将创新创业教育融入本科神经病学课程的应用价值

目的研究将创新创业教育融入本科神经病学课程的应用价值。方法选取2022年9月—2023年4月佳木斯大学附属第一医院神经内科接收的神经病学专业本科实习生92名作为研究对象,根据随机数表法分为对照组和研究组,每组46名。对照组采取传统神经病学课程教育方式,研究组在对照组基础上加用创新创业教育方式。比较各组过程性考核、终末考核评分及自我创新能力。结果研究组过程考核评分、终末考核评分[(94.75±4.14)分、(115.26±5.35)分]均高于对照组[(81.23±5.61)分、(95.17±6.88)分],差异有统计学意义(P<0.001)。实训带教前,2组自我创新能力测试问卷评分对比,差异无统计学意义(P>0.05);实训带教后,研究组评分[(84.97±3.31)分]高于对照组[(79.25±3.74)分],差异有统计学意义(P<0.001)。结论将创新创业教育融入本科神经病学课程,有助于提高学生过程性考核、终末考核评分,进而增强其创新创业能力及自我创新能力。

基于计算机视觉的工业金属表面缺陷检测综述

针对平面及三维结构金属材料的工业表面缺陷检测,概述了视觉检测技术的基本原理和研究现状,并总结出视觉自动检测系统的关键技术包括光学成像技术、图像预处理技术与缺陷检测器.首先介绍了如何根据检测对象的光学特性选择合适的二维、三维光学成像技术;其次介绍了图像降噪、特征提取、图像分割和拼接等预处理技术的重要作用;然后根据缺陷检测器的实现原理将其分为模板匹配、图像分类、图像语义分割、目标检测和图像异常检测五类,并对其中的经典算法进行了归纳分析.最后,探讨了工业场景下金属表面缺陷检测技术实施中的关键问题,并对该技术的发展趋势进行了展望.

基于Transformer编码器和残差网络的信贷违约预测模型

针对传统信贷违约预测模型对高维稀疏类别特征缺乏有效处理,性能受到人工特征工程影响较大的问题,提出一种基于Transformer编码器和残差网络的信贷违约预测模型(TE-ResNet)。该模型首先利用嵌入层对类别特征进行处理,将它们转化为低维度的稠密向量;然后将连续特征和嵌入后的类别特征连接,输入到堆叠的Transformer编码器中进行特征提取,捕捉输入特征之间的关系,得到有用信息的高层特征表示;最后使用结合了通道注意力机制的一维残差网络模型进行违约预测。在训练过程中,模型采用加权交叉熵损失函数,以解决信贷数据不平衡的问题。实验结果表明,与8种主流基准模型的最佳表现相比,TE-ResNet在LendingClub数据集、天池贷款数据集上的各项指标均有提升:AUC指标分别提升了0.58%和2.85%,F1-Score指标分别提升了0.85%和11.92%,G-mean指标分别提升了2.94%和16.19%。TE-ResNet能够提高信贷违约预测的性能,减少人工特征工程,实现端到端的学习。因此,TE-ResNet模型具有实际应用的潜力,并可为信贷业务提供更加精确和可靠的风险评估服务。

CTGANBoost:基于CTGAN与Boosting的信贷欺诈检测研究

在金融行业中,信贷欺诈检测是一项重要的工作,能够为银行和消金机构减少大量的经济损失。然而,信贷数据中存在类别不平衡和正负样本特征重叠的问题,导致少数类识别灵敏度低且不同类别数据区分度低。针对这些问题,提出一种面向信贷欺诈检测的CTGANBoost方法。首先,在AdaBoost(Adaptive Boosting)方法的每一轮Boosting迭代中,引入基于类别标签信息约束的CTGAN(Conditional Tabular Generative Adversarial Network)方法学习特征分布,进行少数类数据增强工作;其次,基于CTGAN合成的增强数据集,设计了权重归一化方法,确保在样本加权过程中保持原始数据集的分布特征和相对权重。在3个开源数据集上的实验结果表明,CTGANBoost方法的表现均优于其他主流的信贷欺诈检测方法,AUC值提升了0.5%~2.0%,F1值提升了0.6%~1.8%,验证了CTGANBoost方法的有效性和泛化能力。

