为民族复兴伟业贡献文艺力量——学习贯彻习近平文化思想的思考

中华民族伟大复兴是当代中国实践发展的根本要求,是时代发展的根本趋向,是现实发展的内在逻辑。文艺源于时代,又反作用于时代,文艺工作者须助力民族复兴伟业,贡献独特的“文艺力量”。中国精神是社会主义文艺的灵魂,有中国精神的文艺,方能熔铸文化自信,凝聚人心力量。有厚度、广度、力度的文艺作品能够丰富、立体、深刻地反映我们这个时代。遵循“第二个结合”,才能充分激发文艺力量,形成厚重的文艺理论,建构丰厚的文艺观。坚守文化主体性,熔铸文化自信,为民族伟大复兴“提供强大的价值引导力、文化凝聚力、精神推动力”,这是独特的“文艺力量”。

基于细节增强和多颜色空间学习的联合监督水下图像增强算法

由于水下特殊的成像环境,水下图像往往具有严重的色偏雾化等现象。因此文中根据水下光学成像模型设计了一种新的增强算法,即基于细节增强和多颜色空间学习的无监督水下图像增强算法(UUIE-DEMCSL)。该算法设计了一种基于多颜色空间的增强网络,将输入转换为多个颜色空间(HSV、RGB、LAB)进行特征提取,并将提取到的特征融合,使得网络能学习到更多的图像特征信息,从而对输入图像进行更为精确的增强。最后,UUIE-DEMCSL根据水下光学成像模型和联合监督学习框架进行设计,使其更适合水下图像增强任务的应用场景。在不同数据集上大量的实验结果表明,文中提出的UUIE-DEMCSL算法能生成视觉质量良好的水下增强图像,且各项指标具有显著的优势。

学习贯彻习近平文化思想推动文艺文联工作高质量发展

2023年10月7日至8日,全国宣传思想文化工作会议在北京召开。会议所取得的最重要成果就是正式提出和系统阐述习近平文化思想。中国文联学习贯彻习近平文化思想研讨会的召开,是全面贯彻落实全国宣传思想文化工作会议精神的一项重要举措,也是中国文联深入学习宣传贯彻习近平文化思想,推动文艺文联工作高质量发展的一次重要动员部署。

深度学习赋能波束管理:现状、挑战与机遇

随着载波频率的不断提高和大规模天线阵列的广泛部署,基于模拟移相器的波束赋形成为下一代无线通信的标志性技术之一。此时,波束管理被用于获取和维护基站和用户端具有最大接收功率的最优波束对,以保障可靠的无线通信服务。传统波束管理方法往往依赖于海量搜索。同时,传统数学模型无法全面的、准确刻画非线性的波束的内在关联和高维无线环境特征,因而难以取得令人满意的波束增益性能。近年来,得益于深度学习强大的自适应拟合能力,深度学习赋能波束管理得到了国内外广泛关注。本文总结了深度学习赋能波束管理的研究进展,并展望了未来的研究方向。首先,阐述了深度学习应用于波束管理的典型场景和潜在优势;随后,从空/时/频域切入,讨论当前深度学习赋能波束管理的主要研究路线和代表性工作;最后,面向更大规模的无线网络、更多元的波束管理功能和更鲁棒的深度学习模型,阐述未来的研究挑战与机遇。

基于超星学习通探讨中医基础理论教学模式改革

中医基础理论属于中医学专业基础课中的核心主干课程,是中医院校各专业学生学习中医药学其他各门基础课程和临床课程必修的专业基础理论课程。在传统教学模式下,该课程的重点、难点问题教学效果受限。因此辽宁中医药大学结合超星学习通平台,对中医基础理论教学模式进行改革,以提高学生学习兴趣、培养其自主学习能力并加深对教学内容的理解和掌握,提高了教学效果。

