基于自反馈阈值学习的半监督皮肤癌诊断模型

为解决监督学习皮肤癌诊断模型的训练需要大量数据标注,且医学专家标注工作成本高、耗时长、易疲劳等问题,提出了一种基于自反馈阈值学习(Self-Feedback Threshold Learning,SFTL)的半监督皮肤癌诊断方法.在标注数据预训练的ResNet网络基础上,引入全局和局部类别间伪标签自反馈阈值学习机制动态筛选ResNet预测概率大于自反馈阈值的无标记样本,引入无监督阈值学习损失和分类交叉熵损失进行模型训练,在标记样本稀缺的情况下深入挖掘无标记数据的鉴别诊断信息,显著降低模型在无标记皮肤病变图像中的误判率.选取公开数据集HAM10000的皮肤病变图像展开实验验证,在仅需50%标记数据下实现了0.8229的准确率和0.7651的F1分数,证明所提出的SFTL模型在半监督场景下可有效解决皮肤癌诊断任务,相比其他同类方法具有更好的分类性能.

视频反馈与情景模拟结合教学法应用于儿科临床带教对护生自主学习能力及学习效果的影响

目的分析视频反馈与情景模拟结合教学法应用于儿科临床带教中对护生自主学习能力及学习效果的影响。方法对照组采用传统教学法,观察组采用视频反馈与情景模拟结合教学法,比较两组护生自主学习能力、临床思维能力、核心能力及学习效果。结果带教后,观察组自主学习能力、临床思维能力、核心能力及学习效果均优于对照组(P<0.05)。结论视频反馈与情景模拟结合教学法带教效果显著,不仅能提高护生自主学习能力、临床思维能力、核心能力,还能增强护生学习效果。

激光回馈精密测量技术及应用

介绍了激光回馈干涉的理论模型,阐述了激光回馈测量灵敏度高、装置结构简单、可自准直、能够对非合作目标进行精密测量的技术特点。分析了激光回馈测量相较传统干涉测量的优势,探讨了激光回馈测量技术在工业和科研领域中的应用方向,包括位移、角度、振动、绝对距离测量等,指出利用频率复用、偏振复用、(准)共路等技术可提高回馈测量的实际应用性能。最后展望了激光回馈技术的发展前景,为推动回馈技术的广泛应用提供借鉴。

可视化反馈促进自我调节学习的实验研究

建设终身学习型社会要求学习者具备更高的自我调节学习能力。这就要求教育不仅要教会学生知识,更要教会学生学习。然而,当前关于促进基础教育中学习者自我调节学习的研究较少,并且缺乏可以应用于线下课堂的实用工具,导致测评数据无法被深入解读。立足于基础教育课堂教学,设计开发促进学习者自我调节学习的可视化反馈工具,深入分析测评数据,挖掘其中蕴藏的有效信息。该工具提供包括自我认识、学习动机、学习策略三个维度的可视化反馈报告,将知识掌握情况、错题归因、试题定位等信息呈现给学习者,助力其自我调节学习的发生。为检验该工具的效果,在两个班级开展对比实验,对两组学生的自我调节学习能力和学习成绩进行差异性检验。独立样本T检验结果显示,实验班和对照班在自我调节学习能力和学习成绩之间均存在显著性差异,并且均呈现出0.4左右的效应量。证明该工具提供的可视化反馈报告能够有效促进学习者的自我调节学习,同时能够促进学业表现。

兼听则明:寻求反馈性质对员工越轨创新行为的影响——自我反思的中介作用与角色宽度自我效能的调节作用

寻求反馈能帮助个体获取认知与情感资源,进而促进员工创新。但寻求不同性质的反馈能否通过获取矛盾性评价引发思维的深层演进,进而激发越轨创新还有待探索。基于社会信息加工理论,探讨寻求反馈性质对越轨创新行为的作用机制。结果表明:①寻求正、负向反馈均能通过自我反思激发越轨创新,且相较于“低正向寻求—低负向寻求”,“高正向寻求—高负向寻求”对自我反思的影响更为显著;②角色宽度自我效能正向调节寻求负向反馈与自我反思间关系;③角色宽度自我效能和创新资源结构性紧张的交互显著调节寻求正、负向反馈与自我反思间关系。

