Hybrid-Gird:遥感图像细粒度分类可解释方法

基于遥感图像的目标细粒度分类深度神经网络已技术日益成熟,网络决策的可解释性研究是当前细粒度分类深度学习算法进一步提高决策可信度的关键问题。为精确表征对模型决策起决定性作用的本质特征,本文基于博弈竞争理论对遥感图像目标细粒度分类任务进行建模,分析了IG、SmoothGrad、Grad-CAM等可解释性方法在遥感图像目标细粒度分类网络上的适用性,提出了一种尺度自适应的目标细粒度分类本质特征可解释性分析方法Hybrid-Grid,使用像素级与局部特征关系融合算法提高对支撑网络决策的目标本质特征的精确描述能力。结果表明:本文提出的Hybrid-Grid对目标细粒度分类网络的解释效果在ADCC量化评估指标上达到78.87,相较Score-CAM有大幅提升;与SmoothGrad、Grad-CAM的解释结果相对比,本文方法在删除及精度损失实验上表现最好,使EFM-Net的Top-1准确率、Top-5准确率、F1得分分别损失了16.92%、1.61%、17.21%,证明Hybrid-Grid准确解释了对细粒度分类网络决策贡献最大的目标本质特征。本文提出的可解释性分析方法能够更精准地揭示当前目标细粒度分类网络的决策特征依据。

四川大学新生复原力和适应的交叉滞后分析

目的考察复原力和大学新生适应的因果关系,为指导大学新生适应入学提供依据。方法使用复原力量表和中国大学生适应量表对四川省2所高校783名大学新生施行开学1个月后的第1次测量和3个月后的追踪测量。结果2次测量的复原力和大学新生适应之间均存在统计学关联(r值分别为0.742,0.557,P值均<0.01),复原力在第1次施测和追踪测量之间呈现出较高程度的稳定性;交叉滞后分析结果表明,复原力和大学新生适应之间存在相互因果关系;根据第1次施测复原力的水平,将被试划分为复原力高分组和复原力低分组,交叉滞后分析发现,在高低复原力组中,均只有第1次施测复原力能预测追踪测量的大学新生适应(β值分别为0.362,0.511,P值均<0.01),且高低复原组所得模型的拟合程度较好。结论应加强对低复原力新生的关注,从提高复原力的角度促进大学新生的良好适应与积极发展。

心理咨询师自我效能感对正念与工作倦怠关系的中介作用

目的 探讨心理咨询师的自我效能感在正念与工作倦怠关系中的中介作用.方法 选取201名心理咨询师为被试,采用一般人口学问卷及马氏工作倦怠量表（MBI-GS）、一般自我效能感量表（GSES）、正念注意与觉知量表（MAAS）进行测查.使用结构方程模型探讨自我效能感在正念与工作倦怠关系中的中介作用.结果 心理咨询师正念与工作倦怠的情绪衰竭及去人性化维度呈显著负相关（r=-0.50,-0.43;均P〈0.01）,与个人成就感维度呈显著正相关（r=0.30,P〈0.01）;自我效能感与工作倦怠的情绪衰竭及去人性化维度呈显著负相关（r=-0.30,-0.32;均P〈0.01）,与个人成就感维度存在显著正相关（r=0.40,P〈0.01）;正念与自我效能感存在显著正相关（r=0.31,P〈0.01）.中介效应检验显示自我效能感在正念与工作倦怠的关系中起到了部分中介作用（效应值：-0.071,95%CI=-0.027^-0.141）,中介效应占总效应的14.82%.结论 心理咨询师的自我效能感在正念与工作倦怠的关系中起到了部分中介作用,提高个体的正念水平和自我效能感对心理咨询师的工作倦怠有积极影响.