杨挺国画、篆刻作品选

杨挺 1950年11月出生于福建省福州市，毕业于福建师大美术系。中国美术家协会会员。一级美术师，福建省画院专职画师，福建省美协理事，福建省民盟书画学会常务理事，福州画院画师．烟山画院副院长，编审。1993年1月在中国美术馆举办“杨挺国画展”，2002年8月在福建省画院举办“杨挺山水画展”。

杨挺艺术

1950年11月生于福州，毕业于福建师大美术系。国家一级美术师，第十届福建省政协委员，中国美协会员。福建省画院副院长、专职画家，《画院·画家》美术主编，福建省美术家协会理事，福建省民盟书画学会常务理事。杨挺先生受业于郑乃珧教授，

基于低秩张量补全的非侵入式负荷监测缺失数据修复方法

非侵入式负荷监测技术(non-intrusive load monitoring,NILM)作为实现智能电网用户侧细粒度感知的重要手段,有助于实现需求响应、提高“源-网-荷”互动效率和优化用能,助力实现“30·60目标”。高质量的量测信息是数据驱动型NILM的基础,但由于数据采集装置故障、通道拥塞以及延时等都会导致数据缺失,尤其是严重的连续性缺失,由此造成非侵入式负荷监测与分解的精度下降,影响用户画像、需求响应等高级应用。因此,针对该问题,提出了一种基于CP分解的正则化低秩张量补全的量测数据缺失修复方法。算法突破传统单维数据处理局限,对NILM多维量测数据构建了三阶观测张量,从而利用数据内部时序关联性和参量维度间电气关联性进行正则化低秩张量补全。并针对每次核范数计算过程中奇异值分解计算量过大问题,采用基于CP因子矩阵分解的核范数计算降低计算量,减少计算时长,并证明了变换的等效性。最后基于NILM公开数据集iAWE进行了实验,实验结果表明所提出的方法可以提高数据修复精度,在高缺失率和连续缺失情况下仍能有较好地补全效果,并且通过非侵入式负荷分解实验证明其可有效提高分解精度,对智能电网提升细粒度感知能力具有良好的实际意义。

基于深度强化学习的园区综合能源系统低碳经济调度

为降低园区综合能源系统的运行成本和碳排放量,同时应对系统不确定性带来的随机波动,提出一种考虑阶梯式碳交易的园区综合能源系统低碳经济调度模型,并采用深度强化学习方法求解。首先构建园区阶梯式碳交易模型,将碳交易成本考虑在内对园区综合能源系统低碳经济调度问题进行数学描述;其次将该调度问题表述为马尔可夫决策过程框架,定义系统的观测状态、调度动作和奖励函数;继而采用近端策略优化算法进行低碳经济调度决策。所提方法无需进行负荷预测或不确定性建模,能够对源和荷的随机波动做出实时响应。最后基于多场景多算法进行算例仿真,结果表明所提方法提高系统运行经济性的同时降低了系统碳排放量。

智慧化工园区建设现状及未来发展趋势研究

总结了我国智慧化工园区发展现状,剖析了智慧化工园区建设运行存在的问题,提供了智慧化工园区建设与管理提升建议,展望了智慧化工园区未来发展趋势。

系统论视域下县域中职校长数字化领导力的培养路径研究

教育数字化浪潮改变了教育的外部环境,对学校的发展提出了新要求。县域中职校长作为县域中职学校数字化改革的顶层设计者与主导者,其数字化领导力对破解县域中职学校教育数字化发展瓶颈、推动中等职业教育数字化转型等具有重要意义。以系统论为支撑,从输入系统、转化系统、输出系统三个层面对县域中职校长数字化领导力的内涵与影响因素进行分析,发现当前县域中职校长数字化领导力的发展面临诸多困难。为此,应在输入系统以加快数字制度体系创新、打造专项资金库、配置数字化技术资源库、完善数字信息交互共享平台等举措,夯实县域中职校长数字化领导力提升的能量土壤;在转化系统以优化数字化领导力培训体系、孵化学校数字化组织文化库、培育系统化的数字化领导力评估体系等举措,发挥价值的加速剂与转化器作用:在输出系统以树立科学的数字化感景规划意识、提升数字化技术应用能力水平、增强数字化组织变革能力、优化数字化团队合作能力等举措,强化县域中职校长数字化领导力的内部驱动。

