课程文献中心 更多>>

关键词： 软测量   虚拟样本   小样本   数据增强   监督增强自编码器  

摘要： 在复杂的工业过程中，由于关键变量难以测量，过程数据具有不平衡和不完整的特点，导致软测量性能下降。为了解决这一问题，提出一种融入噪声的监督增强自编码器(noise injection virtual sample generation approach based on supervised enhanced autoencoder ，NISEAE-VSG)虚拟样本生成方法。该方法在自编码器的编码部分添加增强层，加强输入与输出的映射关系，解码部分引入标签信息进行有监督约束训练。与传统的VSG方法不同，所提出NISEAE-VSG模型可以同时生成有用的输入输出虚拟样本。为了增加虚拟样本的多样性，在监督增强自编码器(SEAE)隐藏层提取的特征中加入高斯噪声。将生成的虚拟样本与原始小样本相结合，增强软测量模型的性能。为了验证所提方法的有效性，使用火力发电和聚乙烯过程的两个数据集进行仿真验证。仿真结果表明，所提方法生成的虚拟样本优于其他虚拟样本生成方法，可有效提高软测量建模精度。

关键词： 高等数学   数学建模竞赛   医学高职学生   方差分析   路径依赖  

摘要： 随着“新医科”顺应“健康中国2030”战略要求,全国各医学院校都在积极探索适应时代变革发展的复合型医学人才培养新模式。大学数学课程因内容抽象、逻辑性强,一直是医学院校学生苦恼的学科,对于基础比较薄弱的医学高职学生来说,难度更大。为了激发学生学习数学课程的兴趣,在教学中引入“以赛促学”改革实践,以医学高职学生为例,运用方差分析的方法,分析在医学院校中参与数学建模竞赛对医学高职学生数学类课程学习效果的影响,将竞赛中遇到的实际问题与数学理论相结合,探索更适应医学高职学生的数学课程体系,以提高其整体核心竞争力。

关键词： 特定辐射源识别   小样本学习   注意力模块   类重建   对抗训练  

摘要： 特定辐射源识别在军事和民用领域中发挥着越来越重要的作用。随着深度学习技术的飞速发展，SEI方法的识别性能得到了显著提升。然而这些方法往往依赖于大量的辐射源样本数据，在样本数量有限的实际应用场景中表现不佳。针对这一问题，本研究提出了一种新颖的深度学习网络模型CRCPA-GCN用于实现小样本场景下的SEI。该模型在多层复数卷积神经网络中融合了CPCA和GCNet注意力模块，采用类重建和对抗训练的方法显著提升了小样本场景下的识别性能。本研究在公开数据集上进行了一系列实验验证，并与当前主流的SEI网络模型进行了比较。实验结果表明，在20 shot的学习条件下，所提出的CRCPA-GCN网络模型达到了95.81%的准确率，优于其他主流SEI网络，并且在鲁棒性方面表现出色。

关键词： 风速预测   空间相关性   条件概率性预测   长短期记忆网络   高斯混合模型  

摘要： 为了实现高精度、高可信度的风速超短期预测，提出了一种基于空间风速相关性的风速时空序列条件概率性预测模型。首先，使用不同点位置之间的风速空间相关性作为先验知识，通过先验知识筛选与预测目标位置关联性强的风速序列并构建风速时空序列预测模型进行预测，将各个预测结果修正并加权组合得到目标点的风速预测结果。然后，采用高斯混合模型（GMM）分别构建不同的条件概率密度函数，预测未来风速的概率分布并得到一定置信度的风速预测区间。采用相邻风速值间隔为5 min的美国风能整合国家数据集的多组实测资料开展数值实验，并将预测结果与ConvLSTM-GMM结果对比，证实了所提的考虑空间相关性的预测模型精度高于ConvLSTM-GMM方法；提出的概率性预测方法在多种条件下表现出较高的预测精度。