融合多源图特征的Kcore-GCN反欺诈算法研究

金融欺诈行为给社会带来了许多负面影响,针对金融欺诈行为,多种人工智能与金融反欺诈算法被提出并应用于实际反欺诈业务场景,取得了不错的成绩。这些反欺诈算法或从用户个体的角度进行欺诈检测,或从节点与网络的拓扑关系的角度进行欺诈检测,或通过学习节点的图嵌入式表示进行欺诈检测,出发角度较为局限,无法进行完备的欺诈检测分析。针对上述问题,设计了一种基于融合多源图特征的Kcore图卷积神经网络反欺诈算法,该算法的创新性在于能够高效挖掘网络中节点层级的拓扑关系与全局网络层次的拓扑关系来构建宽领域的特征体系,并通过基于Kcore算法的图卷积神经网络完成深层次图结构特征的传播与聚合,最终完成欺诈风险的检测。实验效果表明,该方法相较于相关机器学习算法与图神经网络算法在相关评价指标上均有较大的提升,其中较LightGBM算法有12%的AUC值提升,较GCN算法有6%的AUC值提升。

生成式AI为C语言编程教学带来的挑战和机遇

针对生成式AI对各行各业带来的冲击,以C语言编程教学为主研究对象,结合北京航空航天大学C语言程序设计课程的实际教学案例,从编程、交流两方面对此类AI工具进行能力分析,指出其具有高效的解答效率与优秀的编程能力,同时证实其存在解答错误、无法理解图表等局限,最终提出生成式AI作为辅助工具与传统教学模式相结合,利用其能力和优势优化教学各阶段,从而催生“AI+编程教学”新模式出现。

执业医师考试为导向结合PBL教学法促进医学生教学质量提升的研究

目的:浅析执业医师考试为导向结合问题导向式(PBL)教学法促进医学生教学质量提升的有效性。方法:研究时间为2022年1月至2022年12月,对象为佳木斯大学医学部2022年参加职业医师考试的医学生,两个自然班共计120例。根据班级进行分组,其中60例接受传统教学(对照组),另60例接受PBL下以执业医师考试为导向的综合教学(观察组);两组均接受一个学期的教学实践,最后对比两组的学习素养评分、学科考核成绩、执业医师考试综合笔试成绩、教学满意度差异。结果:教学前,两组学习兴趣评分、自主学习能力评分、问题分析能力评分、临床思维能力评分比较(P>0.05);教学后,观察组上述评分均较之对照组更高,观察组学科考核成绩、执业医师考试综合笔试成绩、执业医师考试通过率与教学满意度亦高于对照组(P<0.05)。结论:PBL下以执业医师考试为导向的综合教学法,在医学生的本科教育中,应用实效性好。

基于HoloLens的增强现实手术导航系统精准融合显示方法

传统手术导航系统中医生需要频繁切换视野,存在手眼协同问题,且无法实时获取患者病灶区域的全局视野。近年来Holo-Lens被逐步应用于新兴的增强现实手术导航系统中,但是现有的HoloLens全息空间标定方法多数依赖于用户的主观感受,显示过程中也没有考虑用户行为和周围环境变化带来的误差。对此,提出了一种基于HoloLens的增强现实手术导航系统精准融合显示方法。使用双目相机和视觉标记物完成对现实空间中目标物体的实时追踪。基于手眼标定原理提出了一种稳定的HoloLens离线标定方法,通过多次采集HoloLens全息空间和现实空间中的坐标系转换关系,可以准确求解全息空间与现实空间之间的映射关系。建立融合显示过程的位姿矩阵传递关系后,用户可以快速地进行在线校正,实现虚拟影像与患者病灶区域的精准融合显示。Holo-Lens离线标定过程的平均耗时为4 min,用户在线校正的平均耗时为6.0 s。多个志愿者穿戴HoloLens设备进行融合显示精度验证实验,实验结果表明,校正前HoloLens融合显示的平均角度误差和平均距离误差分别为1.01°和3.95 mm,校正后融合显示的平均距离误差为1.46 mm。所提出的增强现实手术导航系统精准融合显示方法可以准确地标定HoloLens全息空间,经过用户在线校正后可以将虚拟影像与患者病灶区域融合显示,为医生提供准确完整的手术指导信息。实验结果表明该融合显示方法基本满足手术导航系统的精度和时间要求,具有临床应用的潜力。

