以制度型开放创新为核心 高标准高质量推进中国(新疆)自贸试验区建设

在我国自贸试验区建设十周年之际,2023年10月国务院印发了《中国(新疆)自由贸易试验区总体方案》,正式批准设立中国(新疆)自由贸易试验区,使新疆成为我国第22个自贸试验区,也是我国西北边境地区首个自贸试验区。文章深入研究分析了新疆自贸试验区设立的重大意义,并就自贸试验区在拉动我国经济增长和实现高质量发展中的作用,制度创新在自贸试验区打造一流营商环境、提升现代产业国际竞争力等方面所发挥的作用和影响,以及制度型开放创新与逆全球化背景下深入实施自贸试验区提升战略的关系等问题进行了全面分析与思考。在此基础上,就如何以高水平开放为引领,以制度创新为核心,高标准高质量建设新疆自贸试验区提出了思路与对策建议。

融合选择性稀疏采样的细粒度图像分类

常用的细粒度分类方法通过提取局部信息学习细粒度特征,容易忽视周围环境因素影响问题,造成分类精度下降.针对这一问题提出了一个简单有效的框架,称为选择性稀疏采样.通过类峰值响应产生稀疏注意定位有信息的对象部分,根据图像内容选择动态数量的稀疏注意,生成判别性和补充性两个分支进行视觉表示,使得特征部分和全局信息相辅相成.对于容易产生混淆的部分,引入了一个“梯度增强”损失,只关注每个样本的混淆类,为补充性分支提供更多的细节特征.通过实验结果表明,该方法在常用数据集的基准测试中分别达到了88.6%,92.8%和94.8%的精确度,验证了该方法的有效性.

基于分层表示和上下文增强的类摘要生成技术

代码摘要是源代码的自然语言解释,高质量的代码摘要有助于提高开发人员程序理解效率.近年来,代码自动摘要的研究集中在为方法粒度的代码片段生成摘要.然而,对于面向对象的语言,例如Java,类才是项目的基本组成单元.基于上述问题,提出一种基于分层表示和上下文增强的类摘要生成方法HRCE(hierarchical representation and context enhancement),并构建了一个包含358 992个?Java类,上下文,摘要?数据对的类摘要数据集.HRCE使用代码精简策略去除类的非关键代码,从而缩短代码长度.然后,对类的层次结构,包括类签名、属性和方法分别进行建模,获得类的语义信息和层次结构信息.此外,从项目中抽取父类的签名及摘要来刻画类在项目中依赖的上下文.实验表明,基于分层表示和上下文增强的生成模型能够表征代码的语义和层次结构,并可以从目标类的内部和外部获取信息. HRCE在BLEU,METEOR,ROUGE-L等评估指标上超过了所有基准模型.

基于空间域与频域特征自适应融合和类间边界区域增强的三维海马分割

目的海马萎缩是诊断阿尔茨海默病等诸多精神疾病的临床重要标志,因此准确分割海马是一个重要的科学问题。随着深度学习的发展,人们提出了大量先进的自动分割方法。然而,由于MRI中各种噪声的影响以及海马不同类别之间不清晰的边界,三维海马分割仍然具有挑战性。因此本文旨在提出新的自动分割方法来更精确地分割海马头、体、尾。方法为了克服这些挑战,本文提出了两个策略。一种是空间域与频域特征自适应融合策略,通过快速傅立叶变换和卷积自动选择合适的频率组合,减少噪声对特征提取的影响。另一种是类间边界区域增强策略,它允许网络通过加权每个类之间边界区域的损失函数来增强对边界区域的学习,以达到精确定位边界和调节海马头、体、尾大小的目的。结果在50例青少年大脑MRI数据集上进行的实验表明,我们的方法实现了较先进的海马分割,海马头、体、尾相较于现有的方法都取得了一定的提升。消融实验证明我们提出的两种策略有效,我们还在260例Task04_Hippocampus数据集上验证了网络具有强大的泛化能力,说明本文提出的方法可用于更多的海马分割场景。结论我们提出的方法可以帮助临床医生更清楚地观测海马萎缩,并完成更精确的病情诊断和追踪。

基于特征空间增强重放和偏差校正的类增量学习方法

网络不断学习新的知识时会遭受灾难性遗忘,增量学习方法可通过存储少量旧数据重放以实现增量学习的可塑性与稳定性的平衡.然而,存储旧任务的数据会有内存限制及隐私泄露的问题.针对该问题,文中提出基于特征空间增强重放和偏差校正的类增量学习方法,用于缓解灾难性遗忘.首先,每类存储一个中间层特征均值作为其代表的原型,并冻结低层特征提取网络,避免原型“漂移”.在增量学习阶段,存储的原型通过几何平移变换增强重放的方式维持先前任务的决策边界.然后,通过偏差校正为每个任务学习分类权重,进一步纠正方法分类偏向于新任务的问题.在4个基准数据集上的实验表明文中方法性能较优.

