多种受体的Scatchard图的性质及RoSenthal和DeMeytS作图法进一步探讨

本文把Scatchard 公式推广到多种受体和一种特异性配体相互作用的情况,并得出在这一情况下Scatchard 图的几个有用的性质。在推广后的Scatchard 公式的截距和渐近线性质的基础上,推广了Rosenthal 作图法和De Meyts 作图法。

基于RoBERTa和图增强Transformer的序列推荐方法

自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明显劣势。为了更好地挖掘用户与商品之间的深层潜在特征,进一步提高推荐质量,提出一种基于Ro BERTa和图增强Transformer的序列推荐(RGT)模型。引入评论文本数据,首先利用预训练的Ro BERTa模型捕获评论文本中的字词语义特征,初步建模用户的个性化兴趣,然后根据用户与商品的历史交互信息,构建具有时序特性的商品关联图注意力机制网络模型,通过图增强Transformer的方法将图模型学习到的各个商品的特征表示以序列的形式输入Transformer编码层,最后将得到的输出向量与之前捕获的语义表征以及计算得到的商品关联图的全图表征输入全连接层,以捕获用户全局的兴趣偏好,实现用户对商品的预测评分。在3组真实亚马逊公开数据集上的实验结果表明,与Deep FM、Conv MF等经典文本推荐模型相比,RGT模型在均方根误差(RMSE)和平均绝对误差(MAE)2种指标上有显著提升,相较于最优对比模型最高分别提升4.7%和5.3%。

图计算体系结构和系统软件关键技术综述

图计算作为分析事物之间关联关系的重要工具,近年来已成为各国政府及公司争夺的关键技术.学术界和工业界在图计算体系结构和系统软件关键技术方面取得了一定进展.然而,现实场景图计算大多具有动态变化、应用需求复杂多样等特征.这给图计算在基础理论、体系架构和系统软件关键技术方面提出了新的需求,同时也带来了新的挑战.为应对这些挑战,科研人员提出了一系列图计算系统或图计算加速器,通过高性能计算、并行计算等技术来优化图计算过程.综述国内外图计算体系结构和系统软件关键技术的研究发展现状,对国内外研究的最新进展进行归纳、比较和分析,并结合国家发展战略和重大应用需求,选取与我国国计民生密切相关的领域,从典型应用分析总结图计算相关技术的行业进展.最后,就未来的技术挑战和研究方向进行展望.

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

基于图分级的水下有向传感器网络栅栏覆盖策略

栅栏覆盖问题近年来已成为水下传感器网络研究的热点,但水下有向传感器网络的栅栏覆盖问题尚未得到足够的重视。随机部署前提下的水下静态有向传感器网络的栅栏覆盖难度较大,因此目前关于该问题的相关研究成果较少。为弥补这方面研究的不足,该文提出一种基于图分级的有向传感器网络首次栅栏覆盖策略。首先,该策略深入研究了多种位置关系下两个相邻节点之间满足强(弱)连接的条件;其次,利用位置关系条件构建分级图,从中选取合适节点进行栅栏的首次构建。仿真实验结果表明:采用该算法对静态有向传感器网络进行栅栏首次构建在确保较高成功率的前提下采用的节点数更少,保证了较高的网络检测概率和较长的网络寿命。

鄂尔多斯活动地块及边界带1∶50万地震构造图编制

地震构造图是综合反映特定地区地震构造环境和地震活动水平的基础性图件,鄂尔多斯活动地块及边界带1∶50万地震构造图是国家重点研发计划“鄂尔多斯活动地块边界带动力学模型与强震危险性研究”项目的一个专题成果。该图以鄂尔多斯活动地块及边界带为编图范围,参照地震行业有关地震构造图编制标准和数据库标准,在系统收集和整理区域地理信息、地质、活动构造、地震、地球物理等资料的基础上,开展高分辨卫星影像解译,吸收项目最新研究成果,建设了编图所需的基础数据库;通过资料矢量化、地层界线修改、断层修改、图面修饰、图件复核等环节,编制成鄂尔多斯活动地块及边界带1∶50万地震构造图。该图反映了由银川盆地—贺兰山、弧形构造束、渭河盆地、山西地堑系、河套盆地等活动构造单元组成的鄂尔多斯活动地块边界带,以及相邻地块有关地震构造的最新资料,完善了鄂尔多斯地块及边界带活动构造几何学和运动学图像,建成了区域地震构造基础数据库。