改进的森林优化特征选择算法在信用评估中的应用

信用评估是金融领域的一个关键问题,它可以预测出一个用户是否存在拖欠风险,从而减少坏账损失。信用评估的关键挑战之一就是数据集存在着大量无效或冗余特征。为了解决该问题,提出了一种改进的森林优化特征选择算法(Improved Feature Selection using Forest Optimization Algorithm,IFSFOA)。该算法针对原始算法FSFOA的不足,在初始化阶段使用基于卡方校验的初始化策略代替随机化初始,提升算法寻优的能力;在局部播种阶段利用多层级变异策略,优化局部搜索能力,解决FSFOA的搜索空间受限和局部性问题;在更新候选森林时,使用贪婪选取策略挑选优质树,淘汰劣质树,收敛搜索发散过程。最后在涵盖了低维、中维和高维的公开信用评估数据集上设置对比实验,结果表明IFSFOA在分类和维度缩减方面的能力的综合表现均优于FSFOA和近年提出的较为高效的特征选择算法,验证了IFSFOA的有效性。

基于社交网络图节点度的神经网络个性化传播算法研究

图是一种重要且基础的数据结构,存在于各种各样的实际场景中。而随着近年来互联网的高速发展,社交网络图数据大量增加,对这些数据进行分析对公共服务、广告营销等实际场景有重要作用。目前已经有不少的图神经网络算法在此类问题中取得了较好的结果,但依然有提升的空间,在很多追求高准确度的场景下,工程师依然希望有性能更好的算法可供选择。文中对神经网个性化传播算法进行了改进,提出了新的可用于社交图网络的图神经网络算法DPPNP。相比于传统图神经网络算法,在信息于节点之间传播时,该算法会根据节点的度对不同节点按不同比例保留自身信息,以提高准确度。在真实数据集上的实验结果表明,与已有的图神经网络算法相比,该算法拥有更好的性能。

基于知识图谱与协同过滤混合策略的在线编程评测系统题目推荐模型

在线编程评测系统(Online Judge,OJ)是一种被广泛应用于计算机编程教学与竞赛的代码测评系统。用户在规模庞大的题库中寻找适合当前学习阶段的题目时,往往会感到迷茫。如何为用户推荐合适的题目和规划学习路径,是在线编程测评系统研发中的一个重要研究课题。传统推荐算法存在可解释性和准确性难以兼顾的问题。文中提出了基于知识图谱与协同过滤混合策略的在线评测系统推荐模型(A Hybrid Programming Task Recommendation Model Based on Knowledge Graph and Collaborative Filtering,HKGCF)。该模型通过推荐与用户当前知识和技能掌握程度相匹配的题目,来帮助用户提升学习效果。文中设计和实现了该模型,并将其集成到了北京航空航天大学在线编程测评系统中,以适应OJ平台特有的交互形式。线上测试和离线测试实验的结果表明,提出的HKGCF模型在准确率和可解释性方面均优于典型传统算法。

创新创业实践教学模式在神经病学教学中的应用研究

目的:探究创新创业实践教学模式在神经病学教学中的应用效果。方法:将2022年9月至2023年6月接收的150名神经病学临床见习生分为:对照组75名,予以常规教学模式;观察组75名,予以创新创业为导向的“医学+X”教学模式。比对、分析两组教学效果。结果:观察组学科成绩评分较对照组高(P<0.05);观察组学习情绪、自我效能感评分较对照组高,学习焦虑较对照组低(P<0.05);观察组临床思维能力评分较对照组高(P<0.05);观察组职业素质评分较对照组高(P<0.05)。结论:创新创业实践教学模式在神经病学中应用,可提高临床见习生学科成绩,提高其自主学习能力及职业素养,培养专科临床思维,值得优选。

