基于残差网络模型的速溶全脂奶粉分散性与堆积密度检测方法

针对传统的奶粉品质国际标准检测方法中存在的主观性和滞后性等问题,本研究提出了一种基于残差网络(residual network,ResNet)的奶粉分散性和堆积密度的快速分类检测方法。在本研究中,使用的数据集包括499张在10倍光学显微镜下拍摄的速溶全脂奶粉颗粒微观分布图像,这些图像来自10个不同的样本组。首先,按照国际标准方法检测这10组样本的分散性和堆积密度,进而基于测试结果划分不同的分散性和堆积密度级别。随后,利用这些微观图像对ResNet模型进行训练,以实现对不同样本的有效分类。最终,通过分类结果预测速溶全脂奶粉的分散性、松散密度和振实密度。此外,本研究还对比了ResNet、EfficientNetV2和SwinTransformer等不同深度学习模型的预测效果。结果表明,基于ResNet152的深度学习模型在预测速溶全脂奶粉的分散性、松散密度和振实密度方面表现最佳,其在测试集上的准确率分别达到97.50%、98.75%和95.00%。这些深度学习模型在奶粉品质检测中的出色性能不仅证明了该方法能够实时、准确地预测奶粉的分散性和堆积密度,同时也为奶粉品质的在线检测提供了新的技术途径。

基于用户隐式反馈信号和多维度兴趣的新闻推荐算法

用户偏好建模是提升个性化新闻推荐质量的关键因素。现有的研究通常将任务建模为点击率预估任务,从用户的显式反馈信号入手,构造兴趣表征。然而,由于显式反馈信号的匮乏以及用户兴趣的多样化和多变化,目前的新闻推荐方法往往存在数据稀疏和信息茧房的问题。提出了一种基于用户隐式反馈信号和多维度兴趣的新闻推荐算法。通过引入用户曝光未点击这类隐式反馈信号,缓解推荐模型建模时的数据稀疏问题,提出对比注意力机制对用户点击和未点击新闻进行融合建模。此外,还提出了基于候选新闻感知的用户动态兴趣建模和动静态兴趣的对比学习建模,最终得到多维度用户兴趣表征,以实现丰富、准确、动态更新的用户偏好定位。该研究在真实数据集上进行了大量实验,用三种评价指标以及多种性能测试与其他基线方法进行比较,验证了提出的模型优于其他方法。

乌海以诚筑城 以信立市

乌海市紧紧围绕诚信建设工程,将诚信作为城市发展的基石,牢固树立“以诚筑城,以信立市”理念,以打造优质营商环境为目标,持续巩固社会信用体系建设示范市成果,努力为地区经济社会发展营造公平、公正、透明的市场环境。高位统筹部署,强化诚信建设工程组织保障。乌海市深入贯彻落实自治区党委、政府关于诚信建设工程的安排部署,统筹推进全市诚信建设工程,积极发挥司法行政机关牵头抓总、统筹协调、督促落实作用,牢固树立“一盘棋”思想。

基于Transformer的节点影响力排序模型

节点影响力排序是复杂网络的一个重点话题,对识别关键节点和衡量节点影响力有着重要作用。目前,已有诸多研究基于复杂网络探索节点影响力,其中深度学习显示出了巨大的潜力。然而,现有卷积神经网络(CNNs)和图神经网络(GNNs)模型的输入往往基于固定维度特征,且不能有效地区分邻居节点,无法适应多样性的复杂网络。为了解决上述问题,文中提出了一种简单且有效的节点影响力排序模型。该模型中,节点的输入序列包含节点本身及其邻居节点的信息,且可以根据网络动态调整输入序列长度,确保模型获取到足量的节点信息。同时该模型利用自注意力机制,使节点可以有效地聚合输入序列中邻居节点的信息,从而全面地识别节点的影响力。在12个真实网络数据集上进行实验,通过多维度的评价标准验证了该模型相比7种已有方法的有效性。实验结果表明,在不同的网络结构中,该模型均能有效地识别网络中节点的影响力。

“十三五”以来乌海市大气污染防治成效及建议

本文对“十三五”以来乌海市在大气污染防治方面采取的一系列措施进行了详细的分析研究,利用环境空气监测数据评估了这些措施的成效,并提出了一些建议和对策,为进一步改善乌海市环境空气质量提供技术支撑。