基于异质图嵌入和会话交互的课程推荐模型

大规模在线教育平台所形成的网络具有数据量大、实体类型丰富、关系复杂等特性。一方面,在线教育正在被大力普及,而另一方面,在线课程却面临低使用率、低完成度及高辍学率的问题。个性化的课程推荐有利于提高学习者的学习积极性,其中,课程能否顺利合格完成是学习者在选课时所考虑的重要因素。鉴于此,提出一种基于学习完成度预测的个性化课程推荐模型。对学生的课程学习会话图进行建模,根据学生的课程学习顺序以及课程的完成情况,生成学生的学习状态表征;同时考虑在线学习环境因素对课程的影响,构建在线课程学习异质图,采用图神经网络生成异质图中课程节点的嵌入;然后通过交互机制融合学习状态表征和课程嵌入,预测学生下一门将学课程的完成度,根据完成度排序从而实现课程推荐。在CNPC、HMXPC和Scho1at3个大规模在线课程学习数据集上的实验结果表明,该模型能有效提升推荐的准确度,在归一化折损累计增益(NDCG)和平均倒数排名(MRR)2个指标上相较于基线模型最优结果均有显著提升,评估指标K值取5时,其NDCG@5指标在3个数据集上分别提升21.08%、17.73%和5.41%,MRR@5指标在3个数据集上分别提升25.66%、31.59%和26.96%。

基于知识图谱多集池化的健康状态智能评估方法

为了从装备传感器监测数据和其他关联数据中提取更全面的时间域和空间域特征信息,提出一种基于知识图谱多集池化的健康状态评估方法。构建了带时间标签的健康知识图谱,以建模装备一段时间内监测数据、部件组成数据和先验知识间的时空依赖关系。在此基础上,设计了图多集池化网络模型,该模型通过节点特征学习、第一级图池化、自注意力特征学习和第二级图池化能够生成图谱的整体向量表示,将健康状态评估转换为基于表示学习的图谱分类任务。在公开的发动机数据集上对所提方法进行了实验评价,结果表明,该方法能够获得较高的评估准确度,在小样本情况下也表现出良好的优势。

基于图神经网络的零件机加工特征识别方法

针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题,提出基于图神经网络的加工特征识别方法.通过压缩激励模块提取节点与邻接边的特征,构建节点级与邻接边级的双层注意力网络,分割每个节点对应的加工特征.该方法充分利用了零件模型的面特征与边特征,结合零件模型的拓扑结构,基于注意力机制对特征信息进行深度学习,可以有效地解决非面合并相交特征的识别问题.在多加工特征零件数据集上,将该方法与其他3种特征识别方法进行实验对比,在准确率、平均类准确率和交并比3项指标上均取得最优结果,识别准确率高于95%.

基于图常量条件函数依赖的图修复规则发现

数据一致性是数据质量管理的一个重要内容。为了提升图数据一致性,大量关系型数据库中的数据依赖理论被引入到图数据库,包括图函数依赖、图关联规则等。图修复规则是最新提出的一种针对图数据的数据依赖规则,具有强大的修复能力,但目前尚无有效的挖掘算法。为了自动生成图修复规则并提高图数据修复的可靠性,提出一种将图常量条件函数依赖转化为图修复规则的方法(GenGRR)。通过图模式在图中匹配同构子图并映射成节点-属性二维表,从表中相应属性域中抽取错误模式把图常量条件函数依赖转化成图属性值修复规则;删去图模式中常量条件函数依赖RHS对应的节点与相连边生成图属性补充规则。基于最大公共同构子图筛选并验证生成图修复规则的一致性。在多个真实数据集上进行测试,验证相比图常量条件函数直接修复图数据,通过转化生成的图修复规则具有更好的修复效果。