基于机器学习的镍基单晶高温合金蠕变寿命预测模型研究

构建合适的镍基单晶合金蠕变寿命预测模型,对于我国航空发动机叶片设计、强度分析和寿命预测具有重要意义。采用多项式回归、最近邻回归、支持向量机回归、决策树回归四种机器学习算法,建立镍基单晶高温合金蠕变寿命与合金成分、微观组织和蠕变工艺参数的关系模型,为镍基单晶高温合金的蠕变性能调控提供了新方法。基于蠕变寿命预测模型,系统地比较了四种算法和特征选择对模型性能的影响。结果表明,支持向量机回归模型的预测结果最优,相关性较高的四个特征依次为γ′固溶温度、Ta、W、Re。研究结果可为获得更有效的镍基单晶高温合金蠕变性能预测方法提供参考。

我国未来学习中心建设现状与路径探索

建设未来学习中心,是推进高等教育数字化转型和高校图书馆服务升级的有效途径。调研未来学习中心建设现状及存在问题,可为我国高等院校未来学习中心建设实践提供参考借鉴。文章运用文献调研和网络调查的方法,从顶层设计、建设理念、空间建设、资源建设、服务创新5个维度对全国高等院校未来学习中心建设实践进行调查,并对调查结果进行归类、统计和分析。研究发现,我国未来学习中心建设正处于起步探索期,在具体实践中存在着顶层设计不足、技术应用与教学模式融合不深等问题。针对这些问题,文章提出了相应的建设路径。

虚拟数字人对用户在线学习效果的影响研究

[目的/意义]在教学环境中使用虚拟数字人进行授课可以促使用户更高效地在线学习。本研究旨在探究在线学习中虚拟数字人特征对用户在线学习效果的影响,为在线教学视频设计和教学策略优化提供参考。[方法/过程]结合准社会互动理论,使用VTube Studio软件设计虚拟数字人教学的视频材料,招募用户观看教学视频并测量用户的主观感受,对在线学习中虚拟教师授课的情境进行探究。[结果/结论]虚拟数字人的吸引力、拟人化特征通过用户对虚拟数字人的态度和学习满意度的链式中介作用积极影响在线学习效果,拟人化到学习效果的中介路径之间存在遮掩效应;准社会互动对学习满意度有积极影响,而对学习效果存在负面作用。

面向新文科的高校图书馆未来学习中心设计要素探究

“新文科”的提出进一步推动了构建融通的学习环境、灵活的学习方式、个性化的学习支持体系,为图书馆人文学科服务带来新突破口。文章基于活动中心的分析和设计(ACAD)框架,运用扎根理论的研究方法,对42份我国高校新文科教育改革案例进行编码分析,探究面向新文科的高校图书馆未来学习中心设计要素。基于编码分析结果,构建面向新文科的高校图书馆未来学习中心要素关系模型,以期为高校图书馆未来学习中心建设提供借鉴。

本科层次职业学校与美国社区学院图书馆学习支持服务比较研究

建设本科层次职业学校是完善我国职业教育制度体系的重要举措,职业学校图书馆应积极履行为教学科研提供支持服务功能,加强图书馆服务体系建设,与学校发展同频共振。文章选取美国15所可授予学士学位的社区学院和中国首批15所本科层次职业学校图书馆网站作为样本进行调研,对其功能定位、服务类型、空间设施、开放程度和团队建设等学习支持服务进行对比分析。结果显示:中美两国职业教育类院校图书馆发展存在较大差异,本科层次职业学校图书馆应主动参与学校顶层设计方案、准确把握功能变革方向、高度重视信息素养教育、积极面向社会开展服务、不断提升团队服务质量,以充分发挥图书馆学习支持服务功能,建设职业教育特色服务体系,推动职业教育高质量发展。

