基于不同神经网络模型预测体测成绩

为更加准确地反应当前学生的身体素质情况,基于多个不同的神经网络模型构建体测成绩预测模型,为降低体测成绩中各项目数据之间的相关性,使用主成分分析法对数据集进行处理。使用BP神经网络结合脉冲神经网络构建一个预测模型,加强模型处理分析数据集的能力,提高预测的准确性。在长短期记忆神经网络中加入注意力机制构建另一个预测模型,使模型更加关注数据集中的关键信息。通过实验,预测模型输出的预测值与实际值的重合率高达90%以上,预测准确率整体在95%以上。

页岩油渗吸机理及影响因素研究进展

综述了自发渗吸提高采收率机理,包括毛管力、电化学力等,论述了复杂程度不同的页岩渗吸机理模型进展,为数值模拟优化提供参考,总结了自发渗吸提高采收率的控制因素,包括储层岩石、流体性质、温度及压力的影响。指出了自发渗吸提高采收率存在问题及发展方向,为未来提高页岩油渗吸采收率提供理论基础。

高级别动脉瘤性蛛网膜下腔出血伴脑内血肿临床预后分析

目的 对比分析伴不同脑内血肿量的高级别动脉瘤性蛛网膜下腔出血(aSAH)患者的临床预后。方法 纳入2013年9月至2020年12月在江苏省苏北人民医院住院治疗的211例高级别aSAH患者,根据脑内血肿量分为无血肿组(105例)、血肿量<50 ml组(69例)和血肿量≥50 ml组(37例),均行动脉瘤夹闭术或动脉瘤栓塞术,术后6个月采用改良Rankin量表(mRS)评估临床预后并记录并发症发生率。结果 共211例患者中139例(65.88%)行动脉瘤夹闭术,72例(34.12%)行动脉瘤栓塞术,除3例动脉瘤夹闭术患者因术中恶性脑膨出行去骨瓣减压术外,其余208例均成功夹闭或栓塞动脉瘤,术后无一例发生动脉瘤再次破裂出血。预后良好58例(27.49%)、预后不良59例(27.96%)、死亡94例(44.55%),3组患者临床预后差异具有统计学意义(χ^(2)=7.424,P=0.024),仅血肿量≥50 ml组临床预后差于无血肿组(Z=-2.655,P=0.008)。总体并发症发生率为95.73%(202/211),无血肿组为95.24%(100/105)、血肿量<50 ml组为95.65%(66/69)、血肿量≥50 ml组为97.30%(36/37),3组并发症发生率差异无统计学意义(χ^(2)=0.284,P=0.867)。结论 伴脑内血肿的高级别aSAH患者预后较差,特别是血肿量≥50 ml患者,术后病死率较高。

新时代塔吉克斯坦中文教育发展问题研究

语言传播是国家软实力建设的重要举措。由于塔吉克斯坦特殊的地理位置、历史沿革及资源禀赋决定了其在推进“一带一路”建设及构建人类命运共同体建设中的重要角色。经过27年的发展,塔吉克斯坦的中文教育在布局、社会服务、教育特色方面已取得显著成绩,但也存在外部语言环境竞争激烈、本土化发展滞后、教育机构发展亟需创新等诸多挑战。为此,文本建议通过推进协同机制建设、学科建设、本土化建设、教育机构改革创新等方面的工作,全面推进塔吉克斯坦中文教育水平。

神经网络结构搜索方法综述

如今,深度学习广泛地应用于生活、工作中的各个方面,给我们带来了极大的便利.在此背景下,需要设计针对不同任务的神经网络结构,满足不同的需求.但是,人工设计神经网络结构需要专业的知识,进行大量的实验.因此,神经网络结构搜索算法的研究显得极为重要.神经网络结构搜索(NAS)是自动深度学习(AutoDL)过程中的一个基本步骤,对深度学习的发展与应用有着重要的影响.早期,一些神经网络结构搜索算法虽然搜索到了性能优越的神经网络结构,但是需要大量的计算资源且搜索效率低下.因此,研究人员探索了多种设计神经网络结构的算法,也提出了许多减少计算资源、提高搜索效率的方法.本文首先简要介绍了神经网络结构的搜索空间,其次对神经网络结构搜索算法进行了全面的分类汇总、分析,主要包括随机搜索算法、进化算法、强化学习、基于梯度下降的方法、基于顺序模型的优化算法,再其次探索并总结了提高神经网络结构搜索效率的方法,最后探讨了目前神经网络结构搜索工作中存在的问题以及未来的研究方向.