关键词： GPS坐标时间序列   深度学习   GAN   信号降噪  

摘要： 将生成对抗网络（generative adversarial networks,GAN）应用于GPS坐标时间序列降噪，利用生成器生成时间序列数据，通过判别器判别生成数据和干净的时间序列数据，反复迭代生成器，直至判别器无法判别生成的数据与干净的时间序列数据，从而达到降噪的效果。仿真实验结果表明，相对于WNNM、BILSTM和SSA等方法，GAN方法获得的残差振幅、残差谱指数和速度不确定度等残差指标与原始噪声相关指标最接近，能够更加有效地去除GPS坐标时间序列中的噪声。真实实验结果也验证了本文算法在实际GPS坐标时间序列降噪中的有效性。

关键词： 分布式深度Q网络   奖励区间连续化   概率分布更新   学习效率   训练稳定性  

摘要： 分布式深度Q网络（Distributed-Deep Q Network，Dist-DQN）是在传统期望值深度Q网络的基础上将离散的动作奖励在一个区间上连续化，通过不断更新支集区间的概率分布来解决复杂环境的随机奖励问题。奖励概率的分布更新策略作为Dist-DQN实现的重要函数，将显著影响智能体在环境中的学习效率。针对上述问题，提出了一种新的Sig-Dist-DQN概率分布更新策略。该策略综合考虑奖励概率支集之间的相关性强弱关系，提高与观察奖励强相关支集的概率质量更新速率的同时，降低弱相关支集概率质量的更新速率。在OpenAI gym提供的环境下进行实验，结果表明，指数更新和调和序列更新策略在每次训练的差异性较大，而Sig-Dist-DQN策略的训练图像非常稳定。相较于指数更新和调和序列更新策略，应用Sig-Dist-DQN的智能体在学习过程中损失函数的收敛速度和收敛过程的稳定性都有显著提高。

关键词： 脊柱侧弯   户外活动时间   回归分析   学生  

摘要： 目的 了解广州市白云区中小学生脊柱侧弯现状，分析户外活动时间与中小学生脊柱侧弯的关系，为制定脊柱侧弯行为干预措施提供依据。方法 2023年2月，采取分层整群抽样方法，抽取广州市白云区共6所中小学1 732名中小学生开展脊柱侧弯筛查和问卷调查，了解中小学生户外活动时间的分布，分析户外活动时间与中小学生脊柱侧弯的关系。结果 广州市白云区脊柱侧弯异常检出率为4.85%(84/1 732)。不同学段脊柱侧弯检出率依次为：普通高中(6.52%)>初中(5.35%)>小学(3.57%)>职业高中(2.12%)。学生每天户外活动时间占比由多到少依次为<1h(48.09%)、1～<2h(36.95%)、2～<3h(9.58%)、≥3h(5.37%)。<1h户外活动时间报告率普通高中(59.09%)>小学(53.15%)>初中(42.60%)>职业高中(22.22%)。控制混杂因素后，与每天户外活动时间<1h相比，每天户外活动时间1～<2h的中小学生发生脊柱侧弯风险较低(OR=0.52,95%CI:0.31～0.89,P<0.05)。结论 广州市白云区中小学生脊柱侧弯检出率高于全国平均水平，户外活动时间不足是脊柱侧弯的危险因素，应加强脊柱健康知识宣教并增加学生户外活动时间。

