基于条件独立性检验的非稳态因果发现方法

非稳态时间序列数据之间的因果关系发现是非常重要但极具挑战的问题。现有的工作主要假设观察数据随着时间或领域发生变化。上述假设使得相关方法需要引入时间或领域作为先验知识,无法应用于分段稳态的非稳态场景。因此,提出了一种基于条件独立性检验的非稳态因果关系发现算法。首先使用变化点检测方法来识别非稳态变化的时间点,然后将上一步的时间点进行区间划分,用基于条件独立性检验的时序因果关系发现算法推断局部稳态因果结构。在仿真和真实世界数据上的实验证明了该方法的有效性。

本科分流培养模式下药物发现中关键技术新课程的构建

培养一流人才、服务国家战略是“双一流”建设的重要指导思想。面向国家对药学高层次人才的需求,中山大学药学院对高年级本科生实施药物化学、药理学、药剂学三大方向的分流培养。目的是强化学生对学科发展前沿的把握,提升学生对药学基础知识的综合运用以及解决问题的能力,激发学生的创新能力。以药物发现中的关键技术课程为例,文章介绍在药物化学方向下建立配套课程的设计思路及教学内容、教学方法与教学成效,为药学精英人才培养提供新思路。

基于非稳态加性噪声模型的因果发现算法

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

上海市儿童罕见病登记数据库建设和阶段性数据总结

目的总结上海市儿童罕见病登记数据库建设方案,并回顾性分析数据库中已收录患儿的人口学特征和疾病谱等资料,明确儿童罕见病病种分布特征,为建设高水平专病队列及系统管理罕见病患儿提供基础数据支持。方法基于国家罕见病注册系统病种目录以及各病种数据集,建成联通医院信息系统的区域儿童罕见病登记数据库,对数据库中患儿数据进行描述性研究分析。结果数据库1期共收录2008—2021年诊断的6341例罕见病患儿,覆盖109种疾病。门诊和住院患儿占比分别为59.4%(3764例)和40.6%(2577例),男女性别比为1.36︰1;占比较高的病种主要包括朗格汉斯细胞组织细胞增生症(11.3%)、家族性扩张型心肌病(7.9%)、血友病(5.5%)和神经纤维瘤(5.4%)等。伴随高通量测序技术的广泛应用,明确诊断的儿童罕见病患者数量逐年增加,>80%的患儿在10岁之前可获得明确诊断。结论本研究建立了同时纳入门诊和住院患儿的罕见病登记数据库,描述了儿童患者的疾病谱和人口学特征,并反映出中国近年来在这一领域的进步。该研究将为进一步纳入更多罕见病病种,并多中心建设更高水平儿童罕见病数据库提供基础数据。

重叠社区发现算法评价指标综述

重叠社区发现算法对于理解复杂系统、发现复杂网络中隐藏的规律等具有很强的应用价值,而评价指标是算法发现高质量重叠社区的一个关键要素,算法的进步常常依赖于评价指标的进步。现有研究对非重叠社区发现算法的评价指标有较多的总结,而没有对重叠社区发现算法的评价指标进行总结。对重叠社区发现算法的评价指标进行了系统的总结和回顾,将指标分为事先知道社区结构、事先不知道社区结构和其它三大类。事先知道社区结构的评价指标包括基于混淆矩阵、基于ARI、基于NMI三个子类评价指标,事先不知道社区结构的评价指标包括基于模块度、基于密度、基于元数据三个子类评价指标,其它类主要介绍算法可扩展性评价指标。深入理解各种评价指标对于开发和优化重叠社区发现算法、在实际应用中发现高质量社区具有重要价值。

基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明:所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。

具身何以认知——对为何有“做”而没有“学”的历史与理论考察

“做中学”在实践中往往会变成有“做”而没有“学”。在对百年教育改革进程中“做中学”的初衷、异化与乱象进行回顾的基础上,引入认知的具身观点,把“为何有做而没有学”这一现实难题转化为“具身何以认知”这一科学问题,从基于共同编码假说的具身模拟、作为预测器的内部前向模型、扩展想象和行动空间的技术具身之工具合并机制的认知具身三大边界条件出发,对“做中学”为何会变成“有做而没有学”以及如何才能实现“有做亦有学”进行了历史与理论的双重考察。如果说“做中学”以希望开始以失望结束,“发现学习”试图对“做中学”作出超越但最终也归于失败,那么“创中学”基于认知的具身观点则真正实现了对“做中学”和“发现学习”的扬弃与超越,最终实现了“动手”和“动脑”的统一,真正让“做中学”的理想走进教育的现实。可见,“做中学”是正题,“发现学习”是反题,“创中学”则是合题,而这一正反合的三段论隐喻了教育学思想发展与理论建构的辩证统一。

