基于视网膜图像疾病检测大模型的可迁移性验证

迁移学习通过整合源领域模型知识,优化目标领域的模型性能。但在医学领域中不同病种之间存在差异,甚至某些病种在源机构标注训练集中从未出现,这构成了典型的开放场景下的迁移学习问题,此外由于部分数据难以获取,以大批量标注来进行二次训练的工作存在困难。医学影像基础大模型的出现为这些问题提供了一种潜在解决方案,这些基础大模型是基于海量的数据进行预训练,具备强大的特征提取和学习能力,可以将其作为迁移学习的起点,将源领域的知识迁移到目标领域。基于视网膜影像疾病诊断基础大模型,从疾病种类、疾病位置、模型迁移方法的跨任务迁移能力及外部测试的跨中心迁移能力4个方面对其进行了可迁移性的验证,展示了其在解决开放场景下医学迁移学习问题中的潜力和价值,为医学影像分析技术的发展和应用提供了新的思路和方法。

基于多模式仿真数据协同迁移的轴承故障辨识

针对目前迁移诊断算法对训练样本规模与质量的依赖性,以及在特殊工况环境中进行轴承故障数据采集与标注的困难性问题,提出基于多模式仿真数据协同迁移的轴承故障诊断方法。首先,采用实际工况参数嵌入的轴承故障动力学模型生成各类故障模拟数据,解决实际故障样本不足与标签缺失问题。然后,根据在仿真数据可迁移模式分析基础上建立多个子源域,引入几何统计联合对齐法对各子源域进行无监督迭代迁移,克服了单一模式迁移信息不足与跨域特征差异度过大引起的负迁移问题。最后,采用优化模糊积分决策融合方法对迁移迭代中的多模式特征伪标签进行协同分配,逐步提高目标域标签的可信度与迁移模型的域适应能力。试验结果表明,该文所提方法以故障仿真数据为驱动,无需实测标签数据的引导迁移,就可实现轴承各类故障的准确辨识。该方法对工况环境变化及目标域样本大小具有较好鲁棒性,在非完备数据支撑的高端轴承故障诊断领域具有较好应用前景。

促进“远距离迁移”的语文教学策略

在文本特质教学中,迁移运用可以分为“近距离迁移”和“远距离迁移”。前者具有外铄性、典型性、外显性、低阶性的特点,后者具有内摄性、非标准化、内隐性、高阶性的特点。促进“远距离迁移”的教学策略主要有:由“有支架”过渡到“无支架”,由“相似情境”过渡到“迥异情境”,由“座中学”过渡到“做中学”,由“结构良好环境”过渡到“结构不良环境”,由“单值对应式训练”过渡到“立体复合式训练”。

移动边缘计算场景下针对资源竞争的服务迁移优化方法

针对移动边缘计算(MEC)场景中边缘服务器资源受限导致服务迁移存在资源竞争的问题,基于Lyapunov技术和博弈论,提出了一种针对资源竞争的服务迁移优化方法OMRC-LG。考虑到系统迁移成本有限且当用户数量过多时难以进行轨迹预测,将服务迁移问题建模为迁移成本约束下的最优化问题,并利用Lyapunov技术将最优化问题转化为不需要预测用户轨迹的在线问题处理。为了缓解资源竞争,提出了一种基于博弈论的分布式方法求解在线问题,通过共享用户服务迁移决策以获取准确的边缘服务器可用资源,并不断更新迁移决策,实现服务迁移优化。仿真结果表明,OMRC-LG方法在满足迁移成本约束的同时,降低了平均服务时延。

球磨纳米生物质炭在饱和多孔介质中的迁移与滞留机制

利用球磨纳米生物质炭模拟老化产生的纳米生物质炭,通过一维柱迁移试验研究了不同背景溶液离子强度(IS)、pH和流速对球磨纳米生物质炭在饱和多孔石英砂介质中迁移与滞留行为的影响,并运用对流弥散模型拟合穿透与滞留曲线得到沉积速率系数等运移参数,结合DLVO理论研究影响作用机制。结果表明:背景溶液IS降低,pH和流速升高,球磨纳米生物质炭的迁移率明显提高。这是由于在低IS和高pH条件下,球磨纳米生物质炭和石英砂的电负性增加,从而增强了两者之间的静电斥力,同时球磨纳米生物质炭之间具有更好的分散性,有助于球磨纳米生物质炭的迁移;在高流速条件下,球磨纳米生物质炭在石英砂柱中的滞留时间因为平流扩散而减短,同时水流剪切作用力增大不利于颗粒在石英砂上的吸附,有助于球磨纳米生物质炭的迁移。

