一种基于数据挖掘的Deep Web模式匹配方法

模式匹配是DeepWeb异构信息集成中的关键问题.介绍了一种整体性匹配方法,即同时发现大量模式,并一次性进行匹配。主要通过分析和比较两种已经存在的大规模模式匹配原型系统:MGS和DCM,结合它们核心算法的优点,提出一种新的基于数据挖掘技术的算法(Correlated-clustering)。该算法先利用积极相关发现组匹配,再通过概念相似度的计算聚类同义属性,最后进行匹配选择。实验结果表明,本算法全面、效率高,充分体现了整体性方法的思想。

基于DeepFake技术的道路交通安全违法行为防范思考

深度学习技术给人们带来高效、智能生活的同时,也给公民人身财产带来隐患。在道路交通安全方面,利用视频篡改技术的道路交通安全违法行为已初现端倪,并且已经对公民财产造成损失。就深度机器学习的篡改视频可能带来的道路交通安全违法行为进行技术分析、隐患问题总结和防治必要性分析,并从交管部门、技术部门、公民个人、法律部门4个角度,给出具体的防治措施和技术路线。

一种高效的Softmax函数计算方法及硬件电路

针对现有Softmax函数硬件实现中存在的面积消耗大、速度慢、计算效率低等问题,设计一种高效的Softmax函数计算方法及硬件电路。提出一种稀疏化最大值计算方式,仅选择有效的输入值进行计算和存储,并采用动态移位更新最大值的方式将最大值求取隐藏在流水线中,提高计算效率;优化分段线性拟合算法,避免乘法器的使用,减少了硬件资源开销。基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的语音识别实验的结果表明,本方法减少了60%的指数存储需求,同时减少了50%的Softmax计算时间。在45 nm互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)工艺下的逻辑综合实验表明,所实现的Softmax函数相较之前的工作,电路综合性能提升14%,面积减小51%。

基于ARMA-AE-LSTM模型的进场交通流预测方法

为建立准确有效的空中交通短期流量预测模型,提高终端区管理效率,以进场交通流为对象进行研究。首先采用自回归移动平均(autoregressive moving average,ARMA)模型对流量时间序列进行初步线性预测,然后通过长短期记忆网络(long short term memory,LSTM)模型对线性预测后的残差序列进行非线性修正预测。考虑到冗余特征会降低LSTM模型预测精度的问题,采用自编码器(autoencoder,AE)模型对LSTM模型的天气以及流量特征输入进行自适应压缩优化,最后设置对比实验对ARMA-AE-LSTM模型的准确性、鲁棒性以及时效性进行验证。实验结果表明:预测绝对误差在1.3架以内的占比达到75%;LSTM模型的平均每轮迭代时间降低为1.014 s;与其他常用深度学习预测模型相比,ARMA-AE-LSTM模型的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)以及决定系数(r-squared,R2)评价指标分别改善了45.98%~67.66%、48.56%~67.35%、5.18%~21.07%;恶劣天气影响下,ARMA-AE-LSTM模型的鲁棒性更好。由此可见,该方法能够准确有效快速的预测空中交通流量。

基于破坏接近度的深基坑稳定性研究

为探究深基坑在开挖过程中的变形与破坏规律,并实现对基坑安全性的定量评估,采用FLAC3D数值模拟软件,结合破坏接近度理论,对基坑开挖过程中土体应力状态进行系统分析,精确量化基坑周边土体的损伤程度及其影响范围。研究结果表明:基坑围护结构的变形呈现出明显的“两端较小、中部较大”的特点;而地表沉降则表现为典型的“凹槽”形态;利用破坏接近度指标可以直观地反映岩土体在施工期间的破坏进程及发展趋势,区分不同区域受到的影响程度。研究结论为量化分析基坑施工风险提供理论参考。