基于图卷积神经网络的节点分类方法研究综述

节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。

自适应相似图联合优化的多视图聚类

相比于单一视图学习,多视图学习往往可以获得学习对象更全面的信息,因而在无监督学习领域,多视图聚类受到了研究者的极大关注,其中基于图的多视图聚类,近年来取得了很大的研究进展.基于图的多视图聚类一般是先从各个视图原始数据学习相似图,再进行视图间相似图的融合来获得最终聚类结果,因此,多视图聚类的效果是由相似图质量和相似图融合方法共同决定的.然而,现有基于图的多视图聚类方法几乎都聚焦在视图间相似图的融合方法研究上,而缺乏对相似图本身质量的关注.这些方法大多数都是孤立地从各视图的原始数据中学习相似图,并且在后续图融合过程中保持相似图不变.这样得到的相似图不可避免地包含噪声和冗余信息,进而影响后续的图融合和聚类.而少量考虑相似图质量的研究,要么相似图构造和图融合过程是直接联立迭代的,要么在预定义相似图过程中提前利用秩约束进一步初始化,要么就是利用相似图存在的一些底层结构来获取融合图的.这些方法对相似图本身改进很小,最终聚类性能提升也十分有限.同时现有基于图的多视图聚类流程也缺乏对各视图间一致性和不一致性的综合考虑,这也会严重影响最终的多视图聚类性能.为了避免低质量预定义相似图对聚类结果的不利影响以及综合考虑视图间一致性与不一致性来提升最终聚类效果,本文提出了一种自适应相似图联合优化的多视图聚类方法.首先通过Hadamard积来获得视图间高质量一致性部分信息,再将每个预定义相似图和这部分信息对标,重构各个视图的预设相似图.这个过程强化了各视图间的一致性部分,弱化了不一致性部分.其次设计了相似图重构改进和图融合联合迭代优化框架,实现了相似图的自适应改进,最终达到相似图和聚类结果共同提升的效果.该方法将相似图改进过程与图融合过程联合起来进行自适应迭代优化,并且在迭代优化中不断强化各视图间的一致性,弱化视图间的不一致性.此外,本文的方法也集成了现有多视图聚类方法的一些优点,自加权以及无需额外聚类步骤等.在九个基准数据集上与八个对比方法的实验验证了本文方法的有效性与优越性.

眩晕患者冷热实验荚形图的结果可靠性分析

目的分析眩晕患者冷热实验荚形图类型,了解冷热实验结果的准确性及可靠性,为前庭系统功能评估提供更准确可靠的依据。方法总结分析眩晕诊疗中心2021年7月至2022年5月528例眩晕患者的冷热实验结果,按照荚形图形态及单侧反应减弱(unilateral weakness,UW)分为荚形图冷热对称组、左右对称组、单值显著异常组、双侧数值减下组以及荚形图形态不能分类组,通过比较不同组别UW的结果,对其进行解释及归纳,来辨识不可靠数据,从而减少不可靠数据对临床诊疗的干扰。结果冷热对称的荚形图(439例)表现为双侧前庭功能对称(273例)及一侧前庭功能减低(166例),同侧耳双温刺激冷热气刺激慢相角速度(SPV)差异无统计学意义(P>0.05);左右侧别对称荚形图(14例)包括双侧前庭功能对称(11例)和一侧减低(13例),同侧耳双温刺激SPV值差异有统计学意义(P<0.05);单值显著异常荚形图(36例)包括一侧前庭功能减低(25例)和双侧前庭功能对称(11例),同侧耳双温刺激SPV值差异有统计学意义(P<0.05);双侧数值减低荚形图(34例)可表现为双侧前庭功能对称(25例)及一侧减低(9例),同侧耳双温刺激SPV差异无统计学意义(P>0.05);荚形图形态不能分类(5例)提示干扰因素较多。结论冷热实验显示双耳外周前庭功能对称且正常时,要警惕荚形图中温度效应的存在,需考虑对灌注器的检视及灌注温度的校准;冷热实验提示一侧前庭功能减低时,要注意荚形图中单个数值显著增高或减低的情况,建议重复灌注,仍无改变时,建议重复另一耳此温度下的灌注,甚至重复整个冷热实验;冷热实验荚形图提示双耳外周前庭功能减低时,UW值不能真实反应双侧前庭功能的状态,可改用水灌注重复,并结合病史及其他辅助检查做出正确判断。荚形图的形态结合UW值来综合判断冷热实验的有效性有重要意义。