自我效能、绩效反馈与创造性思维认知负荷的关系

该文以386名大学生作为被试,通过实证研究探讨自我效能、绩效反馈与创造性思维任务中认知负荷的关系。结果表明,积极性反馈和较强的自我效能感与创造性思维任务中较低的认知负荷有关,而较高的认知负荷会对创造性思维产生消极影响;自我效能感越高,创造性思维过程中的认知负荷就越低;与负反馈相比,正反馈与较低的认知负荷有关;较高的认知负荷对创造性思维绩效有负向影响;认知负荷在绩效反馈与创造性思维,以及自我效能与创造性思维间的关系中起部分中介作用。该研究对鼓励学生参与创造性思维活动的教育者的教学决策具有重要的启示意义。

同伴纠正性反馈效果研究综述

反馈(feedback)最早来源于控制论。在教育教学中,有效反馈可以促进学习者的学习与发展。反馈可分为正反馈和负反馈,其中纠正性反馈属于负反馈的重要分支。纠正性反馈根据不同来源可分为教师纠正性反馈、同伴纠正性反馈和自我纠正性反馈。文中聚焦同伴纠正性反馈,将自我效能感、社会文化和认知互动作为理论支撑,以学习者投入这一概念为切入点,回顾并总结同伴纠正性反馈对学习者情感、行为和认知投入三个维度的有效性:学习者因为对同伴纠正性反馈有兴趣,进而提高其学习自信、增强学习内在动机;反馈者和被反馈者均通过同伴纠正性反馈提升个人学习能力;学习者通过识别修正错误、监控学习过程,促进意义创建和知识构建,进而提升个人认知水平。最后概括并归纳同伴纠正性反馈的局限性,对未来的研究方向提供建议。

基于视频回授法的情景模拟教育对2型糖尿病患者自护能力的影响

目的:探讨基于视频回授法的情景模拟教育对2型糖尿病患者自护能力的影响。方法:选取2021年2月1日~2022年2月1日就诊的196例2型糖尿病患者为研究对象,根据抽签法随机分为对照组和观察组各98例,对照组实施常规健康教育模式,观察组实施基于视频回授法的情景模拟教育;比较两组护理前后疾病相关知识知晓、血糖控制情况[包括空腹血糖(FPG)、糖化血红蛋白(HbA 1c)、餐后2 h血糖(2 hPG)]、生活质量[采用世界卫生组织生存质量测定量表简表(WHOQOL-BREF)]及依从性。结果:护理后,两组疾病相关知识知晓情况、FPG、HbA 1c、2 hPG、WHOQOL-BREF评分均优于护理前(P<0.05),且观察组优于对照组(P<0.05);出院前、出院后1个月,观察组依从性高于对照组(P<0.05)。结论:基于视频回授法的情景模拟教育能够提高2型糖尿病患者的自我护理能力,有利于控制血糖,提高糖尿病知识的掌握程度,从而提高患者生活质量和治疗依从性。

基于STM32的密炼机自整定PID温控系统设计

针对密炼机温度控制系统中人工整定PID带来的系统响应不及时、误差大等问题,该文设计了一种基于STM32的自整定PID温度控制系统。对于电动阀只能单极性调节问题,通过设置适当的工艺点来控制继电输出。为提高震荡曲线的辨识,采用参数归一化方法计算震荡曲线的临界增益。考虑密炼机的工作环境和系统响应曲线的频率特性,加入带有临界滞环控制的继电控制方法,提高了特征参数的精确性,更好地整定了PID参数。应用结果表明,基于STM32的PID整定温度控制系统能够将温度误差控制在1℃左右,且控制时间相比于人工PID控制系统提高了30%,极大地满足了密炼机的温度控制要求,具有良好的实用价值。