基于人口自由迁移流动的基本公共服务均等化研究

基本公共服务均等化是实现全民共同富裕的前提,也是中国式现代化的基础目标之一。人口的自由迁徙不仅是中国式现代化中人全面发展的显著标志,也是实现中国式现代化基本公共服务均等化以及共同富裕的重要途径。基本公共服务与人口迁移流动的空间差异都具有阶层性特征。基本公共服务的空间差异主要表现为不同等级地域基本公共服务的区域性和阶层性差异。人口迁移流动对推动不同等级地域基本公共服务均等化具有直接和间接的双重作用。推动不同等级地域基本公共服务均等化,不仅要加快城市化进程,更要提高农村基本公共服务水平。要推进城乡融合发展,优化市场体制机制,畅通人口迁移流动渠道,促进人口自由迁移流动,使人口迁移流动在推动基本公共服务均等化过程中发挥更大作用。

《逻辑与思维》学习中负迁移的系统分类、成因分析及纾解路径

《逻辑与思维》学习中频发的负迁移,主要可分为逻辑概念负迁移、逻辑规则负迁移、逻辑错误负迁移和逻辑方法负迁移。该现象由教材表述抽象、学生认知局限和教师教学针对性不足等因素所致。对此,教师可通过引导知识网络建构,重视新旧知识的过渡、比较与整合,推动有效学习促进知识内化,因势利导地纠正错误,促进学用结合等路径,帮助学生纾解负迁移,进而发展逻辑思维能力,提升学科核心素养。

在具体情境中培养迁移能力

学习中的迁移是指一种学习对另一种学习的影响,举一反三、触类旁通都是迁移。例如,在幼儿园学到的礼貌用语,在家或其他地方也会使用。当然,迁移不仅包括积极影响的正向迁移,还包括消极影响的负向迁移,我们这里所讲的是正向迁移。正向迁移是能力获得、问题解决和习惯养成的基础。美国逻辑学家哈斯凯尔(Haskell)曾将迁移分为从低到高的六个水平。

深度学习视域下高校学生信息类课程学习迁移能力的培养策略——以农业信息技术课程为例

学习迁移能力的培养是促进学生思维能力发展的一种有效手段,也是当前教学改革中迫切需要解决的关键问题。针对目前高校信息类课程教学中存在的问题,该文基于农业信息技术课程对学生学习迁移能力的需求,顾及影响学习迁移的多种因素,对高校学生学习迁移能力的培养策略进行探讨。研究结果为农业信息化专业的教学改革提供一定的借鉴意义。

面向机器人系统的虚实迁移强化学习综述

近年来,基于环境交互的强化学习方法在机器人相关应用领域取得巨大成功,为机器人行为控制策略优化提供一个现实可行的解决方案.但在真实世界中收集交互样本存在高成本以及低效率等问题,因此仿真环境被广泛应用于机器人强化学习训练过程中.通过在虚拟仿真环境中以较低成本获取大量训练样本进行策略训练,并将学习策略迁移至真实环境,能有效缓解真实机器人训练中存在的安全性、可靠性以及实时性等问题.然而,由于仿真环境与真实环境存在差异,仿真环境中训练得到的策略直接迁移到真实机器人往往难以获得理想的性能表现.针对这一问题,虚实迁移强化学习方法被提出用以缩小环境差异,进而实现有效的策略迁移.按照迁移强化学习过程中信息的流动方向和智能化方法作用的不同对象,提出一个虚实迁移强化学习系统的流程框架,并基于此框架将现有相关工作分为3大类:基于真实环境的模型优化方法、基于仿真环境的知识迁移方法、基于虚实环境的策略迭代提升方法,并对每一分类中的代表技术与关联工作进行阐述.最后,讨论虚实迁移强化学习研究领域面临的机遇和挑战.