基于特征图像组合与改进ResNet-18的电能质量扰动识别方法

针对传统电能质量扰动(power quality disturbance,PQD)识别体系中单一图像特征信息受限与算法识别能力不足等问题,依据特征融合的思想,提出一种基于特征图像组合与改进ResNet-18的PQD识别方法。首先,对PQD信号进行变分模态分解(variational mode decomposition,VMD)得到一系列固有模态函数(intrinsic mode functions,IMFs)与残差分量;其次,将IMFs、残差分量、原始扰动信号与Subtract分量纵向拼接成分量矩阵,利用信号-图像转化方法生成特征分量彩色图;再次,对原始扰动信号进行连续小波变换(continuous wavelet transform,CWT)生成小波时-频图;最后,将特征分量彩色图与小波时-频图组合输入改进的六通道ResNet-18中训练学习并完成扰动识别。通过仿真对PQD识别方法进行分析并将其与目前常用识别体系进行比较。结果表明,所提方法具有较好的抗噪性能并且能够更好地提取PQD特征信息,达到更高的识别准确率。

利用网络等值进行图降维的图注意力暂态功角稳定评估模型

省级以上实际大电网节点众多,用于电网暂态稳定评估的深度学习模型输入特征空间面临维数灾,训练成本高且泛化能力难以保证,成为该类方法难以应用于实际大系统的一个瓶颈。针对这一问题,提出了一种面向稳控校核、利用网络等值进行图降维的图注意力深度学习暂态功角稳定评估模型。首先,建立全网发电机图,基于转子惯量等决定暂态功角稳定的关键参数构建其节点相似度,并利用节点相似度改进发电机图的边权重;作为一种领域知识嵌入方式,借鉴电网动态等值思路,对待研究稳控系统所涉及区域以外的网络部分,基于发电机图和分层聚类算法进行分区,将所形成分区对应成等效节点形成降维发电机图,并建立原图到降维图节点、边权重参数的映射,实现对原输入空间的降维。最后,以降维图作为输入建立图注意力深度学习模型,实现对复杂网络的暂态功角稳定评估。在南方电网某实际稳控系统算例上进行对比分析,验证了模型的有效性及准确性。

基于GPlates平台的深时地质图编图方法研究

地图是人类对地理事物的符号化表达。通过视觉符号语言,地图能够实现复杂空间信息的传递。从最早的地图出现至今,地图经历了由追求空间位置的精确性、表达内容的客观性、表达范围的广阔性,到地图表达的多层级、多维度、多类型的转变。随着信息技术的快速发展,地图的展示形式也发生着变革,由原来的平面静态图到现在的多元动态图,这种连续的、动态的地图表达方式.

基于最省刻度尺构造极小优美图的图论方法

[目的]利用最省刻度尺的已有研究成果研究极小优美图的构造方法.[方法]对任意正整数n≥2,在长度是n的无刻度直尺上最少刻多少个刻度,就能度量1-n的所有长度,这就是最省刻度的尺子问题.给定正整数n,存在m个整数组成的集合{a_(i)},满足0=a_(1)<a_(2)<…<a_(m)=n,使得任意整数s(0≤s≤n)均可表示成该集合中两个元素的差a_(j)-a_(i),则称{a_(i)}为n上的受限差基.根据极小优美图和受限差基的定义,将极小优美图问题等效为最省刻度尺问题进而得到极小优美图的构造方法.[结果]由n≥5时K n不是优美图和n≥1时图K 4+K n,n是优美图的结论,得到了边数是6至82的极小优美图顶点数的上下界;用构造方法给出了图K_(3)∨K 1,3,n-3 e,K_(3,n)∨K_(3-e)和K_(2,3,n)∨K_(3)-7e的优美标号,从而证明了这三类图都是优美图,并且当0≤n≤9时,K_(3)∨K_(1,3,,n)-3 e和K_(2,3,n)∨K_(3)-7e都是极小优美图,当0≤n≤8时,K_(3,n)∨K_(3-e)都是极小优美图,由此给出了29组最省刻度尺的刻度值.[结论]最省刻度尺可以为构造极小优美图提供新的研究思路.