红细胞分布宽度和半乳糖凝集素3及中性粒细胞淋巴细胞比值与冠心病并发心房颤动关系及意义

目的探讨红细胞分布宽度(RDW)、半乳糖凝集素3(Gal-3)、中性粒细胞淋巴细胞比值(NLR)与冠心病并发心房颤动(房颤)的关系及对其的预测价值。方法选取2020年2月~2022年3月承德市中心医院134例冠心病无房颤(冠心病组)与134例冠心病并发房颤患者(房颤组)进行双中心前瞻性研究,比较两组RDW、Gal-3、NLR水平,采用logistic回归分析冠心病并发房颤的相关影响因素,采用受试者工作特征曲线(ROC)分析RDW、Gal-3、NLR及三者联合评估房颤价值,应用Spearman分析RDW、Gal-3、NLR与房颤症状严重程度关系。结果房颤组RDW为(13.59±0.76)%,Gal-3为(57.23±15.08)pg/ml,NLR为(2.87±0.51),高于冠心病组的(12.46±0.88)%、(49.66±11.95)pg/ml、(2.19±0.67)(P<0.05);校正了冠心病病程、CCS心绞痛分级后,RDW、Gal-3、NLR仍与冠心病并发房颤显著相关(P<0.05);RDW、Gal-3、NLR以及三者联合评估冠心病并发房颤的AUC分别为0.746、0.750、0.729、0.912;RDW(r=0.750)、Gal-3(r=0.660)、NLR(r=0.743)与房颤症状严重程度呈正相关(均P<0.05)。结论RDW、Gal-3、NLR与冠心病并发房颤有关,并与房颤患者症状严重程度有关,联合检测可作为评估患者并发房颤的标志物,为临床诊疗提供参考依据。

近40年挠力河流域沼泽湿地退化特征及驱动因素量化研究

受人为因素、气候变化和水文条件的影响,近40年挠力河流域沼泽湿地退化严重。基于1980-2020年多期土地利用数据及长时间序列水文和气象数据资料,分析了挠力河流域沼泽湿地退化特征,通过线性拟合、相关分析和逐步多元回归分析,定量探讨了流域沼泽湿地退化与水文条件、气候变化和人为干扰的关系。结果表明:近40年挠力河流域沼泽湿地面积萎缩严重,生态景观也呈现退化趋势;流域径流系数变化率与沼泽湿地面积、最大斑块指数和斑块占景观面积指数变化率的变化趋势呈现较好的一致性;气象要素中气温对表征湿地面积类的生态指标影响显著,相对湿度对表征密度和景观形状类的生态指标影响显著;人为干扰度与沼泽湿地面积、最大斑块指数、斑块占景观面积指数和聚集度指数呈显著负相关。RDA1和RDA2分别解释沼泽湿地景观指数变化总方差的73.93%和24.78%,人为干扰的贡献率高达59.3%。各自然保护区成立后人为因素对湿地的影响减弱,自然因素对湿地的影响更加突出。

术后早期脑电双频指数对高分级动脉瘤性蛛网膜下腔出血病人意识恢复的预测价值

目的探讨术后早期脑电双频指数(BIS)对高分级(Hunt-Hess分级Ⅵ~Ⅴ级)动脉瘤性蛛网膜下腔出血(a SAH)病人术后意识恢复的预测价值。方法选择2015年1月至2021年12月手术治疗的156例高分级a SAH,术后3 d记录BIS值,并计算BIS低值、高值、均值;术后随访6个月,根据GCS评分评估意识恢复情况,GCS评分≥13分判定为意识恢复。结果156例中,术后6个月意识恢复76例;意识未恢复80例,其中昏迷45例,死亡35例。意识恢复组BIS低值、高值、均值较意识未恢复组均显著增高(P<0.01)。ROC曲线分析显示,BIS低值、高值、均值预测意识恢复的曲线下面积分别为0.758(95%CI 0.682~0.834)、0.866(95%CI 0.808~0.924)、0.830(95%CI 0.765~0.895)。BIS低值≥41预测意识恢复的敏感度为73.7%、特异度为67.5%,阳性预测值为68.3%,阴性预测值为73.0%;BIS高值≥55预测意识恢复的敏感度为92.1%、特异度为75.0%,阳性预测值为77.8%,阴性预测值为90.9%;BIS均值≥47预测意识恢复的敏感度为86.8%,特异度为73.8%,阳性预测值为75.9%,阴性预测值为85.5%。结论BIS能客观地反映脑电活动,可以预测高分级aSAH术后意识恢复情况,其中BIS高值预测准确性最高。