应对新信息技术变革的跨学科护理专业虚拟教研室构建路径

以生成式人工智能为代表的新一轮信息技术变革正在深刻地影响着护理实践,当前大部分护理院校进行的护理专业教育困窘于强调知识、技能的传统医科知识体系的学习环境中,许多从事高等护理教育的教师在面对培养复合型护理人才使命时,难以适应新信息技术变革对多学科、多方位复合型护理人才能力的培养要求,急需与工、理、文、信息等学科教师跨界融合,组成跨学科教学共同体。虚拟教研室的出现为实现护理专业教师与工、理、文、信息等学科专业教师跨界融合提供了重要途径。笔者从应对新信息技术变革的护理专业虚拟教研室成员的遴选模式、组织管理形式、多功能硬件平台建设、云端共享护理专业教学资源制作、教学学术活动开展、教研室文化培育、教研室内部学术规范和知识产权保护制度制定方面,对新信息技术变革背景下的跨学科护理专业虚拟教研室构建路径进行了探讨,为相关护理虚拟教研室构建提供思路。

全科医生认知功能评估量表患者测试在社区老年轻度认知障碍筛查中的应用

目的探讨全科医生认知功能评估量表患者测试(P-GPCOG)在社区老年轻度认知障碍(MCI)筛查中的适用价值。方法选择2022年4月—2023年11月四川大学华西天府医院、崇州二医院招募的老年受试者905例,其中认知功能正常组(NC组)627例、MCI组278例。采用P-GPCOG、蒙特利尔认知评估量表(MoCA)、AD8痴呆筛查面谈(AD8)评分评估受试者认知功能;采用Lawton工具性日常生活活动能力量表(Lawton-IADLs)评估受试者日常生活活动能力独立性;采用老年人抑郁量表简表(GDS-15)评估受试者抑郁情况。绘制受试者工作特征(ROC)曲线并计算曲线下面积(AUC)、灵敏度、特异度、阳性预测值和阴性预测值评价GPCOG患者测试筛查应用价值。结果与NC组比较,MCI组MoCA、Lawton-IADLs评分均明显更低(P<0.001,P=0.022);AD8、GDS-15评分均明显更高(P<0.001);2组P-GPCOG评分差异具有统计学意义(Z=15.001,P<0.001)。与NC组比较,MCI组时间定位、画钟测试、报告事件、延迟回忆测试项目正确率和测试总分均明显更低,差异具有统计学意义(P<0.001)。MCI组认知领域损伤率从高到低排序依次是延迟回忆测试、画钟测试、时间定位和报告事件。P-GPCOG区分MCI患者ROC曲线下面积(AUC)为0.804[95%CI(0.773,0.836),P<0.001],其最佳截断值为7/8分,敏感度82.70%,特异度为72.60%,阳性预测值为57.20%,阴性预测值为90.40%。结论GPCOG患者测试是一个较好的社区认知筛查工具,可用于筛查社区MCI患者,但需对其原有的计分标准进行改良,以提高筛查正确率。

基于压缩感知的纵向联邦学习园区负荷预测方法

随着园区负荷预测的重要性日益凸显,为满足电网公司和用电企业之间的数据安全和隐私保护需求,文章提出了一种基于压缩感知的纵向联邦学习园区负荷预测方法。该方法利用压缩感知技术对梯度进行降维压缩,有效减少了传输的数据量。实验结果显示,相较于传统的联邦学习方法,文章的方法在保持模型准确率的同时显著降低了通信消耗。此外,该方法还有效保护了数据的隐私性,为电网公司和用电企业提供了更安全的合作环境。

基于动态采样压缩感知的超谐波监测方法

随着电力电子器件向着智能高频化发展以及分布式新能源的大规模并网,超谐波引发的电能质量问题日益凸显,然而,由于超谐波信号非平稳、宽频域等特性导致其监测难度相对较大。因此,该文提出一种基于动态采样压缩感知的超谐波监测方法。在采样端,设计动态压缩采样法,对超谐波信号施加柔性时窗,通过引入尺度伸缩因子实现对窗口宽度的反馈型柔性调制。同时,理论证明时窗内超谐波信号的稀疏性,从而突破Nyquist高频采样局限,实现超谐波信号低速动态压缩采样。在重构端,设计变步长稀疏度自估计子空间追踪–动态基追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP-DBP)动态重构算法。以变步长稀疏度自估计子空间追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP)算法求得初始解,在初始解的基础上,提出动态基追踪(dynamic basis pursuit,DBP)算法,利用信号支撑集的时间相关性,将上一时刻解作为先验信息提升重构信号求解速度,克服了传统算法连续重构时计算复杂度高、实时性差的弊端。最后,采用风电并网模型对超谐波信号实验,测试结果表明,所提方法可实现超谐波的动态监测和精确重构,并且具有信号低采样数据量,重构准确度高和快速性优势。

