获得了较好的性能，但还存在以下问题：高质量的标签数据难获取；现有小样本节点分类（FSNC）方法的参数初始化过程面临泛化能力不足以及未能充分挖掘图中的拓扑结构信息的问题。为了解决这些问题，提出一种基于图数据增强的小样本节点分类模型（GDA-FSNC）。GDA-FSNC模型由4个模块构成：基于结构相似度的图数据预处理模块、参数初始化模块、参数微调模块和自适应伪标签生成模块。在图数据预处理模块中，通过基于结构相似度的邻接矩阵增强方法获取了更多的图结构信息。参数初始化模块通过互相教学数据增强方法使得每个模型都能从对方模型学到其他的模式和特征，在模型训练过程中增强了信息的多样性。自适应伪标签生成模块能根据不同数据集的特征自动选择合适的伪标签生成技术，生成高质量的伪标签数据。在7个真实数据集上的实验结果表明，GDAFSNC模型的分类准确率超过了Meta-GNN、GPN、IA-FSNC等主流的小样本学习模型，在小数据集上相比基线模型IA-FSNC分类准确率平均提升了3.40个百分点，在大数据集上的分类准确率平均提升为2.47个百分点。可见，所提模型在小样本场景下有更好的分类性能和泛化能力。

关键词： 临床执业医师资格考试   分阶段考试   医教协同   心血管系统   教学改革  

摘要： 目的 分析国家临床执业医师分阶段考试心血管系统成绩的影响因素，改进教学模式，指导本科临床教学工作。方法 选取某军医大学2018～2019级733名考生成绩为分析对象，采用统计软件进行分析。结果 影响国家临床执医分阶段心血管系统成绩的因素有性别、学员类型、学制、专业和在校相应课程成绩，各指标在校课程考试成绩之间的差异与国家分阶段考试结果基本一致，学员在校考试成绩与国家分阶段成绩呈中度低相关。结论本科课程教学效果是影响国家临床执医分阶段考试成绩的重要因素，但《心血管系统疾病》整合课程目前教学模式和考核体系对临床执医考试的适应性不够，应进一步深化教学改革，优化考核方式，促进心血管系统本科阶段医学教育与国家执业医师资格考试更紧密的接轨。

关键词： 高置信样本选择   差异性特征增强   域适应   标签传播  

摘要： 域适应学习因其有效减少域差异实现标签传播被广泛应用。目前，大多数域适应学习仅通过线性判别分析增强线性数据的判别性而忽略了现实世界存在非线性数据；同时，这些方法未考虑目标域的低置信样本对训练过程的负影响。因此，本文提出一种新颖的置信样本选择与差异性特征增强的域适应框架(Confidence Sample Selection and Specific Feature Enhancement, CSS-SFE)。首先，该框架通过最小最大原则选择高置信的目标样本来辅助训练，减少不正确伪标签影响；其次，权衡类散点矩阵和邻居散点矩阵的贡献来增强线性和非线性数据集的特征，提高数据集的判别性；接着，分别为源域和目标域的样本学习不同投影矩阵来保持各自的差异性特征，防止源域和目标域的样本区分性降低；再次，进一步应用边缘分布对齐和条件分布对齐减少域分布差异；最后，在多个基准数据集上进行的广泛实验证明该方法优于目前的方法。