挠力河湿地植被覆盖度对水文要素的响应

挠力河国家级自然保护区位于黑龙江三江平原腹地,是我国重要的生态功能区。基于遥感影像数据与保护区水文数据,通过像元二分法反演区域植被覆盖度,分析1984~2021年挠力河保护区植被覆盖度的时空分布特征,研究降水量与保护区淹水频率对于植被覆盖度的影响。结果表明,1984~2021年挠力河湿地低、中植被覆盖度地区呈先增后减趋势,中高植被覆盖度地区则反之。从保护区多年逐月降水与每年各月植被覆盖度的相关系数来看,挠力河保护区内植被生长情况整体受降水量影响较大,呈正相关,且植被覆盖度对降水量的响应为滞后约1个月。湿地淹水频率在0.45~0.50之间时,湿地植被长势良好。研究成果可为挠力河湿地生态保护提供参考。

超声骨刀与横T形截冠法在下颌水平阻生智齿拔除术中的效果比较

目的比较超声骨刀与横T形截冠法在下颌水平阻生智齿拔除的应用效果。方法选取2018年1月—2021年12月赤峰学院附属医院行下颌水平阻生智齿拔除的122例患者作为研究对象。将患者随机分为研究组和对照组,每组61例。对照组采用超声骨刀法拔除患牙,研究组采用横T形截冠法拔除患牙。统计两组患者手术时间、术中出血量,记录两组术中焦虑程度,对比两组术后疼痛情况,统计两组患者手术并发症发生情况。结果两组患者手术时间、术中出血量比较,差异无统计学意义(P>0.05)。研究组术中焦虑程度低于对照组(P<0.05)。两组术后1 d疼痛程度比较,差异无统计学意义(P>0.05)。两组患者术前与术后3 d PEG2、SP、5-TH的差值比较,差异无统计学意义(P>0.05)。两组患者术后并发症总发生率比较,差异无统计学意义(P>0.05)。结论超声骨刀与横T形截冠法用于下颌水平阻生智齿拔除均可获得满意手术效果,两种方案手术效果类似,但横T形截冠法更有助于缓解患者术中焦虑。

Ka波段紧凑型TE_(01)-TE_(11)椭圆波导模式转换器的研究

本文对椭圆波导TE_(01)-TE_(11)模式转换器进行了研究。选择了合适的椭圆波导截面,在椭圆波导纵轮廓线函数中采用了相位重匹配方法,并利用粒子群算法进行了纵轮廓线优化,所设计的椭圆TE_(01)-TEs_(11)模式转换器在28 GHz时的转换效率为99.16%,在27~29.3 GHz模式变换器的效率大于90%,相对带宽为8.2%。所设计的TE_(01)-TEs_(11)椭圆模式转换器的转换段为现有长度的一半。将设计的椭圆模式转换器与两个过渡段相连,并在CST中进行仿真和验证,其结果与理论计算一致。设计出了一个中心频率点为28 GHz的高效、紧凑、高功率椭圆波导TE_(01)-TE_(11)模式转换器。

植物调控盐胁迫下细胞壁完整性的分子机制

植物细胞壁不仅起着支撑和保护细胞的作用,还被认为是植物抵抗逆境胁迫环境的第一道屏障。作为限制农业生产的一个主要非生物胁迫因子,盐胁迫能造成植物细胞壁的组分和结构发生改变,而植物可以通过细胞壁完整性感受器如CrRLK1Ls、LRXs和WAKs等蛋白来感知这些变化并启动下游盐胁迫响应。在细胞内,植物通过盐胁迫诱导的Ca~(2+)内流、植物激素等信号促进细胞壁多聚糖合成和修饰相关基因的表达,从而有助于维持细胞壁的完整性,增强植物盐胁迫适应性。本文概述了植物初生细胞壁多聚糖的主要组分和各组分之间的相互结合关系,并且阐述了盐胁迫对细胞壁各组分的影响,以及盐胁迫下植物感知和维持细胞壁完整性的分子机制,最后讨论了盐胁迫下细胞壁完整性感知和调控研究领域还需要解决的科学问题。