基于双向特征融合的输电线路异常目标检测

背景复杂、目标尺度变化大、数据集不均衡等是导致输电线路异常目标误检、漏检以及检测精度低的主要原因。因此,提出一种增强特征提取网络,有效减少特征提取过程中的信息丢失,更好保留小目标特征信息。使用通道优化与空间优化模块进行双向特征融合,以适应目标的多尺度变化,减少复杂背景信息的干扰。使用均衡采样与自适应类抑制损失,提高少数类别的检测精度,解决输电线路数据不平衡的问题。在输电线路异常目标检测任务中,检测精度达到90.5%,对困难场景有较好的检测效果。

《英国工人阶级状况》中的技术诠释思想及其对理解新质生产力的启示--以人类增强为视域

将“人类增强”的对象从人体移至社会肌体,则技术创新也可视作此肌体的一种自我“增强”。在这种视域下,《英国工人阶级状况》的技术诠释展现出如下特点:一是以新技术发明所代表的生产力增强为切入点,解释英国阶级关系和城乡关系的变迁,进而凸显英国社会结构的急剧变化;二是从技术化的物质生产出发,对工人阶级的物质生活状况以及这种生活在精神层面的反映进行考察,揭示科技革命作为一种社会增强,其所引发的工业革命必然对社会肌体自身的意识形态和文化传统造成冲击;三是在此基础上,考察新技术发明导致资本主义竞争关系的产生,并带来诸如社会冲突、垄断和生态危机等一系列难题。恩格斯的技术诠释思想表明,技术在推动资本主义社会发展的同时,也激化了社会矛盾,带来诸多发展问题。要言之,资本主义的社会增强,并不是一种真正的增强。与传统生产力以依靠资金投入、高耗能、社会问题多发为特点不同,新质生产力不仅注重通过科技创新推动生产力增强,而且同时也注重化解发展中的矛盾,是传统生产力的跃升,是创新生产力、融合生产力、绿色生产力。

高阶层更维护社会分层:家庭社会阶层对大学生就业选择的影响

研究基于社会支配理论,探讨了家庭社会阶层如何影响大学生在扩大/缩小社会分层就业岗位中的选择。研究1以265名大学生为研究对象,使用严格控制额外因素的测量工具,考察了社会支配倾向在家庭社会阶层与就业岗位选择之间的中介作用。研究2以471名大学生为研究对象,通过实验法考察了贫富差距归因的调节作用。结果表明,家庭社会阶层越高的大学生,其社会支配倾向越高,也越倾向于选择扩大(而非缩小)社会分层的岗位;促使大学生对贫富差距进行外归因,可以降低高阶层的社会支配倾向,进而削弱家庭社会阶层通过社会支配倾向对就业选择的影响。

融合类增强与多尺度自适应的小样本学习方法

为了解决小样本学习存在特征信息提取不足、难以准确地捕获局部明显特征信息的问题,提出了一种融合类增强与多尺度自适应的小样本学习方法。首先在特征的层面上对图像进行类增强,通过将特征图的每次激活与其邻域相关联来编码丰富的语义结构,使提取后的类内特征明显,更利于当前的分类任务。其次通过多尺度特征生成来提取不同尺度上图像特征的低层表示。最后对每个尺度上的语义相关矩阵进行权重分配与相似元素最大化计算查询图像与各支持集类别图像之间的语义相似度,多尺度信息进行融合后,对目标图像进行分类。在5-way 1-shot和5-way 5-shot设置中,该方法在miniImageNet数据集上的均值平均精度(mean Average precision,mAP)分别为56.83%和75.76%,在常用细粒度图像数据集Stanford Cars和CUB-200-2011分类基准上分别达到了79.33%和93.92%、66.33%和85.78%,均优于现有方法的最好结果。

DFE3D:双重特征增强的三维点云类增量学习

随着点云采集技术的发展和三维应用需求的增加,实际场景要求针对流动数据持续动态地更新点云分析网络.对此,提出了双重特征增强的三维点云类增量学习方法,通过增量学习使点云目标分类技术能够适应新数据中不断出现新类别目标的场景.该方法通过对点云数据特性和旧类信息的研究分别提出了差异性局部增强模块和知识注入网络,以缓解类增量学习中的新类偏好问题.具体而言,差异性局部增强模块通过感知丰富的局部语义,表征出三维点云物体中不同的局部结构特性.随后,根据目标中每个局部结构的全局信息获得各个局部的重要性权重,强化对差异性局部特征的感知,从而提高新旧类特征差异性.另外,知识注入网络将旧模型中的旧知识注入新模型的特征学习过程中,增强后的混合特征能够更有效缓解旧类信息不足导致的新类偏好加剧现象.在三维点云数据集ModelNet40,ScanObjectNN,ScanNet,ShapeNet上的实验表明,该方法与现有最优方法相比,在4个数据集上的平均增量准确率有2.03%、2.18%、1.65%、1.28%提升.