肛周深间隙脓肿不同手术入路选择及疗效的研究

目的:探讨不同手术入路治疗肛周深间隙脓肿的疗效。方法:回顾性收集2021年1月至2021年12月于新疆医科大学第一附属医院肛肠科住院治疗的患者并按照接受手术入路不同分为经外括约肌外手术入路组(25例)、经括约肌间手术入路组(30例)进行对照研究。两组患者术前均行肛周超声或核磁共振检查确诊为肛周深间隙脓肿。分析比较两组患者临床疗效、手术时间、术中出血量、脓肿深度、术后VAS评分、创面渗液、白细胞计数、C-反应蛋白、降钙素原、术后换药时间、创面愈合时间、并发症情况、脓肿复发率、肛瘘形成率等情况,采用t检验和χ2检验进行组间比较。结果:经外括约肌外组与经括约肌间组患者在治愈率、手术时间、术中出血量、术后1d疼痛评分、C-反应蛋白、术后并发症、脓肿复发率、肛瘘形成率等方面差异无统计学意义(P>0.05)。经外括约肌外组在创面愈合时间、术后换药时间、住院天数等方面均小于经括约肌间组(P<0.05)。经括约肌间组在术后1d创面渗液量、术后3d疼痛评分、术后白细胞计数下降程度、降钙素原水平、创面瘢痕长度等方面均优于经外括约肌外组(均P<0.05)。结论:经外括约肌外、经括约肌间手术入路在术中、术后多方面因素中各有利弊,但均能有效治疗肛周深间隙脓肿,降低脓肿复发及成瘘率,提高患者满意度,值得进一步推广。

三山岛金矿西山深部北区矿体采场结构参数优化

为优化三山岛金矿西山深部北区上向进路充填采矿法的采场结构参数,基于矿体的开采技术条件,初步选择了10种采场结构参数,利用ABAQUS软件对10种采场结构参数进行数值模拟分析,再结合模糊数学方法对10种模拟结果进行优化。经过综合对比分析,推荐方案2作为三山岛金矿西山深部北区SL06154盘区采场的结构参数,即一步进路采场宽度8 m,二步进路采场宽度6 m,进路采高4.5 m,采用隔一采一的方式。

下向进路充填采矿法深部矿岩破坏机理数值模拟研究

针对嵩县山金深部矿体采用下向进路充填采矿法开采矿岩破坏机理及地压显现技术问题,采用Rhino+Griddle+Flac 3D快速建模技术,对矿区下向进路开采1~8 a矿岩应力及位移变化规律进行研究。模拟结果表明:最小主应力随深度的增加而增加,靠近底部较大;未开采采场起到了临时矿柱的作用,应力集中现象较明显,同时在采场附近的充填体中也形成应力卸压区;各中段的位移随开采时间的增加而不断增大,采场顶板的最大位移主要出现在顶板中间,在矿山不断向深部推进的过程中,最大位移值呈上升趋势。

深度学习视域下POA外语教学新模式的构建研究

近三十年,随着计算机科学、人工智能的不断发展和深化,国内外关于教与学的研究逐渐从形式与技术层面的探索转到对教与学过程的深度探索,深度学习和深度教学应运而生。经研究发现,深度学习理念和产出导向法(简称POA)在教学宗旨、教学理念和教学流程方面具有高度的契合性,将二者有机融合,构建以“驱动-促成-评价-拓展”为核心环节的POA外语教学新模式,不仅有助于解决产出导向法“对话性”和“反思性”不足的问题,还能促进反思性学习和批判性思维的形成。

经腘静脉入路介入治疗联合利伐沙班用于血液透析下肢深静脉血栓的效果及对凝血、纤溶功能的影响

目的探讨经腘静脉入路介入治疗联合利伐沙班用于血液透析下肢深静脉血栓的效果及对凝血纤溶功能的影响。方法选取2018年1月至2022年1月收治的60例留置股静脉导管的血液透析下肢深静脉血栓患者为研究对象,根据治疗方法的差异将其分为对照组(30例,利伐沙班治疗)和观察组(30例,经腘静脉入路介入治疗联合利伐沙班治疗)。比较两组的治疗效果。结果观察组的治疗总有效率高于对照组(P<0.05)。治疗后,观察组的大腿、小腿周径差值均低于对照组(P<0.05)。治疗后,观察组的凝血酶原时间(PT)、活化部分凝血酶时间(APTT)长于对照组,纤维蛋白原(FIB)、血栓调节蛋白(TM)、组织型纤溶酶原激活物-抑制剂复合物(t-PAIC)、纤溶酶-抗纤溶酶复合物(PIC)水平低于对照组(P<0.05)。结论经腘静脉入路介入治疗联合利伐沙班用于血液透析下肢深静脉血栓患者可提高治疗效果,减轻下肢肿胀,促进凝血、纤溶功能改善,值得推广。