计算机视觉技术赋能大学英语课堂展示中的学习投入研究

学习投入是预测学习者学习效果的重要指标,学术界对其与课堂展示间的相关性研究鲜有涉猎。文本以某综合性大学303名非英语专业本科生为研究对象,采用人工智能与计算机视觉技术模型YOLOv7对大学英语课堂中的课堂展示实录进行学习投入多模态数据分析,并辅以问卷调查,形成双向印证。研究发现,学生课堂展示中的行为投入、认知投入和情感投入值均等于或高于3.78,投入结果均值达4.01,说明学生在课堂展示中的学习投入情况良好。此外,不同时段课堂展示对学生行为投入的影响显著,学生专注度及参与度在课堂前10分钟的课堂展示中效果最佳。文本为课堂展示的有效性提供了智能化、多模态、多维度的实证支持,为课堂教学的数智技术应用提供了新视角。

《文艺学习》(1954—1957)与青年创作者的培养问题探究

中国作协主办的《文艺学习》杂志(1954—1957)是新中国成立初期唯一专门以辅导文学青年阅读和创作为目的的中央级刊物,刊物上各色栏目的设置体现了编辑部力图从全方位辅导和培养青年创作者的用心,但是在文学上先天不足的工农兵青年能否按照编辑部的设想而学习成长是值得思考的问题。在“文艺学习座谈”栏目中刊登的文章从不同侧面反映了当时的文学青年在文艺学习上存在的问题,涉及文学阅读、文学创作以及思想等方面,这些问题综合体现了培养青年文学创作者这一举措包含的矛盾性和复杂性,并以此为基准对文学青年培养的历史成果进行追问。

不同热处理蛋黄脂质对小鼠学习认知能力下降的缓解能力

为探讨不同温度处理下蛋黄脂质对小鼠学习认知能力下降的缓解能力的差异。本研究利用小鼠认知障碍模型,比较95℃(水浴30 min)和121℃(灭菌锅加热30 min)热处理蛋黄脂质组分改善小鼠学习认知能力的差异。研究结果表明,相较于121℃热处理的蛋黄脂质,95℃热处理的蛋黄脂质更有效地降低了Tau蛋白的磷酸化和Aβ1-40、GSK-3β表达,下调了促炎因子的表达,其提升小鼠的学习记忆能力的效果更好。95℃热处理蛋黄脂质中的多不饱和脂肪酸以及DHA较121℃热处理的蛋黄脂质显著增加(P<0.05)。因此,过度的加热条件,会破坏蛋品中DHA等多不饱和脂肪酸,削弱蛋黄脂质的改善认知的生物活性。本研究为蛋制品的热加工工艺的优化提供参考依据。

基于深度学习的教室照明系统研究与设计

针对传统传感器教室照明控制方式灵敏度差以及教室人员检测算法存在错检、漏检的问题,为了充分且合理利用教室照明设备资源,提出一种基于改进YOLOv5和区域定位的教室照明系统,该系统判定出教室人员所处的子区域,并生成照明设备的控制信息。通过在自制数据集训练、测试,并搭建LED点阵模拟教室照明,结果表明,YOLOv5的精度达到93%,召回率达到96%,可以准确实时地控制教室中的照明设备,系统具有更好的照明便捷性,更节能。

基于深度学习的高效率烤烟等级识别模型研究

烤烟的等级识别是烟草产业的一个关键环节,为了降低烟农烤烟分级劳动强度,减少主观因素,提高识别精度,需要实现烤烟的自动分级。研究了深度学习中多种卷积神经网络的多层特征提取方法,并基于ShuffleNetV2网络提出一种改进的网络模型(ShuffleNetV2_FTC)。ShuffleNetV2_FTC网络是将ShuffleNetV2网络的主干单元进行更改,并引入CBAM(Convolutional Block Attention Module)注意力机制和SiLU激活函数。应用该模型对27种类别的烤烟图像进行识别分类。该模型的最佳测试准确率为93.09%,检测帧率达到每秒15.3张。相对原模型获得了0.24%(0.5×)、6.06%(1×)和4.73%(1.5×)的准确率提升,每秒检测12.3张图片到15.3张图片的检测帧率提升。ShuffleNetV2_FTC网络结合机器视觉技术可以很好地识别烤烟等级,为优化烤烟的收购、烘干和加工等流程奠定基础。