电子舌和气相色谱-离子迁移谱技术分析炖煮时间对松茸鸡汤风味的影响

以雅江鲜松茸为试验材料,采用电子舌和气相色谱-离子迁移谱技术,使用主成分、正交偏最小二乘法判别分析,结合相对气味活度值分析炖煮时间对松茸鸡汤风味的影响。结果表明:鲜松茸对鸡汤滋味贡献很大,电子舌鲜味强度值从2.1提高到8.0。采用GC-IMS方法共检出45种化合物,加入松茸后醛类含量从47.88%下降到21.13%,由ROAV值(128.08)确认3-甲基-1-丁醇是松茸鸡汤的关键化合物。其中,伞花烃、3-辛醇、正辛醇是松茸鸡汤的特征化合物,使松茸鸡汤呈现独特的汽油味、苔藓清香、坚果香味、蘑菇气味和金属气味。炖煮5 min后,鸡汤中松茸特征风味最明显,达到最佳食用效果。研究结果为雅江松茸鸡汤风味特征研究提供参考。

在深度理解中正迁移,在多维比较中结构化——以“图形的放大和缩小”教学为例

一、在深度理解中正迁移迁移分为正迁移和负迁移,只有正迁移才能对后续的学习有真正的促进作用。对知识的深度理解、真正掌握才是实现正迁移的有效途径。在“图形的放大和缩小”教学中,教师有效利用学习迁移,使学生充分利用已有经验,在独立自主、合作互学中实现知识迁移,有效达成学习目标。

基于迁移学习的苹果落叶病识别与应用

为解决现有卷积神经网络苹果叶片病害识别模型泛化能力弱,模型体积较大等问题,该研究提出一种基于改进MobileNetV3苹果落叶病识别模型。以健康叶片和常见苹果落叶病为研究对象,包括斑点落叶病、灰斑病、褐斑病、锈病4种,每种病害2级,共9类特征,通过改进网络的注意力模块、全连接层及算子,结合迁移学习的训练方式,构建苹果落叶病识别模型。在扩充前后的数据集上对比不同的学习方式、学习率和注意力模块等对模型的影响,验证模型的识别性能。试验结果表明:采用迁移学习的方式,在训练50轮达曲线收敛,比全新学习的准确率增加6.74~10.79个百分点;使用引入的ET(efficient channel attention-tanh)注意力模块,网络损失曲线更加平滑,模型的参数量更少,模型体积减小了48%,提高了模型的泛化能力;在扩充数据集上,学习率为0.000 1时,结合迁移学习的训练方式,改进MobileNetV3(ET3-MobileNetV3)苹果落叶病识别模型,平均准确率能达到95.62%,模型体积6.29 MB。将模型部署到喷药设备上,可实现基于苹果叶片病害识别的变量喷施,该研究可为苹果叶片病害的检测与果园的现代化管理提供参考。

土壤中微塑料:类型、载体效应、迁移行为和潜在风险综述

微塑料(microplastics,MPs)作为一种新兴污染物,广泛存在于土壤中,并不断迁移转化,对土壤生态系统和生物多样性产生潜在风险。为了全面评估土壤MPs的环境风险,加强MPs污染的风险管控,讨论了土壤环境中MPs的类型,系统阐述了土壤MPs的载体效应和迁移行为,并从微生物、植物、动物以及人类四个方面综述了土壤MPs的潜在风险。土壤中MPs并不是单独存在的,MPs的潜在风险一方面来自其本身(颗粒和添加剂)的生物毒性,另一方面是其对共存污染物(有机污染物、重金属和致病菌等)的载体效应。在非生物(淋溶、重力)和生物等作用下,土壤中的MPs时刻都在经历着复杂的迁移过程,从而加剧了其对土壤生态系统的影响。由于粒径小,MPs很容易进入食物链并层层传递,从而对不同营养级生物的正常生理活动产生不利影响,包括影响土壤动植物的新陈代谢,生长,发育和繁殖。此外,MPs不仅在环境中存在,而且也在人体中被发现。MPs可通过饮食、呼吸或皮肤接触等途径进入人体,从而对人体可能产生一系列不良反应。虽然目前仍没有足够的证据证明MPs对人体的直接危害,但其潜在风险仍不容忽视。探讨了土壤MPs污染治理的策略,并对未来土壤微塑料污染的研究方向和重点进行了展望。研究将有助于加深人们对土壤微塑料污染的认识,并为更好地开展微塑料的毒理效应研究和风险评估提供科学线索和理论参考。

