粒子群算法优化的广义回归神经网络求解流形学习样本外点问题

目前流形学习已成功应用于降维和数据可视化领域,但在监督分类中的应用效果并不理想,解决好样本外点问题对其应用效果至关重要。基于此,采用粒子群算法优化广义回归神经网络计算测试样本的低维嵌入,获得的结果可直接用于分类。借助粒子群算法的全局搜索能力对处理样本外点问题具有较好的预测性能;在使用糖尿病、虹膜和声呐三个公开数据集的实验中,粒子群算法优化广义回归神经网络的分类总体精度分别为77.63%、100%和88.89%,优于其他8种分类方法,表明该算法可行、有效;同时,该算法能显著降低数据复杂度,提高了预测、模式分类和机器学习的准确性。

一种利用对抗样本提高抽取式阅读理解模型效果的方法

抽取式阅读理解是自然语言处理的重要任务,需要机器在阅读理解自然语言文本的基础上,从中抽取给定问题的答案(输入文本中的片段),并在问题不可回答时拒绝回答.这种不可回答情况的存在使机器阅读理解更具有挑战性,特别是在输入文本含有似是而非文本片段时,现有模型很容易将这样的片段混淆为问题答案,进而错误判断问题的可回答性.为了进一步提高抽取式机器阅读理解模型的效果,本文将SQuAD 2.0数据集中的似是而非答案看成对抗样本,将其既作为答案文本片段抽取的正例,也作为问题可回答性的负例,在现有模型答案交叉熵损失的基础上增加排序损失.在SQuAD 2.0上进行的实验表明,本文方法可以提高现有模型的阅读理解能力,明显提升可回答性判断及答案文本片段抽取的效果.

针对样本类不平衡的深度残差网络电力系统暂态稳定评估方法

系统的量测数据可能受到噪声以及样本类分布不平衡问题的影响,导致基于数据驱动的暂态稳定评估模型性能下降。提出一种针对样本类不平衡的的深度残差网络电力系统暂态稳定评估方法。首先,利用改进过采样技术为滤除噪声的少数类样本构造所需的新样本,改善样本类不平衡问题,并减少噪声的影响;然后,基于深度残差网络构建电力系统暂态稳定评估模型,解决梯度消失导致的模型性能退化问题,提高模型的鲁棒性和准确性;最后,在新英格兰10机39节点和47机140节点系统上的仿真结果表明,所提方法能减小噪声干扰、降低不平衡数据集所带来的影响和减少计算复杂度。

基于解耦的小样本目标检测方法研究

针对小样本激化的目标检测耦合问题,以高价值空中目标为研究对象,提出一种基于解耦的小样本目标检测算法。首先,在区域候选网络中引入梯度调整层,强化区域候选网络,缓和任务耦合问题。其次,将目标检测头拆解成分类和回归两个分支,在前端添加无参平均注意力模块,缓和特征耦合问题。所提算法可以提高小样本目标检测性能,增强对新类的检测能力。实验结果表明,所提算法在1、2、3、5、10样本实验中均表现最佳,平均精度分别达到32.5%、35.6%、39.6%、41.2%和57.4%。相较于两阶段微调方法,所提算法检测性能大幅度提高,能够解决在小样本激化的耦合矛盾下网络检测能力下降的问题,提升对小样本高价值空中目标的检测精度。

基于问题驱动的单元起始课教学设计——以“有限样本空间与随机事件”为例

以问题驱动为主要策略,预设问题主线,通过对随机现象的分析构建研究随机现象的路径并抽象概率研究的对象.通过复习初中知识,发现重构随机事件概念的必要性.围绕抽象核心概念随机事件,通过系列探究对比活动,巩固有限样本空间在整个概率单元学习中的重要地位.