关键词： 粒球算法   粒球原型   综合度量   小样本学习   自适应   迭代更新  

摘要： 针对小样本学习中训练数据稀少以及单一距离度量无法全面衡量样本之间关系的问题，本文提出一种基于粒球原型网络的小样本图像分类方法，将粒球算法应用于查询集，通过自适应更新迭代得到查询集类别信息，并将这些信息与原型网络结合，构造出具有查询集与支持集信息的粒球原型，缓解训练数据量少的问题。在粒球原型网络特征提取后，设计了一个特征筛选模块，用于提取样本重要信息，利用粒球算法得到查询集各类的簇心与初始原型加权融合，构造更具代表性的粒球原型。再计算初始查询集样本与粒球原型的欧氏距离与余弦距离，将二者相乘得到综合考量的距离，使样本间距离度量更全面。最后，按照最邻近分配原则，将查询集样本分配给所属类别。在MiniImageNet和TieredImageNet数据集的5way-1shot和5way-5shot的图像分类任务中，所提方法相较于基线模型——原型网络，在MiniImageNet上分类准确率分别提升了6%和3%；在TieredImageNet上分别提升了6%和3%。并且，所提模型在MiniImageNet上的分类效率比SSL-ProtoNet(Self-supervised Learning Prototypical Network)提升2倍多。实验结果表明，所提方法在有效提高小样本图像分类准确度的同时更具高效性。

关键词： 前置胎盘   胎盘植入性疾病   早期早产   晚期早产  

摘要： 目的 回顾性分析前置胎盘合并胎盘植入性疾病（placenta accreta spectrum, PAS）产妇早期早产（early preterm birth, EPB）和晚期早产（late preterm birth, LPB）的影响因素及母婴预后。方法 纳入590例在2018年1月至2021年6月期间于武汉市及咸宁市五家医院行剖宫产分娩的前置胎盘合并PAS产妇。根据分娩孕周将产妇分为EPB组、LPB组和足月分娩（term birth, TB）组。采用多项logistic回归模型分析发生EPB和LPB的危险因素，并分析早期母婴预后在组间的差异。结果 590例前置胎盘合并PAS产妇EPB和LPB的比例为9.7%和54.4%。剖宫产术前使用宫缩抑制剂、术前阴道出血以及既往剖宫产次是EPB和LPB的危险因素。EPB组与LPB组产妇发生严重产后出血的比例相近，而EPB组的新生儿窒息、低出生体重儿及剖宫产术后24 h内转入NICU的比例均显著高于LPB组（P <0.001）。结论 前置胎盘合并PAS主要发生LPB。既往剖宫产次、剖宫产术前子宫收缩与阴道出血与EPB和LPB显著相关。应在围产期严密监测下尽量延长产妇分娩孕周，减少早产的发生，改善母婴早期预后。

关键词： 散发型克雅病   朊病毒   生存分析   影响因素   Cox比例风险回归模型  

摘要： 目的 了解2020—2022年中国临床诊断散发型克雅病患者的生存时间，探讨其影响因素。方法 回顾性分析2020—2022年经中国克雅病监测网络诊断的有完整信息散发型克雅病临床诊断病例，从病例档案中获得患者的基线资料，电话随访获得患者确诊后的治疗及生存状况，寿命表法估算生存率，Kaplan-Meier法计算中位生存时间和95%CI,Cox回归模型进行单因素和多因素分析，筛选生存时间的影响因素。结果 300例患者的中位生存时间为5个月(95%CI:4.165～5.835)。通过单因素分析结果显示，患者的发病年龄、地区分布、首发症状中有无锥体/锥体外系症状、首发症状的数量、临床表现有无锥体/锥体外系功能异常、主要临床表现的数量、临床检查结果有无典型脑电图表现、病程中是否使用鼻饲，这些因素可能是患者生存时间的影响因素(P<0.1)。多因素分析结果显示，发病年龄>65岁的患者死亡风险是发病年龄≤65岁患者的1.350倍(P=0.021,95.0%CI:1.046～1.742);临床表现无锥体/锥体外系功能异常患者的死亡风险是有此症状患者的0.674倍(P=0.020,95.0%CI:0.483～0.939);未使用鼻饲患者的死亡风险是使用鼻饲患者的1.817倍(P<0.001,95.0%CI:1.406～2.349)。结论 发病年龄、临床表现锥体或锥体外系功能异常、病程中未使用鼻饲，是影响临床诊断散发型克雅病患者生存时间的风险因素。