深度学习在口腔影像分析中的应用

背景:近年来深度学习技术越来越多地被运用于口腔医学领域,提高了口腔影像分析的效率及准确率,推动了口腔智能医学的迅速发展。目的:基于口腔影像,阐述深度学习在口腔疾病诊断和治疗方案决策方面的研究现状、优势与局限性,探讨深度学习技术背景下口腔医学变革的新方向。方法:应用计算机检索PubMed数据库中2017年1月至2024年1月发表的深度学习在口腔医学影像领域应用的相关文献,检索词为“deep learning,artificial intelligence,stomatology,oral medical imaging”等,按入组标准筛选后最终纳入80篇文献进行综述。结果与结论:(1)经典的深度学习模型包括人工神经网络、卷积神经网络、递归神经网络和生成对抗网络等,学者们以或竞争或联合的形式运用这些模型,实现更高效的对口腔医学影像的解释。(2)在口腔医学领域,疾病诊断和治疗方案的制定在很大程度上依赖医学影像资料的判读,而深度学习技术拥有强大的图像处理能力,无论是在辅助诊断龋齿、根尖周炎、牙根纵裂、牙周病、颌骨囊肿等疾病方面,还是在辅助第三磨牙拔除术、颈淋巴结清扫术等治疗操作的术前评估方面,深度学习都能帮助临床医生提高决策的准确率与效率。(3)尽管深度学习有望成为口腔疾病诊治的重要辅助工具,但它在模型技术、安全伦理、法律监管方面仍有一定的局限性,未来的研究应侧重于证明深度学习的可推广性、稳健性和临床实用性,寻找将深度学习自动化决策支持系统应用于常规临床工作流程中的最佳方式。

机器学习预测肱骨近端骨折钢板内固定后继发性螺钉切出的风险

背景:继发性螺钉切出关节面是肱骨近端骨折锁定钢板内固定术后的主要并发症之一,切出的螺钉会磨损关节盂和引起肩峰撞击,影响肩关节功能。因此,准确的风险预测有积极的临床意义。目的:通过机器学习方法筛选肱骨近端骨折钢板内固定后继发性螺钉切出的风险因素,开发并验证风险预测模型,便于临床医生早期甄别并干预高风险患者。方法:收集2013年6月至2022年6月接受锁定钢板内固定治疗的214例肱骨近端骨折患者的临床资料作为训练组建立模型,将同一时间段另一医院收治的同类患者61例纳入外部验证组。按照患者术后是否出现继发性螺钉切出,分为螺钉切出组和螺钉维持组。训练组利用随机森林、支持向量机、逻辑回归3种机器学习算法构建预测模型;采用递归特征消除法、10折交叉验证重抽样作为变量的筛选方法,并将3种模型准确度最高时纳入变量的交集作为与螺钉切出高度相关的可靠风险变量。通过R语言软件构建动态预测模型,以网页计算器形式展示,并对模型进行内、外部验证。模型内部检验采用Bootstrap法重抽样1000次,使用受试者工作特征曲线下面积、校准曲线、临床决策曲线评价模型的区分度、校准能力及临床应用价值。通过Youden指数确定预测模型的最佳风险分界值,据此将外部验证组患者分为高、低风险组,根据模型风险预测能力的准确度来评价其稳定性和外延性。结果与结论:①机器学习算法筛选出继发性螺钉切出高度相关的4个风险变量,分别为肱骨近端内侧柱皮质支撑、三角肌结节指数、骨折类型及术后复位情况;②构建的风险预测模型表现出良好的区分度和准确度[曲线下面积=0.874,95%置信区间(0.827,0.922)],校准曲线显示模型预测风险和实际发生风险有较好的一致性;③临床决策曲线提示风险阈值概率在0.1-0.75范围内时,模型具有较好的临床适用性;④风险概率为26%是模型风险分层的最佳阈值,外部验证组利用模型风险分层预测螺钉切出的总正确率为84%;⑤结果说明该风险预测模型准确度和外延性较好,可为指导临床治疗提供依据。