创造性活动参与是否促进了恐怖娱乐消费?来自二手数据和实验的证据

恐怖娱乐消费是指对唤起恐惧和害怕情绪的体验或产品的消费(如,观看恐怖电影)。以往研究表明,消费者会出于不同的动机和原因消费恐怖体验及产品。由于消费者过去的经历会对其后续消费偏好产生重要影响,因此,本文基于跨情境视角探究了影响消费者恐怖娱乐消费偏好的前因。通过一项二手数据研究和6项实验研究,本文发现先前参与创造性活动(vs.非创造性活动)会促进消费者随后对恐怖娱乐消费的偏好与选择,自我效能的提升是中介机制。此外,本文还表明,创造性活动参与对消费者的恐怖娱乐消费偏好的影响受到反馈效价以及活动难度的调节。本文对已有的消费者创造力研究和恐怖娱乐消费研究做出了推进,对恐怖娱乐产业提供了实践启示。

基于自反馈控制的医院污水处理站信息化升级改造研究

针对医院污水处理站在信息化方面出现的短板,提出了一套信息化升级改造方案,并在四川大学华西第二医院锦江院区进行了应用实践。从实践效果来看,该方案能有效降低污水处理站运行能耗,使污水排放指标更加稳定,并能实现远程运维。

基于样本选择的自学习去噪鲁棒模型

隐式反馈数据能有效缓解推荐系统训练数据稀疏的问题,但它很难反馈真实的用户-项目偏好,导致数据中会包含较多噪声数据,从而影响推荐模型的性能。近年提出的一些去噪方法在一定程度上增强了推荐模型的鲁棒性,但这些方法基本都从数据的特性着手,通过获取额外辅助数据达到去噪的目的,然而辅助数据的获取困难,且难以泛化。因此,从推荐模型出发,提出一种基于样本选择的自学习依赖值评估器鲁棒模型对隐式反馈数据去噪。该鲁棒模型利用推荐模型性能对隐式反馈数据的依赖性,通过一种辅助梯度策略算法实现依赖值评估器的自主更新,可有效筛选依赖样本,并利用依赖样本训练推荐模型达到提升推荐性能的目的。在3个具有代表性的隐式反馈数据集和4种推荐模型上进行大量实验。实验结果表明,使用常见的归一化折损累计增益(NDCG@K)评估得分衡量推荐性能,在泛用的隐式反馈数据集Adressa、Amazon-book和Yelp上,与含噪声训练相比,所提鲁棒模型能分别提升NeuMF(Neural Matrix Factorization)推荐模型性能0.15、0.78和0.35个百分点;分别提升GMF(Generalized Matrix Factorization)推荐模型性能1.53、0.93和0.46个百分点。在相同实验评估下,使用数据集Adressa和Yelp,该鲁棒模型分别提升CDAE(Collaborative Denoising Auto-Encoders)推荐模型性能1.58和0.34个百分点;分别提升LightGCN(Light Graph Convolutional Network)推荐模型性能1.82和0.15个百分点。

宽禁带半导体器件开关振荡研究综述

宽禁带半导体器件具有高频、高效率、高功率密度等优点。然而,低寄生电容、低阈值电压和快速开关等特性也使它们更容易受到开关振荡的影响。该文综述开关振荡的类型、产生机理、敏感参数以及抑制方法。首先,依据波形特征将振荡分为阻尼振荡及自持振荡两类;其次,建立开关振荡分析模型,包括器件模型和开关电路模型,依托该模型研究两种振荡的机理、敏感参数以及各敏感参数对振荡特性的影响规律;再次,分析两类开关振荡的差异性和关联性;最后,总结抑制开关振荡的主要方法,并对各种方法的优缺点进行比较分析。对前人研究成果进行总结和延伸,期望帮助研究人员更好地将宽禁带器件应用于高频高功率变换工况。

线上直播联合回馈教学法在孕妇学校中的应用

目的 探讨线上直播联合回馈教学法在孕妇学校中的应用效果。方法 选择2019年1月至2022年8月在该院产检及分娩的584例孕产妇作为研究对象,其中2019年1月至2021年8月产检及分娩的孕产妇(308例)为对照组,2021年9月至2022年8月产检及分娩的孕产妇(276例)为试验组。对照组采用传统孕妇学校模式进行健康教育,试验组采用线上直播联合回馈教学法进行健康教育。分别对2组孕产妇听课情况、课程满意度、健康教育效果及分娩自我效能进行评价对比。结果 试验组孕产妇在听课次数、分娩自我效能、操作类课程满意度方面优于对照组,差异均有统计学意义(P<0.05)。2组孕产妇理论课程满意度比较,差异无统计学意义(P>0.05)。试验组孕产妇健康教育效果相较于对照组有待提高,差异有统计学意义(P<0.05)。结论 线上直播联合回馈教学法能提高孕妇的健康教育参与度及其分娩自我效能,但学习效果及学习满意度仍有待提高。