基于Spark框架XGBoost的林业文本并行分类方法研究

针对当前“互联网+”技术与林业的交叉融合,涌现出海量待挖掘的涉林文本,而林业文本分类的相关研究尚不成熟的问题,使用网络爬虫技术面向互联网采集涉林文本,基于丰富的语料重新构建分类标签,提出基于Spark计算框架的XGBoost并行化方法,对林业文本进行分类。经由交叉验证,构建的XGBoost并行分类算法准确率为0.9234,在各类别中最低F1为0.8604,最高为0.9984;其在2.1万条、4.2万条、8.4万条数据集上的训练加速比分别为2.13、3.47、3.82。结果表明,基于该标签设定的分类模型对现存互联网中涉林文本的适应性较好;Spark环境下实现的XGBoost并行化算法的准确率显著优于其他4种机器学习(朴素贝叶斯、GBDT决策树、BP神经网络和ELM神经网络算法)的并行化算法,算法执行效率远高于单机版本,且数据量越大,其加速比越高,能有效应对海量林业文本的实时、准确分类。

排球游戏教学法对高职大学生健康素质影响的实验

采用测量、问卷调查、实验等研究方法,对排球选项课教学中的游戏教学法进行实验研究。结果表明:经过16周的教学实验,除身高指标外,实验班与对照班在其他身体机能、形态、专业技能、心理健康、社会健康方面均有非常显著差异。在分析了排球游戏教学法能有效提高高职大学生健康素质原因的基础上提出了若干建议。

食品科学大数据与人工智能技术

大数据技术是指从各类数据中,通过不同分析方法和工具获取有价值信息的能力。人工智能技术是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术。大数据技术与人工智能技术相辅相成,大数据是人工智能的基石,人工智能是大数据应用的体现。食品科学大数据与人工智能则是将大数据技术、人工智能技术与食品科学交叉融合。将人工智能与大数据技术融合到传统食品科学领域中,可以创新食谱并智能推荐,追踪溯源食品,分析用户口味偏好,监控食品安全等,使得食品科学获得更大发展,并为人们提供更好的服务。本文阐释当前食品领域大数据与人工智能交叉融合发展现状,分析其面临的挑战,讨论可行性解决方案,展望食品科学大数据与人工智能技术未来发展趋势。本文通过抛砖引玉,旨在吸引更多的大数据和人工智能技术与食品科学相结合,从而更好地预见并服务于未来食品的发展。

面向服务匹配问题的协同演化算法

服务匹配是服务发现的主要环节.目前,原子服务匹配过程主要存在服务匹配概念狭窄、匹配算法的时间复杂度较高及匹配方案的表示难以被智能优化算法处理等问题.针对上述问题,在原子服务匹配的基础上引入复合服务匹配、抽象复合服务匹配过程的适应度函数及约束条件,设计适用于智能优化算法处理的匹配方案的表示方法.同时,结合协同演化算法设计思路,提出基于粒子群和模拟退火的协同演化算法(PSO-SA),用以求解复合服务匹配.实验结果表明:与现有智能优化算法相比,PSO-SA可在有限迭代次数内获得精度较高的匹配结果,对不同维度的服务匹配问题具有较高的适应性,可用于提高服务发现结果的质量.

基于注意力机制的林木物候期识别方法

【目的】针对物候期识别传统方法特征提取不充分、未对关键特征进行区分,导致方法泛化能力较差、迁移应用识别精度低的问题,本研究将注意力机制引入残差神经网络,结合基于数字照相的物候观测方式,提出具有较强细粒度特征识别能力且实用性较强的林木物候期识别方法,从而为林木的长期实时物候监测提供技术支撑。【方法】以PhenoCam中的栎林及槭林像片为研究材料,选取2017—2018年的数据作为训练集,以2019年的数据评价模型的泛化能力。研究结合实地观测数据对研究区的林木物候期进行划分,设计数据裁剪公式,在增强数据的同时均衡各个物候期数据的数量。研究基于ResNet50残差神经网络设计了深度学习模型,针对林木物候期差异较小的特性引入了注意力机制,注意力模块在通道及空间维度对神经网络提取的特征进行再处理,提升了模型对细粒度图像差异的识别能力。【结果】注意力机制的引入有效提升了模型的泛化能力,增强了模型对易混淆物候期的识别能力,在未参与训练的19年数据集的栎林物候期识别取得了90.58%的准确率,槭林物候期识别准确率为89.27%,较引入前模型准确率在两个研究区分别提升21.86%与13.15%,优于传统AlexNet和HOG-SVM方法。【结论】基于残差注意力网络的林木物候期识别方法较好解决了原有方法泛化能力较差的问题,该方法具有准确度高、迁移应用能力强等优势,能对易混淆的林木物候期进行精准区分,适用于林木物候的长期观测。