机器学习识别LRRC15和MICB为类风湿关节炎的免疫诊断标志物

背景:类风湿关节炎是一种慢性的自身免疫性疾病,早期诊断对于预防疾病进展和治疗至关重要。因此探究类风湿关节炎的诊断特征和免疫细胞浸润具有重要意义。目的:基于Gene Expression Omnibus(GEO)数据库,通过机器学习算法,筛选类风湿关节炎潜在重要的诊断标记物,并探讨类风湿关节炎的诊断特征与免疫细胞浸润的关系。方法:从GEO数据库获取类风湿关节炎相关的滑膜组织的基因表达数据集,采用批量效应去除法对数据集进行合并,采用R软件进行差异表达基因的鉴定和功能相关性分析,通过生物信息学分析和3种机器学习算法进行疾病特征基因的提取,筛选出类风湿关节炎相关的关键基因。此外,对所有差异表达基因进行免疫细胞浸润分析,分析类风湿关节炎的炎症状态,并对其诊断特征与浸润性免疫细胞的关系进行研究。结果与结论:(1)在类风湿关节炎和正常滑膜组织中,获得了179个差异表达基因,其中124个基因表达上调,55个基因表达下调;(2)富集分析显示类风湿关节炎和免疫反应之间存在良好的相关性;(3)通过3种机器学习算法分析发现,LRRC15和MICB可能是类风湿关节炎潜在的标记物;(4)LRRC15(曲线下面积=0.964,95%CI:0.924-0.992)和MICB(曲线下面积=0.961,95%CI:0.923-0.990)在验证数据集上有着较强的诊断能力;(5)13种免疫细胞浸润发生改变,以巨噬细胞为主;(6)在类风湿关节炎中,免疫细胞功能的多数促炎途径被激活;(7)免疫相关性分析发现LRRC15和MICB与M1型巨噬细胞的相关性最强;(8)结果发现LRRC15和MICB被确定为类风湿关节炎潜在的诊断标记物,具有较强的诊断性能并且与免疫细胞浸润具有显著的相关性;通过机器学习及生物信息学分析加深了对类风湿关节炎免疫浸润的理解,为类风湿关节炎的诊断和治疗提供新的思路。

融合深度强化学习与算子优化的流式任务调度

针对实时性要求高和作业量大的流处理作业执行过程中,多个作业之间存在的相同处理片段可能会导致流处理引擎重复计算、资源浪费和处理性能低下的问题,提出了融合深度强化学习与算子优化的流式任务调度方法。首先利用算子优化算法将多个复杂的作业去重、重构,其次将重构得到的作业输入循环神经网络中得到任务的调度策略,最后利用强化学习模型进行调度策略的优化。所提方法利用算子优化减少了每个作业中创建的算子实例,结合深度强化学习自动发现最优的调度策略,有效地避免了因大量实例运行而造成的系统资源不足、数据拥塞等问题。对比实验结果表明,所提方法在吞吐量和延迟方面的表现更优异。

急性缺血性脑卒中预后预测研究的应用进展:以机器学习预测模型为例

急性缺血性脑卒中(AIS)具有高致残率、高病死率及高复发率等特点,给患者及社会造成沉重的负担。随着大数据时代的到来,预测模型在患者的诊治决策、预后管理以及卫生资源配置等方面的应用越来越多,其价值也愈发重要。机器学习方法是预测AIS患者预后的重要方法之一,且已广泛应用。本文以机器学习方法为重点,就AIS预后预测研究的最新进展予以综述,并提出机器学习预测模型目前所面临的问题与挑战,为AIS患者预后结局早期评估与预测在方法上提供新的思路和参考。