深度学习视域下的SPOC混合式教学模式研究--以交互设计课程为例

深度学习视域下的SPOC混合式教学模式强调培养学生的专业核心技能、自学能力及社会适应能力,注重线上线下教学内容的深化与重构,是新媒体时代教育发展的趋势。交互设计课程的混合式教学模式,以培养复合型设计人才为教学目标、以项目流程导向为教学形式、以“全场景”为教学空间、以“两境三合”为教学手段,构建以学生为主体的教学体系。输送优质的课程资源、构建多元化的教师队伍、打造个性化的学生团队、注重“多元考核”的教学评价等措施,有利于推动混合式教学模式的实施,培养新时代复合型人才,促进当代教育数字化转型。

IAA-Net:一种实孔径扫描雷达迭代自适应角超分辨成像方法

实孔径雷达(RAR)通过天线扫描工作,以获取大范围探测区域内目标的观测信息。但是,由于雷达天线尺寸小,受天线衍射机理限制,与距离分辨率相比,其角分辨率通常较低。角超分辨处理方法,可利用天线方向图与目标散射间的卷积关系,通过求解卷积反演问题,以提高扫描雷达角分辨率。但是,由于测量矩阵的低秩特性,传统角超分辨处理方法,存在正则化参数选择难、迭代更新慢等问题,并且在低信噪比条件下,角超分辨处理性能明显下降。针对上述问题,该文提出了一种基于深度网络的迭代自适应实孔径扫描雷达角超分辨成像方法。首先,该文将实孔径扫描雷达的卷积反演问题转化为回波自相关矩阵反演求解问题,以改善求逆矩阵的病态性;其次,将可学习的修正矩阵引入到迭代自适应求解方法中,以实现迭代自适应求解方法与深度网络的结合;最后,通过迭代学习更新回波自相关矩阵,降低噪声对反演结果的影响,提高实孔径雷达的角分辨率。仿真及实测数据结果表明,所提方法可避免传统算法中的手动参数选择和迭代更新慢等问题。同时,由于深度网络的学习拟合能力,所提方法可在低信噪比条件下保持良好的角超分辨性能。

基于语法类型依赖的图注意力网络细粒度情感分析方法

现实生活中人们在网络上会产生大量的评价性文本,对这些文本进行细粒度情感分析,可以帮助决策者快速了解人们对某类产品或事件的看法和意见,提供决策支持。细粒度情感分析旨在利用神经网络来对输入句子进行编码,提取目标与其上下文之间的关系,从而进行情感倾向的判断。最近,人们把图神经网络应用于该任务,取得了很好的结果。然而这些方法没有利用依赖类型标签信息,也没有考虑到噪声的影响,为解决这2个问题,本文研究了一种新型图神经网络拓展来利用依赖类型信息,并应用本文提出的语法语义交互融合的方法来降低噪声影响,在4个公开数据集上取得了最优的效果。

基于深度学习视角的职前幼师顶岗实习实施路径研究

通过对毕业学年参与顶岗实习的学前教育专业学生岗位胜任力的跟踪调查发现,经过一年的实践,这些职前教师的岗位胜任力不论在总体还是各维度上都没有得到明显提升。对实习效果进行反思认为,顶岗实习需要学生突破记忆、理解等浅层学习,在实习环境中投入深度的具身性、沉浸性、境脉性和创新式学习。继而从人才培养顶层设计开始,从课程设置与实施、实习指导、评价体系各方面提出基于深度学习的顶岗实习实施路径。