社区参与中的资源发掘路径探析——以F街社区互助会为例

社区居民有效参与的实现与呈现,相当依赖于可动用的社区资源。在我国社区治理中,普遍存在居民参与不力的现象或问题,且与参与资源匮乏密切相关。从资源视角出发,分析社区参与主体的资源相互依赖关系,探讨社区参与中的资源发掘路径,有助于破解社区居民参与困境。研究发现,拓展资源枢纽型组织的资源发掘路径、利用政府在社区资源配置中的主导性地位、建构多元化与多层次的社区资源供给体系,是缓解社区参与不足、最终走出社区参与困境的可行路径。

基于Transformer网络多模态融合的密集视频描述方法

针对目前的密集视频描述模型大多使用两阶段的方法存在效率较低、忽略音频及语义信息,描述结果不全面的问题。提出了一种基于Transformer网络多模态和语义信息融合的密集视频描述方法。提取自适应R(2+1)D网络提取视觉特征,设计了语义探测器生成语义信息,加入音频特征进行补充,建立了多尺度可变形注意力模块,应用并行的预测头,加快模型收敛速度,提高模型精度。实验结果表明:模型在2个基准数据集上性能均有很好的表现,评价指标BLEU4上达到了2.17。

面向知识结构分析的模糊概念格模型

知识空间理论使用数学语言对学习者进行知识评价与学习指导,属于数学心理学的研究范畴.技能与问题是构成知识空间的两个基本要素,深入研究两者之间的关系是知识状态刻画与知识结构分析的内在要求.在当前的知识空间理论研究中,没有明确建立技能与问题之间的双向映射,从而难以提出直观概念意义下的知识结构分析模型,也没有明确建立知识状态之间的偏序关系,不利于刻画知识状态之间的差异,更不利于规划学习者未来的学习路径.此外,现有的成果主要集中在经典的知识空间,没有考虑实际问题中数据的不确定性.为此,将形式概念分析与模糊集引入知识空间理论,建立面向知识结构分析的模糊概念格模型.具体地,分别建立知识空间与闭包空间的模糊概念格模型.首先,建立知识空间模糊概念格,并通过任意两个概念的上确界证明所有概念的外延构成知识空间.引入粒描述的思想定义技能诱导的问题原子粒,由问题原子粒的组合判定一个问题组合是否是知识空间中的一个状态,进而提出由问题组合获取知识空间模糊概念的方法.其次,建立闭包空间模糊概念格,并通过任意两个概念的下确界证明所有概念的外延构成闭包空间.类似地,定义问题诱导的技能原子粒,由技能原子粒的组合判定一个技能组合是否是闭包空间中某一知识状态所需的技能,进而提出由技能组合获取闭包空间模糊概念的方法.最后,通过实验分析问题数量、技能数量、填充因子以及分析尺度对知识空间与闭包空间规模的影响.结论表明知识空间模糊概念不同于现有的任何概念,也不能从其他概念派生而来.闭包空间模糊概念本质上是一种面向属性单边模糊概念.在二值技能形式背景中,知识空间与闭包空间中的状态具有一一对应关系,但这种关系在模糊技能形式背景中并不成立.

SL-tgStore:新的时序知识图谱存储模型

为了解决时序知识图谱的存储问题,提出结合快照和日志模式的时序知识图谱存储模型SL-tgStore.模型由若干时间桶组成,每个时间桶由一系列的时间窗口组成.在首个时间窗口引入初始快照作为时序知识图谱存储和处理的基本单元,在接下来的时间窗口存储为增量日志.提出相应的阈值来确定初始快照的生成,即生成一个新的时间桶,以达到初始快照数量与增量日志数量的平衡,并提出临时快照生成算法.所提模型能够有效解决快照存储模式消耗内存大,日志存储模式查询效率低的问题.为了对SL-tgStore模型进行高效查询,在此基础上提出4种索引结构.在4个真实数据集上进行实验,理论研究与实验结果表明所提出的SL-tgStore存储模型具有高效性.