概率问题常见考点赏析

考点1:古典概型古典概型是一种最基本的概率模型,其具有两大特征:一是样本点的有限性,二是每个基本事件发生的等可能性。例1某产品的三个质量指标分别为x,y,z,用综合指标S=x+y+z评价该产品的等级。若S≤4,则该产品为一等品。现从一批该产品中,随机抽取10件产品作为样本,其质量指标列表,如表1所示。

抗生素抗药性问题对生猪养殖业的挑战与对策

1抗生素在畜牧业中的应用背景在我国,抗生素在畜牧业中的应用较为广泛,主要用于促进动物生长和预防疾病,若泛滥使用,将产生抗药性问题。近几年,在政府的引导和管理下,畜牧业的抗生素使用呈显著下降趋势。2017~2020年,抗生素的使用量大幅度减少。2017年,我国养殖场消耗的抗生素为41 800吨,而2020年下降至32 500吨。我国在第14个五年计划期间持续实施相应措施,以保持动物产品中抗生素使用量持续下降,并确保超过98%的产品样本达到标准。

体外诊断试剂临床试验样本管理的问题及对策

我国体外诊断试剂的研发与产业化正飞速的发展,产品类型各异,进入临床试验的产品越来越多,为保证体外诊断试剂的安全及有效性,对于体外诊断试剂临床试验的规范性和数据质量的要求越来越严格。本文通过查阅文献、结合现行法规及具体实际,以体外诊断试剂临床试验用样本为重点,从试验准备阶段方案设计、试验阶段样本筛选使用、收尾阶段样本处理,浅谈体外诊断试剂临床试验样本管理存在的问题及应对措施,以期为完善我国体外诊断试剂临床试验样本的监督管理提供借鉴。

生物样本研究数据环境与受试者隐私保护伦理问题

传统生物医学研究中对受试者身份的保护,常通过一系列机制措施来实现,如仅以聚合形式发布数据、将可识别变量去除后再作信息公开等,其旨在对目标对象的健康信息进行保密性处理。此类隐私保护被视为医学研究伦理最基本的原则之一,其确切执行则有利于维系研究受试者与社会公众的信任和支持。当前遗传学与基因组学研究广泛采用此类传统隐私保密模式,然而其在基因研究层面的普遍适用性不乏争议,且尚待考证。当前的隐私风险评估,亟需将整个"数据环境"纳入考虑,并不能仅孤立的局限于数据披露公开层面的质量管理。随着涉人研究数据资源的飙增,基因数据公开问题倍受关注,特别是涉及隐私保护的问题。本文围绕上述核心问题在数据环境、数据入侵者、数据主体隐私等方面展开论述,并就数据主体身份公开的控制、主体身份识别的风险及主体隐私的保护等层面进行相关性分析,以期为当前人体生物样本受试者的隐私保护及伦理审查实践提供参考。

利用Gabor小波变换解决人脸识别中的小样本问题

提出了一种在人脸识别中解决小样本问题的新算法。通过把人脸图像经过Gabor小波变换后得到的每个图像都看成是独立的样本,大大增加了每一类人脸样本的样本数,解决了人脸识别中的小样本问题。专门针对人脸特征向量组,设计了使用白化变换后余弦距离测度的最近邻分类器来进行分类判决。在FERET人脸库中,对该方法与直接PCA方法进行了实验比较,结果表明,新方法的平均正确识别率可以达到97%,比直接PCA方法具有更好的识别性能。

使用稀疏加权平均脸及对称脸解决单样本问题

在人脸识别中,传统有效的鉴别分析方法需要更多样本评估类内散度信息。由于人脸的单样本问题,导致某些经典的方法如Fisherface和Eigenface等失效,解决的方法通常是生成各种虚拟样本来扩充训练集以实施这些算法。针对这个问题,根据人脸的对称相似理论,人脸样本的相关变化信息可以从它的对称脸上提取,提出组合原始训练样本及它的虚拟平均脸、对称脸作为训练样本集,应用稀疏理论进行加权积分融合,分两步进行识别的方法,并在ORL和FERET人脸数据库做了对比实验。实验结果表明,该方法比现有一些突出效果人脸识别方法更好,并具有一定的鲁棒性。