深层页岩气非线性渗流的温度效应

为了研究温度变化对高温高压的深层页岩气藏产能的影响,建立了考虑变温吸附和随温度变化的压缩因子和黏度的页岩气非线性渗流模型,推导了考虑弹性变形和吸附应变的非均匀孔隙度和渗透率演化模型,发展了具有显式迭代格式的高效的半解析算法,将数值模拟结果与现场生产数据进行对比,验证了所建立模型和算法的正确性,分析了温度变化对深层页岩游离气、吸附气和总产量的影响.结果表明,压力越高,游离气产量受温度影响越小.当地层温度上升40°C时,浅层页岩游离气的产量降低14.5%,而深层页岩游离气产量增加1.4%.相反,压力越高,温度变化对吸附气产量的影响越大.当温度上升时,浅层和深层页岩吸附气的产量分别降低19.3%和31%.浅层页岩气因温度变化总产量相差约15%,而深层页岩气总产量受温度影响不大.在其他条件相同的情况下,高温高压的深层页岩气前5 a的累计产气量是浅层的1.76倍.所建立的模型和算法可以为深层页岩气的高效开发和优化设计提供参考.

大学生学习方式与创新能力的关系研究

通过对课堂教育情景下大学生学习方式(学习的动机和策略)与创新能力(创新人格和创新思维)两者内在关系的实证研究分析,表明学习的深层动机与创新人格(好奇心和意志力)显著正相关;同时,深层策略与创新人格(好奇心和意志力)和创新思维(流畅性、灵活性、独创性)也显著正相关。

松果体区手术入路与手术间隙的显微外科解剖

目的 通过对20例国人成人头颅的松果体区大脑深静脉系统所形成的4个间隙进行显微外科解剖,探讨其临床应用价值。方法 所有标本经动静脉灌注后,分别进行幕上、下入路开颅,暴露松果体区周围结构,通过对松果体区的大脑大静脉、大脑内静脉、基底静脉及其所构成的四个间隙的大小和结构进行测量与观察。结果 大脑内静脉总长度为（34.27±5.44）mm,管径为（1.58±0.37）mm;基底静脉总长度为（35.43±6.6）mm,管径为（1.43±0.39）mm;大脑大静脉总长度为（9.65±4.12）mm,管径为（3.79±1.61）mm。间隙Ⅰ为大脑内静脉间间隙;间隙Ⅱ为基底静脉内侧间隙;间隙Ⅲ为基底静脉下间隙;间隙Ⅳ为大脑大静脉下间隙。结论 松果体区静脉系统是阻碍手术操作的主要结构,松果体区的手术有4个可利用的解剖间隙,不同的手术入路对各间隙的利用有所不同。

前、后外侧入路对髋关节置换术后深静脉血栓及脱位的影响

目的评估前外侧与后外侧入路对初次全髋关节置换术后深静脉血栓及脱位的影响。方法自2007年1月～2011年9月，将入选的初次全髋关节置换患者随机分为前外侧组及后外侧组，各50例。观察患者术后深静脉血栓及髋关节脱位的发生情况。结果随访时间为15～50个月，平均29个月。术后深静脉血栓发生率：前外侧组（16％）高于后外侧组（8％），比较无显著性差异（P〉0．05）；术后髋关节脱位发生率：前外侧组（0）低于后外侧组（10％），比较有显著性差异（P〈0．05）。结论不同手术入路对初次髋关节置换术后深静脉血栓及关节脱位有一定的影响。

产业转型升级背景下职业教育产教深度融合路径选择

职业教育产教深度融合是现代职业教育体系的构建和实现职业教育与区域经济社会协调发展的重要途径。但当前职业教育产教融合的广度和深度不够,没有达到预期的实践效果。因此,在产业转型升级背景下,选择符合区域实际情况的产教深度融合路径,有利于推进职业教育校企合作深度、广度的延伸和拓宽,保障产教融合健康有序的可持续发展,实现职业教育质量与水平的提升。

大学学习是指向生命成长的过程

人类的学习活动本质上是一种不断完善自己,充实自己,使自己趋于"完成"的过程。大学学习是一种基于知识探索、不断完善自我的精神探险,是激活学生智慧生命的过程。大学学习的有效性不仅与学习方法有关,也与学生认识层次有关,与对学习环境的适应有关。大学学习旨在培养学生内在的品性,提升学生学习思维品质,在学"问"中学习,在反思中提升自身,在学习规范与学习自由之间达到一种平衡,以促进学生知识生命、智慧生命、精神生命的内在统一。