一种双重积累自反馈优化的三维多目标检测前跟踪算法

针对3维微弱多目标检测问题,该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术,依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累,同时利用功率累积结果反馈优化二值积累,有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明,当整体信杂比达到10 dB时,所提算法的全局检测概率接近80%,证明了该算法的有效性。

运用形成性评价培养学生自主学习能力的研究与实践

形成性评价是新兴的评估方法,强调学习过程中的反馈,能为学生提供更多自主学习的机会。将形成性评价引入教育实践中,对陕西省某本科院校思想政治教育专业大一至大三年级在校生展开问卷调查。结果表明,运用形成性评价的专业课程结束后,在学习自主性总分及其主观能动性、目标意识维度上大三年级学生的分数显著高于大一、大二年级学生的分数。从前后测均值来看,后测各项均值均显著高于前测均值,表明运用形成性评价的专业课程对学生的学习自主性产生了积极影响。为此,应进一步强化学生的主观能动性,注重培养其目标意识;注重差异化的教学策略;转变教师的传统角色;鼓励学生之间合作学习,进行自主探究。

基于新型BIST的LUT测试方法研究

针对FPGA内部的LUT资源覆盖测试,提出一种新型BIST的测试方法。通过改进的LFSR实现了全地址的伪随机向量输入,利用构造的黄金模块电路与被测模块进行输出比较,实现对被测模块功能的快速测试,并在Vivado 2018.3中完成了仿真测试。通过ATE测试平台,加载设计的BIST测试向量,验证结果与仿真完全一致,仅2次配置即可实现LUT的100%覆盖率测试。此外,还构建了LUT故障注入模拟电路,人为控制被测模块的输入故障,通过新型BIST的测试方法有效诊断出被测模块功能异常,实现了准确识别。以上结果表明,该方法不仅降低了测试配置次数,而且能够准确识别LUT功能故障,适用于大规模量产测试。

基于层间特征蒸馏网络的作物叶片病害检测

针对现有农作物叶片病害检测方法对有限标注样本利用不充分,导致模型识别精度不高、泛化性不强的问题,提出一种基于层间特征蒸馏网络的作物叶片病害检测方法。该方法采用支持分支和查询分支相互监督的元学习网络结构,首先,利用一组共享权重的特征提取网络将双分支网络的输入图片映射到深度特征空间,并采用多层下采样操作构造多尺度特征集;然后,在每层特征中计算自注意力机制,在层间计算交叉注意力机制,旨在强化不同尺度内和尺度间特征表达的鲁棒性和可靠性;最后,在跨尺度特征中引入知识蒸馏网络,旨在利用高层特征丰富浅层特征的语义信息,间接地增强不同尺度内和尺度间特征表达的鲁棒性。在马铃薯、苹果、番茄和玉米病害数据集上进行测试,所提方法分别获得0.9531、0.9668、0.9552和0.9542的识别精准率。

基于预瞄时间自调整控制智能车辆横向轨迹跟踪研究

提出了一种基于预瞄时间自调整控制的四轮转向(4ws)智能车辆横向轨迹跟踪算法.针对轨迹跟踪精度问题,建立了预瞄时间自调整控制驾驶员模型,调整预瞄时间,采用滑模控制对前轮进行控制.针对跟踪过程中行驶稳定性较差等问题,后轮转向采用横摆角速度反馈控制策略.在Carsim与Simulink联合仿真平台下进行单移线工况下的仿真,仿真结果表明:预瞄时间自调整控制在低速时的跟踪精度比固定预瞄时间控制提升55%,高速时提升5%.后轮转向采用横摆角速度反馈控制的质心侧偏角比采用前馈控制在低速时减小了21%,高速时减少了54%,验证了所提出的控制算法,提高了转向过程中的行驶稳定性和横向轨迹跟踪能力.