星下点构型对目标定位精度的影响分析

基于TDOA/FDOA对地面辐射源目标的定位原理,建立了多星TDOA/FDOA联合定位模型和定位精度分析模型。针对三星和四星系统不同星下点构型,仿真分析了星下点构型对目标定位精度的影响。三星星下点构型包括星下点直线型、等腰锐角三角形、等边三角形、等腰直角三角形、等腰钝角三角形等5种情况。四星星下点构型包括直线型、三角形、凹四边形和凸四边形等4种情况。分析结果表明,增加卫星数量能够提高探测区域内目标的定位因子和定位精度;星下点非直线型的三星及四星构型,定位精度优于直线型构型,各卫星之间的基线长度尽可能长。

创新创业教育在临床医学专业神经病学教学中的融入与实践

随着神经病学的快速发展,神经病学已经成为高等医学院校临床医学专业较重要的课程。神经病学是研究神经系统及骨骼肌疾病的病因、发病机制、诊治的一门医学学科,具有涉及范围广、专业性强等特点,加上神经病学具有知识点繁琐、枯燥、逻辑性强等特点,创新创业教育与神经病学教学结合已得到良好成效。关注创新创业教育在临床医学专业神经病学教学的应用,包括神经专科查体、介入治疗培训教学等。创新创业教学在降低教学难度、提高技能水平、激发学习兴趣等方面均具有重要作用,能够弥补传统教学方式的不足。但创新创业教育在临床医学专业神经病学教学的相关研究较少,相信随教学资源的完善和教学技术的成熟,创新创业教育会成为临床医学专业神经病学教学中的重要组成部分。鉴于此,本文就临床医学专业神经病学教学中创新创业教育的现状进行调查分析,旨在对创新创业教学在临床医学专业神经病学教学中的融入与实践进行总结和综述。

油浸式变压器绝缘油热特性的仿真分析

通过建立油浸式变压器二维等效模型,采用有限元法求解变压器流体-温度场,对比分析了植物绝缘油和矿物绝缘油对变压器热点温度及绕组温度分布的影响,分析了不同入口油速、不同变压器绝缘油对变压器热点温度的影响。结果表明:在同等入口油速下,植物绝缘油的散热特性优于矿物绝缘油,说明采用植物绝缘油代替矿物绝缘油应用于变压器中是可行的。

基于小波变换的转子动静件碰摩故障诊断研究

利用小波变换与多分辨率分析理论 ,对振动信号进行多尺度分解 ,通过分析细节信号的能量分布研究了振动信号中碰摩特征。由信号的一种特征向量进行了信号特征的放大处理 ,进而可以清晰地得到振动信号小波分解细节的能量分布特征 ,能够比较准确地诊断碰摩故障程度 。

面向大类培养的程序设计“金课”建设思考

程序设计课是计算机、软件等信息类专业的核心基础课,同时又是理工科其他各专业的公共基础课。本文围绕通识教育背景下大类招生、大类培养的人才培养需求,论述了程序设计“金课”建设的几个具体问题。

含噪振动信号中早期碰摩的故障检测研究

研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析 (ICA)算法 ,用于求解转子系统振动信号与噪声的盲分离问题。在此基础上 ,对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA算法运行效率高 ,信号分离纯度好 ,对振动信号有高效的降噪作用 ,并利用小波包分解准确地检测出振动信号中的碰摩信息 ,其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。

基于小波包分解的早期碰摩故障诊断研究

研究了旋转机械转静件早期碰摩故障信号的检测问题 .根据小波包分解能在所有频率范围聚焦 ,对信号奇异性非常敏感的特性 ,对比分析了不碰摩和早期碰摩信号的小波包分解细节分量 ,得出应用小波包分解可实现早期碰摩故障诊断 .同时 。

基于三阶累积量的转子振动信号降噪方法研究

本文根据信号分离理论研究了发动机转子系统振动信号的降噪问题。当转子系统发生轻微碰摩时 ,由于振动信号中含有瞬时突变的微弱高频信息 ,这可能与高频随机噪声的频带互相叠加 ,所以利用传统的滤波方法不能有效地去噪 ,为碰摩故障诊断带来了困难。本文利用基于高阶累积量的盲信号分离方法 ,设计了相应算法 ,成功地从被噪声污染的信号中恢复源振动信号 。