基于超声列线图预测甲状腺良性结节微波消融后残留

目的观察基于超声的多因素logistic回归模型列线图预测甲状腺良性结节微波消融(MWA)后残留的价值。方法回顾性纳入101例接受超声引导下MWA的甲状腺良性结节患者(共133个结节),根据MWA后1个月超声造影(CEUS)所见分为残留组(n=21)与无残留组(n=112)。比较组间MWA前甲状腺良性结节超声表现,将差异有统计学意义者纳入多因素logistic回归分析,筛选MWA后残留的独立预测因素,并绘制可视化列线图。以受试者工作特征曲线及其曲线下面积(AUC)评估列线图预测MWA后残留的区分度,以Hosmer-Lemeshow拟合优度检验评估其校准度。结果超声显示消融存在风险及结节体积均为甲状腺良性结节MWA后残留的独立预测因素(P均<0.05),提示消融风险高[OR=17.637(2.528,123.019)]及体积大的甲状腺良性结节[OR=1.297(1.155,1.457)]MWA后残留风险更高。所获列线图预测甲状腺良性结节MWA后残留的AUC为0.756,Hosmer-Lemeshow检验显示拟合度较好(P=0.401)。结论超声显示消融风险高及体积较大甲状腺良性结节MWA后残留风险较高;基于所获列线图可简便、有效地预测上述风险。

《南岭成矿带成矿规律图》研编创新点及其找矿意义

由中国地质科学院矿产资源所编制出版的《南岭成矿带成矿规律图(1∶80万)》,是迄今为止矿种最全、资料最新、信息量最大的全面反映我国南岭勘查成果与成矿规律的区带级别(Ⅲ级成矿单元)成矿规律图。该图件研编实现了4大创新点:①涵盖了南岭已发现的2903处独立矿产地,包括能源、金属、非金属和水气矿产等4大类的76个矿种,实现了南岭成矿带矿种与矿产地的全覆盖;②归并了地质底图的地层并淡化显示,突出华南岩体、隐伏岩体的特色,使得不同构造—建造层地质单元的分布格局一目了然;③实现了矿产地、规模、类型、时代、成矿系列五位一体的综合图例设计,矿产地表达更简洁、直观;④综合成矿系列图、表、成矿体系图、剖面图等,以区域规律图编制的新思路和新方法,更集中反映和彰显南岭成矿带最新科研成果。该图件的研编有助于直观展示南岭成矿带矿产的时空分布格局,深入总结成矿规律,科学圈定重要找矿远景区,对于全面指导南岭的地质找矿工作具有重要的意义。

结合密度图回归与检测的密集计数研究

针对基于检测以及基于密度图两种主流的密集计数方法中,基于检测的方法召回率较低、基于密度图的方法缺失目标物体位置信息的问题,将检测任务与回归任务相结合后提出一种基于密度图回归的检测计数方法,可以实现对密集场景中目标物体的计数以及定位,对两种方法进行优势互补,在提高召回率的同时,实现标定所有目标物体的位置信息。为提取出更加丰富的特征信息以面对复杂的数据场景,网络提出特征金字塔优化模块,该模块纵向融合底层高分辨特征与顶层抽象语义特征,横向融合同尺寸的特征,丰富目标物体的语义表达;考虑到密集计数场景中目标物体所占像素比例较低的问题,提出一种针对小目标的注意力机制,通过对输入图像构建掩膜以增强网络对目标物体的注意力,从而提高网络的检测敏感性。实验结果表明,所提出方法在保持准确率基本不变的情况下,大幅度提高了召回率,同时可准确标定目标物体位置,有效提供输入目标图像的计数以及定位信息,在工业以及生态等各种领域具有广泛的应用前景。