基于科研能力培养的中医药学科专业分子生物学课程教学思考

培养富有创新精神和科研能力的高素质专业人才对中医药学科及产业发展至关重要。分子生物学作为目前医学发展的最前沿领域学科之一,是培养学生科研素养与能力的重要载体。本文围绕传统分子生物学课程教学的现状与问题,总结分析学科前沿技术的发展在新型课程案例库构建中的应用以及新型多元教学模式的潜在应用,为提升中医药学科专业分子生物学教学质量,促进学生科研素养与能力培养提供参考。

基于最优变换关联因子和优化平移分裂法的窃电检测

传统的窃电检测算法应用于用户众多的复杂配用电台区中时,随着计算模型参数增多,存在由于个别参数估计失准导致的最终辨识结果不准确的问题,即表现为抗扰动性差。针对该问题,该文研究并提出基于最优变换关联因子和优化平移分裂法的窃电检测算法。首先通过数值分析和窃电机理验证,发现台区线损率与窃电用户用电占比间存在的正相关关系中含有非线性度。进而根据最优变换关联因子法实现窃电用户初筛,再根据广义电量守恒建立低维模型,采用优化平移分裂法求解,以克服模型的病态性,实现窃电用户二次准确辨识。算法通过两步筛选计算,有效解决了大台区高维参数的误差扰动致使窃电用户辨识准确度下降的难题,具有更强的抗扰动性。采用实际多种复杂场景下不同规模台区的用电信息采集系统的日用电量数据进行窃电检测,并与现场稽查结果比对,验证了所提方法的有效性和优越性。

杨挺笔下的园林美景

艺术简介： 1950年11月生于福州，毕业于福建师大美术系。福建省画院副院长，国家一级美术师，第十届福建省政协委员，中国美协会员，《画院·画家》美术主编，福建省山水画艺委会副主任，福建省民盟书画学会副会长，福建省国际文化经济交流中心理事，国台办海协书画会分会理事，国台办海协会书画分会理事，福建省国际文化经济交流中心理事，

基于执行控制网络的多靶点tDCS对急性意识障碍患者的临床疗效观察

目的探索基于执行控制网络(ECN)的多靶点经颅直流电刺激(tDCS)对急性意识障碍患者(aDOC)的临床疗效及安全性。方法纳入2022年3月至2022年10月我院ICU收治的26例aDOC患者,随机分为多靶点组(13例)和单靶点组(13例)。多靶点组行阳极左侧背外侧前额叶和左侧后顶叶、阴极右侧眶上区和右侧枕叶刺激,单靶点组行阳极左侧背外侧前额叶、阴极右侧眶上区刺激,刺激强度为2 mA,时间为20 min/次,1次/d,连续干预10 d。采用修订版昏迷恢复量表(CRS-R)、全面无反应性量表(FOUR)分别于干预前1 d内、干预5 d和干预10 d进行评估,干预后结束进行安全性评价。结果干预后多靶点组CRS-R评分改善优于单靶点组差异有统计学意义(P<0.05),干预后组内不同时间段改善差异有统计学意义(P<0.05),表现为干预10 d改善最好,干预5 d改善次之;两组在FOUR评分改善上差异无统计学意义(P>0.05),但干预后组内不同时间段改善差异有统计学意义(P<0.05),表现为干预10 d改善最好,干预5 d改善次之;干预后,本研究干预措施安全性评价为2级,比较安全。结论基于ECN的多靶点tDCS应用于aDOC患者,相较于常规tDCS治疗方案更能促进意识恢复,具有较高的安全性,值得在ICU推广应用。

人工智能在新型电力系统智能传感、通信与数据处理领域应用

新型电力系统以清洁能源为主体,借助海量数据和计算技术实现电源与负荷间的动态平衡,其核心特征是系统的可观、可测、可控。人工智能作为重要技术支撑,能够在能量流和信息流深度融合的基础上,提升电网智能感知水平,优化通信网资源利用和系统数据处理能力。该文主要介绍了新型电力系统的形态、特征和机理,强调了在新形势下的电网数字化转型迫切需求,并对人工智能技术在电力传感、电力通信和电力大数据处理领域的研究现状和应用情况进行梳理分析,探究其促进新型电力系统各环节电气量、状态量、环境量的全面感知、即时通信与数据分析,有力支撑电力高级应用。最后对人工智能技术在新型电力系统建设中面临的挑战进行了总结和技术发展展望。