内卷“胜出者”真的幸福吗?——自我增强价值观对主观社会阶层和主观幸福感关系的调节作用

以18049名14~35岁人群为调查样本,分析自我增强价值观对主观社会阶层与主观幸福感关系的影响。结果显示,主观社会阶层正向预测主观幸福感,但这一关系受自我增强价值观的负向调节:在高主观社会阶层群体中,持有高自我增强价值观的个体其主观幸福感相对较低,体验到更少的积极情绪、生活满意度,以及更多的消极情绪;该调节作用的中介因素是基本心理需要满足。研究结果表明,高社会阶层幸福感更高,但是如果个体自我增强价值观过强,可能使其忽视内在心理需要的满足,最终导致即使在内卷中“胜出”也并不幸福。鉴于价值观之间的竞争关系,要加强青年社会主义核心价值观的内化,抑制过于重视功利化的自我增强价值观,缓解内卷,提升幸福感。

基于对比层级相关性传播的由粗到细的类激活映射算法研究

以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系,利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码,找到影响模型决策的重要性区域,再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数,从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明,相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外,该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务,对困难样本进行学习,可以有效提高网络识别的准确率,进一步验证了CF-CAM算法的有效性和优越性。

融合自注意力机制的入侵检测数据生成方法

针对传统入侵检测领域由于数据不平衡而出现少数类检测率低的问题,设计了一种基于条件生成对抗网络和CatBoost算法的数据生成模型(SA-WCGAN)。首先,采用CatBoost算法对原始数据集进行特征选择,减少模型训练时间。之后,利用SA-WCGAN生成模型进行数据扩充,解决数据不平衡问题,该生成模型引入自注意力机制(SA),提取攻击样本的全局特征,提高少数类攻击样本生成的质量;同时,引入Wasserstein距离和梯度惩罚,提高模型训练过程的收敛速度和稳定性。实验结果表明:在公开基准数据集NSL-KDD上,SA-WCGAN生成模型在只有少数样本的攻击类型上具有较高的精确率、召回率和F1分数。同时,与现有5种方法的比较分析也证实了该模型的优越性。

用荧光猝灭和荧光加强两种理论研究喹诺酮类新药与白蛋白的作用

应用荧光加强和荧光猝灭两种理论公式,对四种喹诺酮类药物与人血清和牛血清白蛋白的作用作进行了对比研究,对药物与白蛋白的结合特点和通常的表征量(解离常数、猝灭常数、猝灭效率、能量转移效率、给体-受体作用距离等)进行了深入地分析;在白蛋白与药物结合类型上,四种药物对HSA和BSA的猝灭实验结果表明,这种由给体-受体结合引起的猝灭作用类型不是由生物大分子血清白蛋白单方面决定的,而是由血清白蛋白与药物、即给体与受体两者的分子结构和相互匹配共同决定的.

窄带物联网覆盖类别更新机制性能分析与优化

以覆盖类别为状态变量建立了窄带物联网(NB-IoT, narrow-band internet of things)覆盖类别更新机制的马尔可夫链模型,给出了平均接入失败概率和平均功耗的优化模型及求解办法,分析了前导码重复次数、系统负载、全局最大传输次数对各覆盖类别最大传输次数最优取值的影响。数值分析表明:常规覆盖类别和扩展环境覆盖类别的最大传输次数对系统性能影响较大,最大传输次数取值范围应分别控制在[1,5]和[1,7]之间;极端环境覆盖类别的最大传输次数对系统性能影响不大,可取[1,10]之间的任意值,建议取值为1;所提的引入覆盖类别回退机制的覆盖类别更新机制的平均功耗比协议模型低约95%。

变温下荧光猝灭和加强理论公式合理性的比较

通过荧光和紫外方法研究盐酸左氧氟沙星、氟罗沙星、加替沙星和沃氟沙星四种喹诺酮类药物与人血清白蛋白(HSA)的作用,在不同温度下对荧光加强和猝灭理论公式的等价性和精细差异进行了比较,结果表明:在不同温度下两种理论公式尽管在求取解离常数上所得结果都可视为有效,但猝灭方程的双倒数图反而不及荧光加强方程的双倒数图与体现动态、静态猝灭机理的猝灭曲线一致.对于能量转移效率E,我们首次定义:按自由荧光体白蛋白的荧光强度F0和加入药物至荧光不再变化时的荧光强度F值计算F/F0,进而将F/F0代入0E1F=-F计算能量转移效率E.它标示出每个体系发生能量转移的最大限度,向体系中再添加药物,已不能发生进一步的猝灭,这一新定义的引入,使得能量转移效率E这一量值有可能推广到估算白蛋白运载药物能力的最大限度.