基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究

随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测。首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了“负迁移”,提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型。仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法。同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法。

基于电晕放电电离源的双迁移管离子迁移谱检测仪

离子迁移谱(IMS)在单一正、负离子模式下检测时易出现漏检或误检。本研究通过开发小型双路离子门控脉冲控制电路,研制了一台以电晕放电为电离源,具备同时检测正、负离子功能的双迁移管IMS检测仪。通过优化气体流速、迁移管温度和热解吸温度等关键参数,检测了黑索金、甲基苯丙胺及三硝基甲苯(TNT)的取代产物2,4-二氨基-6-硝基甲苯。结果表明,该仪器能够同时检测正、负离子,在正、负离子模式下对2,4-二氨基-6-硝基甲苯的检出限分别为200、260 pg。

CircFOXK2通过miR-588/FBXW5轴调节非小细胞肺癌的增殖、迁移和侵袭

目的探讨CircFOXK2通过miR-588/FBXW5轴对非小细胞肺癌(NSCLC)增殖、迁移和侵袭的影响。方法实时荧光定量PCR(qRT-PCR)、Western blot分别检测NSCLC细胞A549、正常人支气管上皮细胞NHBE中CircFOXK2、miR-588、FBXW5表达;将si-NC、si-CircFOXK2、si-CircFOXK2+inhibitor NC、si-CircFOXK2+miR-588 inhibitor分别转染至A549细胞记为为si-NC组、si-CircFOXK2组、si-CircFOXK2+inhibitor NC组、si-CircFOXK2+miR-588 inhibitor组,未做任何处理的A549细胞记为NC组。双荧光素酶报告基因实验验证CircFOXK2、miR-588、FBXW5关系;Western blot检测A549细胞FBXW5、上皮钙粘附素(E-cadherin)、神经型钙粘附蛋白(N-cadherin)、波形蛋白(Vimentin)蛋白水平;CCK-8法检测A549细胞增殖情况;流式细胞术检测A549细胞凋亡;Transwell检测A549细胞侵袭、迁移数量。结果与miR-NC+WT-FOXK2组比较,miR-588 mimic+WT-FOXK2组A549细胞的荧光素酶活性显著降低(P<0.05),而miR-588 mimic+MUT-FOXK2组A549细胞的荧光素酶活性较miR-NC+MUT-FOXK2组无显著改变(P>0.05);与miR-NC+WT-FBXW5组比较,miR-588 mimic+WT-FBXW5组A549细胞的荧光素酶活性显著下降(P<0.05),miR-588 mimic+MUT-FBXW5组较miR-NC+MUT-FBXW5组A549细胞的荧光素酶活性无显著差异(P>0.05)。与NHBE细胞相比,A549细胞中CircFOXK2、FBXW5水平显著上调(P<0.05),miR-588表达量显著下调(P<0.05)。与NC组、si-NC组相比,si-CircFOXK2组A549细胞CircFOXK2表达量、FBXW5、N-cadherin、Vimentin蛋白水平、OD450值、迁移、侵袭细胞数量显著降低(P<0.05),A549细胞miR-588表达量、E-cadherin蛋白水平、细胞凋亡率显著升高(P<0.05);与si-CircFOXK2组、si-CircFOXK2+inhibitor NC组相比较,si-CircFOXK2+miR-588 inhibitor组FBXW5水平、OD450值、A549细胞迁移、侵袭细胞数量以及N-cadherin、Vimentin蛋白水平显著上升(P<0.05),miR-588表达量、A549细胞凋亡率、E-cadherin蛋白水平显著下降(P<0.05)。而miR-588下调减弱了沉默CircFOXK2抑制A549细胞增殖、迁移和侵袭的有利影响;CircFOXK2靶向调节miR-588/FBXW5轴。结论沉默CircFOXK2可能通过上调miR-588来抑制FBXW5表达,进而对NSCLC细胞增殖、迁移和侵袭产生影响。