一种适用于小样本问题的基于边界的特征提取算法

特征提取技术是模式识别领域进行数据降维和强化判别信息的有效方法．线性判别分析是监督特征提取方法的典型代表,获得广泛应用,但受到小样本问题的制约．对此提出一种适用于小样本问题的基于边界的特征提取算法．算法利用高维数据小样本情况下线性可分概率增加以及其低维投影趋于正态分布的特点,定义了新的类别边界,不但考虑了由线性判别分析提出的类内、类间离散度,也兼顾各类别的方差差异性．通过极大化该边界获得最优投影向量,同时避免因类内离散度矩阵奇异导致的小样本问题．进一步将算法推广到多类问题．高光谱数据特征提取与分类实验表明,算法在小样本情况下对于两类和多类问题均具有良好的推广性能,优于多种线性判别分析的改进算法,并且在样本较多时也取得了满意结果．

多项选择随机化调查的多样本模型——敏感性问题调查方法(Ⅲ)

敏感性问题调查中常会碰到问题回答为多项选择的情况 ,本文介绍多样本调查模型 .

数量特征敏感问题加法模型分层二阶段抽样样本大小研究及其应用

【提要】目的为敏感问题复杂抽样调查提供科学的样本大小估计公式。方法使用哥西不等式、求条件极小值点等方法，从数学上推导出样本大小计算公式。对北京市男男性行为人群进行了预调查，为计算正式调查的样本大小估计出相关统计量的数值。结果对敏感问题加法模型分层二阶段抽样，推导出在限定抽样误差的值使调查费用达到最小和限定调查费用的值使抽样误差达到最小时所需的样本大小估计公式；在北京市男男性行为人群正式调查中，在限定抽样误差V（μ^-）的值V=0．0105使调查费用达到最小，第一层（15～29岁）需抽取的区县数n11=7（个），平均每个区县需抽取的男男性行为者人数为n21^-=115人；第二层（30～49岁）需抽取的区县数n12=7（个），平均每个区县需抽取的男男性行为者人数为n22^-=107人。结论本文提供的数量特征敏感问题加法模型分层二阶段抽样调查样本大小估计公式，具有较大的理论意义和实际应用价值。

人体微生物研究和样本库建设中的伦理问题及对策

目前,生物样本研究在伦理、法律和社会层面引起了学术界的广泛关注及争议,针对研究过程中所涉及的受试者的隐私保护问题、知情同意问题、利益共享问题及结果信息反馈问题展开了讨论,并就信息库管理、利益共享及公平性层面进行相关性分析,提出以下措施:完善预防措施,尊重区域文化,反馈结果信息及成果回报,落实保障机制,加强内部培训。

试论主成份分析法中样本信息的损失问题

主成份是多元统计分析中的一个重要概念，通过样本主成份与原样本指标的相关分析，从理论上探讨了主成份分析法中样本信息的损失量。

多项选择敏感性问题的一样本调查方法——随机化调查方法IV

本文介绍多项选择敏感性问题采用一个样本调查时的一般理论 ,和一种简单易行的实际操作方法。

探讨药物临床试验生物样本流通环节常见问题及风险前置化管理措施

目的:回顾性分析药物临床试验生物样本流通环节的常见问题和原因,探讨风险前置化管理措施。方法:总结2012年7月~2019年12月本院临床试验质控过程中发现的生物样本流通环节的问题,分析原因并提出可行的风险前置化管理措施。结果:本院已结题的78项临床试验项目质控记录表共计236份,包含44个生物样本流通环节的问题。其中,生物样本相关知情同意问题2个(2/44,4.55%)、样本采集环节问题16个(16/44,36.36%)、样本处理环节问题8个(8/44,18.18%)、样本保存和运输/转运环节问题16个(16/44,36.36%)、生物样本人类遗传资源管理问题2个(2/44,4.55%)。其可能原因包括:样本管理人员未按照方案和样本管理的标准操作规程(standard operating procedure,SOP)处理样本、样本分析相关仪器设备未及时校准和受试者依从性差等。根据可能原因,共提出7条可行的前置化风险防范措施。结论:样本采集、保存和运输环节的问题是临床试验生物样本流通环节最常见的问题,采取风险前置化管理措施,并结合临床试验的全过程质控,可进一步提高临床试验生物样本流通的管理水平,保证临床试验的质量。