富阳茶产业高质量发展的路径与展望

富阳是杭州龙井茶主产区之一,茶叶是富阳农业主导产业和富民产业。近年来,富阳依托山区生态优势和资源优势,围绕“品质立茶、科技兴茶、文化美茶、品牌强茶”的发展理念,稳步推进茶产业发展,取得了一定的成效,也存在不足,针对茶产业发展不足问题,文章提出了富阳茶产业高质量发展相关思路与建议。

RSV抑制剂BMS-433771中间体的合成

1-环丙基-1,3-二氢咪唑并[4,5-C]吡啶-2-酮是人类呼吸道合胞病毒(RSV)抑制剂BMS-433771的关键中间体,以此为基础可以合成一系列氮杂双咪唑酮类RSV抑制剂。以4-羟基吡啶为原料,经硝化、氯化和亲核取代反应、氢化、环化4步反应得到1-环丙基-1,3-二氢咪唑并[4,5-C]吡啶-2-酮,其结构经^(1)H NMR表征确证。该合成工艺操作简单,杂质少,具有工业化应用前景。

基于值函数和策略梯度的深度强化学习综述

作为人工智能领域的热门研究问题,深度强化学习自提出以来,就受到人们越来越多的关注.目前,深度强化学习能够解决很多以前难以解决的问题,比如直接从原始像素中学习如何玩视频游戏和针对机器人问题学习控制策略,深度强化学习通过不断优化控制策略,建立一个对视觉世界有更高层次理解的自治系统.其中,基于值函数和策略梯度的深度强化学习是核心的基础方法和研究重点.该文对这两类深度强化学习方法进行了系统的阐述和总结,包括用到的求解算法和网络结构.首先,本文概述了基于值函数的深度强化学习方法,包括开山鼻祖深度Q网络和基于深度Q网络的各种改进方法.然后介绍了策略梯度的概念和常见算法,并概述了深度确定性策略梯度、信赖域策略优化和异步优势行动者-评论家这三种基于策略梯度的深度强化学习方法及相应的一些改进方法.接着概述了深度强化学习前沿成果阿尔法狗和阿尔法元,并分析了后者和该文概述的两种深度强化学习方法的联系.最后对深度强化学习的未来研究方向进行了展望.

深度学习批归一化及其相关算法研究进展

深度学习已经广泛应用到各个领域,如计算机视觉和自然语言处理等,并都取得了明显优于早期机器学习算法的效果.在信息技术飞速发展的今天,训练数据逐渐趋于大数据集,深度神经网络不断趋于大型化,导致训练越来越困难,速度和精度都有待提升.2013年,Ioffe等指出训练深度神经网络过程中存在一个严重问题:中间协变量迁移(Internal covariate shift),使网络训练过程对参数初值敏感、收敛速度变慢,并提出了批归一化(Batch normalization,BN)方法,以减少中间协变量迁移问题,加快神经网络训练过程收敛速度.目前很多网络都将BN作为一种加速网络训练的重要手段,鉴于BN的应用价值,本文系统综述了BN及其相关算法的研究进展.首先对BN的原理进行了详细分析.BN虽然简单实用,但也存在一些问题,如依赖于小批量数据集的大小、训练和推理过程对数据处理方式不同等,于是很多学者相继提出了BN的各种相关结构与算法,本文对这些结构和算法的原理、优势和可以解决的主要问题进行了分析与归纳.然后对BN在各个神经网络领域的应用方法进行了概括总结,并且对其他常用于提升神经网络训练性能的手段进行了归纳.最后进行了总结,并对BN的未来研究方向进行了展望.

基于健康风险评价的白菜种植土壤中重金属的安全限量研究

解决蔬菜的食用安全问题需要从源头上进行控制,针对主栽蔬菜品种制定相应的种植土壤重金属安全限值是保障蔬菜食用安全的有效手段。本文基于健康风险分析,根据可接受健康风险水平、我国一般人群的蔬菜摄入量和所含重金属在膳食摄入总量中的占比,反推出保障人体健康不受危害的最低蔬菜摄入重金属的安全浓度。搜集大量研究数据,拟合白菜吸收富集重金属的回归方程,确定了白菜种植土壤中类金属As和重金属Cd、Cr、Cu、Ni、Pb、Zn、Hg的安全限值。我国人群膳食摄入中由蔬菜摄入贡献的重金属在12%~43%不等,在不同区域膳食摄入差别较大,相同区域不同重金属间差异较大。蔬菜中具有致癌毒性的As和Cr的安全限值分别为0.04 mg·kg^-1和0.17 mg·kg^-1,低于《食品安全国家标准食品污染物限量》(GB 2762-2017);白菜种植土壤中As、Cr和Pb的安全限值分别为26、16 mg·kg^-1和51 mg·kg^-1,低于《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB 15618-2018),其他5种重金属的安全限值则比国家标准更高。基于可接受人体健康风险推算的白菜产地重金属安全限值与我国现行土壤标准的比较,白菜产地依据重金属种类的不同应该有更低或更高的土壤重金属标准限值。因而建议针对具体的蔬菜种类制定相应的种植土壤标准。