四川省不同学历流动人口的省内迁移空间格局、影响机制及迁移模式

近年来,不同学历流动人口的迁移决策及其差异逐渐显现,流动人口内部已经分化出高学历流动人口与低学历流动人口两大群体,高学历流动人口数量的上升促进了流动人口省内迁移趋势的增强.四川省是西部地区人口流出大省,近年来省内迁移人口呈现增长趋势,其人口迁移具有典型性.因此,基于2017年中国流动人口动态监测调查数据,运用迁移流、变异系数和logistic回归对四川省不同学历流动人口的省内迁移空间格局、影响因素进行分析,提出四川省不同学历人口的省内迁移模式.结果表明:1)成都市对省内高学历流动人口与低学历流动人口的集聚效应明显,并且对高学历人群的集聚效应更强,其影响的辐射范围更广;除成都以外的其他地级市仅对低学历流动人口产生弱集聚效应,高学历流动人口对其没有明显偏好.2)低学历流动人口更倾向于跨省迁移,而高学历流动人口更倾向于省内迁移,并且大学专科学历人群与省内跨市迁移之间存在明显的相关性.3)高学历人群与低学历人群的迁入意愿均会受到个体因素与区域因素的影响,低学历人群受个人发展因素的影响较大,区域因素对其影响较小;而高学历人群受心理融入因素与区域发展因素的影响均显著.整体而言,高学历人群对城市发展的关注程度高于对个人发展的关注程度.

下调METTL5通过Wnt/β-catenin信号通路抑制三阴乳腺癌细胞增殖、迁移与侵袭

目的探讨甲基转移酶5(methyltransferase-like 5,METTL5)在三阴乳腺癌(triple-negative breast cancer,TNBC)中的作用和潜在机制。方法采用免疫组织化学方法和Western blot检测TNBC肿瘤组织和细胞系中METTL5的表达情况。用靶向METTL5的shRNA(shRNA-METTL5)转染TNBC细胞后,用CCK-8、集落形成、伤口愈合以及Transwell实验分别检测细胞增殖活性、迁移与侵袭,Western blot检测Wnt/β-catenin信号关键蛋白的表达。构建异种移植瘤模型,验证敲降METTL5对TNBC细胞在体内生长以及Wnt/β-catenin信号活性的影响。结果METTL5在TNBC肿瘤组织和细胞系中表达上调(P<0.01)。敲降METTL5可抑制TNBC细胞的增殖、迁移和侵袭并降低了Wnt/β-catenin信号分子β-catenin、细胞周期蛋白(Cyclin)D1、基质金属蛋白酶(MMP)-2和MMP-7的表达(均P<0.01)。体内实验显示,敲降METTL5减缓了移植瘤生长和Wnt/β-catenin信号活性。结论敲降METTL5能抑制TNBC细胞的增殖、迁移与侵袭,其作用可能与抑制Wnt/β-catenin信号通路有关。

基于迁移学习与残差网络的快递包裹X光图像识别

针对快递包裹违禁物品识别存在种类繁多、依赖人力和X光图像获取难度大等问题,为提高快递包裹违禁物品识别的效率和准确度,本研究提出一种迁移学习与残差网络相结合的快递包裹X光图像识别方法(TL-ResNet18)。首先构建了相似度高的源领域数据集和目标领域数据集;其次,选用ResNet18作为预训练模型,调整初始化参数结构,并将ResNet18学习到的内容作为初始化参数迁移到目标领域,实现快递包裹X光图像分类;最后,将相同数据集作为三种模型的输入并对结果进行对比。实验结果表明,TL-ResNet18模型的局部微调和全局微调的识别准确率分别为93.5%、95.0%,相比于ResNet18模型提高了7%、8.5%,且精确度、召回率和F1值都优于ResNet18模型,该方法性能更优,且不受小型数据集对深层网络训练的限制,有利于快递包裹X光图像识别的智能化发展。