面向实践创新能力培养的数据库实验设计

针对数据库教学中学生理论能力与实践能力发展不匹配的问题,分析产生该问题的根源,提出实验教学改革的依据和原则,设计满足改革依据的实验主体案例——精简推荐系统,围绕该案例建立实验任务的规划方案。

试论我国行政执法的现状及完善

本文阐述了行政执的涵义与改善我国行政执法现状的意义,在归纳我国行政执法中的现实问题并探析其深层原因的基础上,提出了相应的完善措施。

影响团体操表演效果的因素分析及对策

为了更好地体现各级各类团体操的表演效果,达到较高的观赏性和完成其内在的目的、任务,经过反复地研究,结合实践经验总结出学生的心理素质和指导者的技术培训是完成团体操表演任务的关键。

高等院校排球专修课CAI课件的开发与应用

运用文献资料法,对高等院校排球CAI课件的开发过程和课件对排球教学的作用进行了详细阐述,对今后的排球教学具有重大的指导意义。

对我国行政伦理建设的思考

行政良知与行政规范 ,行政责任与行政权益是行政伦理建设的两对重要范畴。通过行政价值内涵的时代性创新 ,催发行政规范的生命力和调节力 ,促进行政良知的有效养成 ;同时以相应科学有效的激励机制体现行政价值理念 ,巩固行政价值体系的现实基础和行政人员的良性行为模式 ,是加强行政伦理建设的两条有效途径。

基于混合驱动的本科教学评价指标体系分析系统的构建与应用——以北京市某大学为例

教学评价指标体系的分析结果是优化高校现行本科教学评价指标体系的重要依据。以北京市某大学为例,利用已有教学评价数据分析现行本科教学评价指标体系的信度和效度,是该校教评中心的年度业务需求之一。基于此,尝试借助信息化技术对本科教学评价指标体系分析系统的构建进行了探索。首先,基于混合驱动的数据分析模式,对本科教学评价指标体系分析系统的功能需求进行归纳,并明确了系统构建的总体框架。其次,对本科教学评价指标体系分析系统采取的信度分析和效度分析方法进行了重点介绍。最后,应用构建的本科教学评价指标体系分析系统对该校2011—2014年的本科教学评价数据进行了具体分析,结果表明该校采用的本科教学评价指标体系具有较高的可信度,但在效度方面应根据学生班级规模不同等情况,制定差异化的教学评价指标权重分配方案,以便获得更具辨识能力的本科教学评价结果。

浅谈学生健美操创编能力的培养

实验研究表明,范例学习理论运用于健美操教学,有利于学生获得各种基本能力和增强创新意识,同时也是培养学生健美操创编能力的捷径。

对速滑初学者技术教学的探讨

运用文献综述的方法,对速滑初学者的技术教学进行了研究。认为在教学期间采用系统讲解、陆上模仿、冰 上阶梯练习等教学方法,有助于初学者在短时间内正确掌握速滑技术,并且对实现教学目标有重要的意义。

基础训练是健美操动作质量的保障

前言 由于健美操是在节奏鲜明的音乐伴奏下进行,所以成套动作的完成也表现出高频率、快节奏、大幅度的时代特点。学生在初学成套动作时,经常出现节奏感差、动作不协调、无力生硬及“遗忘”等现象,影响了学习健美操的速度和质量。本文就如何通过基础训练来提高健美操动作质量而进行了研究,在此谈几点作法与认识,以便为大家的教学提供参考。

面向离散优化问题的量子协同演化算法

针对现有优化算法在求解具有时效要求的离散问题时容易出现过早或难以收敛问题,提出了面向离散优化问题的量子协同演化算法,旨在有限的求解时间内获得精度较高的求解方案。在算法的初始化阶段,通过种群初始化策略构建分布均匀的初始种群。在算法的执行阶段,将粒子群和单点优化算法改进为具有不同搜索能力的协同演化策略,利用量子旋转门根据种群个体的进化情况自适应地选择合适的演化策略。在每次迭代后利用精英保持策略避免种群退化。通过标准离散问题和背包问题对算法进行测试。实验结果表明已提出的算法在较短的迭代时间内能够稳定地收敛到精度较高的求解方案,即已提出的算法可用于求解具有时效要求的离散优化问题。