基于最大类间方差与形态学的淋巴结图像分割

淋巴结是人体内产生免疫应答的重要器官。淋巴结的病理变化是检测恶性肿瘤(肺癌、直肠癌、乳腺癌、肝癌、宫颈癌等)和判断肿瘤转移的一个重要依据。一种基于最大类间方差法与数学形态学的分割方法用于淋巴结的分割。最大类间方差法用于对原图进行二值化增强处理,而数学形态学方法用于修正二值图像的边界,通过腐蚀操作与膨胀操作解决二值化后出现的目标区域与多余组织相连的问题,以更好地提取有用的淋巴结组织。实验结果表明,上述算法对与周围组织有粘连但目标与背景的灰度级相差较大的淋巴结图像的分割效果较好。

荧光淬灭和加强理论公式合理性的热力学分析

通过荧光法在不同温度下研究了3种第三代头孢新药:盐酸头孢吡肟、头孢匹胺和头孢唑肟钠与人血清白蛋白(HSA)和牛血清白蛋白(BSA)的作用,分别应用荧光淬灭和荧光加强理论公式计算了它们的结合常数等,进而分别计算了它们的热力学函数.因对应于不同的理论公式得出的KA值并不完全相同,由此得到它们相应的热力学参数也有所不同.本文对这些热力学数据的差异进行了分析比较,结果表明:基于荧光加强理论公式(4)获得的热力学数据显示更为合理.因而我们建议,即使在研究受体-底物的荧光淬灭反应时,采用荧光加强理论公式(4)可以获得更符合实际的结果.

类依赖增强线性判别分析算法

在增强线性判别分析和类依赖线性判别分析的基础上,提出了类依赖增强线性判别分析算法,对多模态数据进行分类.算法利用增强线性判别分析的局部信息保持能力,在不破坏多模态局部结构的前提下,对数据进行降维;然后采用最大散度差线性鉴别分析准则对每一类样本获取一个投影矩阵,从而获取不同类的样本分布的特征差异.在人脸数据库上进行实验验证,结果表明,该算法的分类效果好。

imCIM检测B类碳青霉烯酶的效果评价

目的评价抑制剂增强改良碳青霉烯失活法(im CIM)在B类碳青霉烯酶检测中的应用价值,并与EDTA纸片增效试验(EDPT)进行比较分析。方法收集碳青霉烯类抗生素不敏感菌株181株,其中肺炎克雷伯菌44株、大肠埃希菌44株、鲍曼不动杆菌43株、铜绿假单胞菌50株;碳青霉烯类抗生素敏感菌株83株,其中肺炎克雷伯菌25株、大肠埃希菌16株、鲍曼不动杆菌25株、铜绿假单胞菌17株。采用im CIM和EDPT对上述264株菌株进行B类碳青霉烯酶的筛查,以PCR结果作为金标准。应用一致性检验、Wilcoxon符号秩和检验、独立样本Kruskal-Wallis H检验及ROC曲线进行统计学分析。结果 181株碳青霉烯类抗生素不敏感菌株中144株PCR扩增耐药基因阳性,A、B、D类碳青霉烯酶分别为39株、77株、28株;im CIM检测70株阳性,111株阴性,其中166株与PCR结果一致;EDPT检测72株阳性,109株阴性,其中134株与PCR结果一致。碳青霉烯类抗生素敏感菌株83株,PCR扩增耐药基因、im CIM及EDPT检测结果均为阴性。im CIM敏感性和特异性分别为85.71%(66/77)和97.86%(183/187),与PCR结果一致性Kappa值为0.859;EDPT敏感性和特异性分别为66.23%(51/77)和88.77%(166/187),Kappa值为0.561。im CIM抑菌圈差值(Δdim CIM)与EDPT抑菌圈差值(ΔdEDPT)有差别,差异有统计学意义(Z=-6.941,P<0.05)。采用im CIM检测B类碳青霉烯酶的Δdim CIM水平与A、D类酶Δdim CIM总体分布位置不同,差异有统计学意义(χ2=108.887,P<0.05)。im CIM与EDPT的ROC曲线下面积分别为0.988(95%CI:0.977~0.999)和0.936(95%CI:0.909~0.963)。结论 im CIM是一种准确、高效、便捷的碳青霉烯酶表型筛选方法,敏感性、特异性较高,适合用于流行病学监测。