融入武装部队的鲸鱼优化算法用于社区发现

针对于鲸鱼优化算法(WOA)多样性不足、两搜索阶段信息交流效率低、不平衡的问题,这里借用武装部队协同作战机理,提出一种新的WOA用于社区发现。为解决包围捕食阶段多样性不足的问题,引入“邻居潜力”学习模型,提高WOA的全局搜索能力和学习广度;为解决两捕食阶段信息交流效率的低问题,提出鲸鱼指挥官领导的气泡网捕食,确保搜索信息能有效利用;为解决两种捕食机制不平衡的问题,采用改进的学习自动机引导鲸鱼种群向有希望区域移动。同时,考虑到复杂网络社区发现是离散问题,提出了一种基于拓扑特性的新编码离散演化规则。最后,通过真实数据集测试并与其他算法比较,结果表明,该算法相较于对比算法具有更优的寻优能力,验证了算法的有效性。

商品期货市场套期保值与价格发现功能关联机制研究——基于市场流动性与参与者结构视角

基于市场流动性与参与者结构视角,探究在商品期货市场发展中套期保值与价格发现功能关联机制,并使用2011年1季度—2022年4季度大连商品交易所12个品种的面板数据进行实证检验。结果表明:期货市场价格发现功能通过市场流动性中介促进套期保值功能,而参与者结构调节期货市场功能关联强度;农产品期货市场的套期保值功能发挥整体较强,工业品期货市场的功能关联较强。为此,建议期货市场在提高市场流动性的同时优化参与者结构,进一步促进期货市场功能协同发挥。

描写的政治:卢卡奇与朗西埃论《包法利夫人》

福楼拜的名著《包法利夫人》是现实主义和现代主义文学的重要过渡,其写作上的重要特色之一在于频繁的描写,这甚至影响到了叙述的进程。卢卡奇对于福楼拜及自然主义作家对描写的倚重进行了批判,认为他们违背了亚里士多德的“行动诗学”,且有损作品的有机性;在政治上,描写的泛滥则体现了资产阶级对于现实斗争的旁观和冷漠,对于前途的悲观。朗西埃从当代激进政治的视野出发,却对《包法利夫人》中的描写颇为赞赏,认为它体现了一种等量齐观的美学民主,是对亚里士多德暗含等级制的摹仿/再现美学的反叛,是对现有感性分配秩序的扰乱,从而导向一种新的差异政治。同样属于西方马克思主义学者,朗西埃与卢卡奇的观点却针锋相对。通过对比,有助于更深刻地把握二者的思想和福楼拜的创作。二者思想隐含的不同“摹仿观”,也有助于我们更深入地理解西方美学和文学。

基于批数据过采样的中医临床记录四诊描述抽取方法

中医临床记录四诊描述抽取对中医临床辨证论治的提质增效具有重要的应用价值,然而该任务尚有待探索,类别分布不均衡是该任务面临的关键挑战之一。该文围绕中医临床记录四诊描述抽取任务展开研究,首先构建了中医临床四诊描述抽取语料库;然后基于无标注的中医临床记录微调通用预训练语言模型实现该模型的领域适应;最后利用小规模标注数据,采用批数据过采样算法,完成中医临床记录四诊描述抽取模型的训练。实验结果表明,该文提出的抽取方法的总体性能均优于对比方法,并且与对比方法的最优结果相比,该文方法将少见类别的抽取性能F1值平均提升了2.13%。

基于知识网络特征的产业关键共性技术识别模型与实证研究——以新一代信息技术产业为例

[目的/意义]构建产业关键共性技术识别模型并进行实证研究,为产业技术创新布局提供参考。[方法/过程]从技术领域和技术主题两个层面,探索知识网络特征与产业关键共性技术特征的关系:将技术领域共现网络中具有相似性质的节点集合作为产业共性技术领域;根据网络中节点的结构位置,计算技术主题特征指标,最终筛选出产业关键共性技术。[局限]该模型未考虑不同国家或地区之间技术竞争与布局的差异,后续研究将进一步探讨。[结果/结论]本文以新一信息技术产业为例,识别出8个共性技术领域和20个技术主题。本文研究模型从专利文献内容和技术发展规律两个方面综合考量,确保了模型及其结果的科学性、合理性和可靠性。