生成对抗网络在各领域应用研究进展

随着深度学习的快速发展,生成式模型领域也取得了显著进展.生成对抗网络(Generative adversarial network,GAN)是一种无监督的学习方法,它是根据博弈论中的二人零和博弈理论提出的.GAN具有一个生成器网络和一个判别器网络,并通过对抗学习进行训练.近年来,GAN成为一个炙手可热的研究方向.GAN不仅在图像领域取得了不错的成绩,还在自然语言处理(Natural language processing,NLP)以及其他领域崭露头角.本文对GAN的基本原理、训练过程和传统GAN存在的问题进行了阐述,进一步详细介绍了通过损失函数的修改、网络结构的变化以及两者结合的手段提出的GAN变种模型的原理结构,其中包括:条件生成对抗网络(Conditional GAN,CGAN)、基于Wasserstein距离的生成对抗网络(Wasserstein-GAN,WGAN)及其基于梯度策略的WGAN(WGAN-gradient penalty,WGAN-GP)、基于互信息理论的生成对抗网络(Informational-GAN,InfoGAN)、序列生成对抗网络(Sequence GAN,SeqGAN)、Pix2Pix、循环一致生成对抗网络(Cycle-consistent GAN,Cycle GAN)及其增强Cycle-GAN(Augmented CycleGAN).概述了在计算机视觉、语音与NLP领域中基于GAN和相应GAN变种模型的基本原理结构,其中包括:基于CGAN的脸部老化应用(Face aging CGAN,Age-cGAN)、双路径生成对抗网络(Two-pathway GAN,TP-GAN)、表示解析学习生成对抗网络(Disentangled representation learning GAN,DR-GAN)、对偶学习生成对抗网络(DualGAN)、GeneGAN、语音增强生成对抗网络(Speech enhancement GAN,SEGAN)等.介绍了GAN在医学、数据增强等领域的应用情况,其中包括:数据增强生成对抗网络(Data augmentation GAN,DAGAN)、医学生成对抗网络(Medical GAN,MedGAN)、无监督像素级域自适应方法(Unsupervised pixel-level domain adaptation method,PixelDA).最后对GAN未来发展趋势及方向进行了展望.

深度学习中注意力机制研究进展

对注意力机制的主流模型进行了全面系统的概述.注意力机制模拟人类视觉选择性的机制,其核心的目的是从冗杂的信息中选择出对当前任务目标关联性更大、更关键的信息而过滤噪声,也就是高效率信息选择和关注机制.首先简要介绍和定义了注意力机制的原型,接着按照多个层面对各种注意力机制结构进行分类,然后对注意力机制的可解释性进行了阐述同时总结了在各种领域的应用,最后指出了注意力机制未来的发展方向以及会面临的挑战.

深度记忆网络研究进展

近年来,随着深度神经网络的快速发展,它在越来越多的领域中有了广泛的应用.深度神经网络模型在处理有序列依赖关系的预测问题时,需要利用之前学习到的信息进行记忆.在一般的神经网络模型中,数据经过多个神经元节点传输会损失很多关键的信息,因此需要具有记忆能力的神经网络模型,我们把它们统称为记忆网络.本文首先介绍了记忆网络的基础模型,包括循环神经网络(RNN)、长短期记忆神经网络(LSTM)、神经图灵机(NTM)、记忆神经网络(MN)和变送器(Transformer).其中,RNN和LSTM是通过隐单元对前一时刻信息的处理来记忆信息,NTM和NM是通过使用外部存储器来进行记忆,而变送器使用注意力机制来选择性记忆.本文对这些模型进了对比,并分析了各个记忆方法的问题和不足.然后根据基础模型的不同,本文对常见的记忆网络模型进行了系统的阐述、分类和总结,包括其模型结构和算法.接着介绍了记忆网络在不同领域和场景下的应用,最后对记忆网络的未来研究方向进行了展望.