谷子基因组学研究进展

作为古老的驯化作物之一,谷子在中国北方的干旱和半干旱地区广泛种植。谷子是重要的杂粮作物,其籽粒富含蛋白质、糖类、维生素等营养物质,具有C4光合、小的二倍体基因组、抗逆、适应性强等特点。自2012年谷子基因组测序项目完成以来,谷子已经进入了基因组学时代。谷子基因组学的发展可以分为3个阶段:结构基因组、功能基因组、比较基因组。二代测序技术的出现,使得基于测序的基因分型和全基因组关联分析极大地推动了谷子遗传学的研究。在健康中国战略的时代背景下,谷子已成为改善居民膳食结构和推动有机旱作高质量发展的优势作物。近年来,谷子产业发展呈上升趋势,但品种选育方面缺乏突破,不能满足现代有机旱作需求,主要原因在于谷子育种仍然依托传统育种手段。谷子基因组学的发展为分子育种奠定了基础,文章综述了谷子全基因组测序历史与现状、遗传转化体系的研究进展以及基于谷子全基因组序列发掘基因资源取得的成果。谷子功能基因组学与传统育种技术的有机结合必将促进高效、精准谷子育种体系的构建,加快突破性谷子品种的培育,满足产业发展和消费者的需求。

512层螺旋CT薄层扫描结合计算机人工神经网络对小肠病变的诊断价值研究

目的:运用图像识别和图像描述技术,研究512层螺旋CT薄层扫描结合计算机人工神经网络在小肠病变诊断上的应用价值。方法:建立基于ResNet 101、Faster R-CNN、LSTM的小肠CT图像识别描述人工神经网络模型,采用ResNet 101和Faster R-CNN联合提取图像特征信息进行ROI融合建立图像编码,采用LSTM进行图像解码输出CT图像诊断报告。设计11个病变图像特征标签,选择我院2020年1月—2022年1月行512层螺旋CT薄层扫描病例材料1572套,材料覆盖正常图像及出血、炎性息肉等9种病变类型,按7∶3随机分为训练组和测试组,对模型进行训练并展开性能测试,评价模型输出的CT诊断文字报告质量、诊断准确率及病变部位提取正确率。结果:文字报告质量评分为(4.0325±0.684)分,出现错误评估项样本占比0.8%,仅语句结合约35%存在不合理现象;各病变类型诊断准确率均在97%左右,仅腺癌存在轻微的诊断为腺瘤性息肉现象,整体病变类型诊断正确率97.17%;病变部位正确识别提取率99.43%。结论:基于ResNet 101、Faster R-CNN、LSTM建立人工神经网络模型,进行小肠512层螺旋CT扫描图像的诊断识别,可准确定位图像病变部位,根据病变部位图像特征准确进行病变类型诊断,并就11个CT图像特征进行文字化描述,输出符合医师阅读理解的图像诊断报告,并发现部分医师人工阅片遗漏错误的地方,可为医师提供更为丰富、有效、准确的CT图像诊断信息,有利于医师作出正确的诊断。

基于关联规则的中医药知识发现——以肺病医案为例

[目的/意义]中医医案作为重要的医疗资源含有大量的数据与信息,深度挖掘中医医案,围绕医案内容进行知识发现,有利于隐性知识的发掘,提高中医临床诊疗的效率与医疗服务的精准性。[方法/过程]以实地肺病医案为数据源,基于统计分析与关联规则的方法对中医医案内容进行挖掘,以咳嗽为主证为出发点,挖掘相关中医用药规律与临床症状以及症—药规律,探究关联规则分析在中医药知识发现方面的创新应用。[结果/结论]本地治疗咳嗽的高频药物包括炙甘草、杏仁、半夏、川贝母、茯苓、陈皮等,舌诊症状以苔薄白、苔薄黄、舌红、舌暗红、有齿印等为常见。基于Apriori算法的关联规则分析显示常见的药物配伍为丹参,桔梗—炙甘草、柴胡,桔梗—炙甘草、前胡,枳壳—桔梗等;舌诊症状以薄淡黄—舌暗红、有齿印—舌暗红、苔薄腻淡黄—有齿印等组合为强关联组合,苔薄淡黄—舌暗红症状组合的强关联药物有桔梗、炙甘草、丹参、白前等。咳嗽患者的类型有外感咳嗽与内伤咳嗽,涉及风热证、痰湿证、阴虚证、肺气虚证、痰热壅肺证等证型。

基于实体知识的远程监督关系抽取

为了降低远程监督关系抽取标记数据的噪声,提出一种融合实体描述和自注意力机制的远程监督关系提取模型,模型基于多示例学习,考虑到实体知识和位置关系的综合作用,采用词、实体、实体描述和相对位置的拼接向量作为模型输入,将分段卷积神经网络作为句子编码器,结合改进的结构化自注意力机制,捕捉特征内部相关性,并构造头实体和尾实体的差向量作为注意力机制的监督信息,为句子分配权重。在纽约时报数据集上的实验结果表明,与已有模型相比,本文模型的性能指标均达到最大值。