基于shapelets学习的多元时间序列分类

多元时间序列广泛存在于日常生活中的各个领域,多元时间序列分类是从时间序列数据中获取信息的基本方法。目前,时间序列分类研究面临着相似性度量方法特殊、原始数据维度高等问题,现有的多元时间序列分类方法的分类性能仍有待提高。文中提出一种基于shapelets学习的多元时间序列分类方法。首先,提出了新的正则化最小二乘损失学习框架下的shapelets学习方法,在此基础上采用基于shapelets的一元时间序列分类方法对多元时间序列的每维一元数据进行分类,随后由各维上的分类结果投票决定多元时间序列的最终分类结果。实验证明,所提方法在多元时间序列分类问题中能够取得较高的分类精度。

基于对抗策略类别特定的多样性时间序列shapelets提取

在时间序列分类任务中,通过提取时间序列的shapelets进行分类的方法因分类准确率高且具有良好的可解释性而受到广泛关注。针对现有方法学习到的shapelets是所有类共享,可以区分大多数类但不能准确地区分某一类和其他类,以及使用对抗策略的模型生成的shapelets存在多样性不足等问题,提出了一种基于对抗策略类别特定的多样性时间序列shapelets提取方法。该方法将类别信息嵌入时间序列,采用多生成器模块对抗地生成多个有差别的类别特定shapelets,再通过施加差异约束来提高shapelets的多样性,最后使用shapelet转换得到的特征对时间序列进行分类。在36个时间序列数据集上与5种基于shapelets的算法和11种先进的分类算法进行实验对比,实验结果表明,所提方法分别在36个数据集中的26个和20个数据集上取得了最优结果,且均取得了最高的平均秩,平均分类准确率相比其他方法最少提高了2.4%,最多提高了17.8%。消融性分析以及可视化分析验证了多样性和类别特定的思路在时间序列分类上的有效性。

基于符号表示的可度量shapelets提取的时序分类研究

在时序分类问题中,基于符号表示的shapelets提取方法具有良好的分类精度和分类效率,但对符号进行质量度量的过程,如计算TFIDF分数,耗时较长且计算量大,导致分类效率较低。此外,提取的shapelets候选数量仍然较多,判别力有待提高。针对这些问题,本文提出了一种基于符号表示的可度量shapelets提取方法,该方法包含时间序列数据预处理、确定shapelets候选集和学习shapelets 3个阶段,可以快速得到高质量shapelets。在数据预处理阶段,将时间序列转化为符号聚合近似(SAX)表示以降低原始时间序列的维度。在确定shapelets候选集阶段,利用Bloom过滤器过滤重复的SAX词,并将过滤后的SAX词存储在哈希表中进行质量度量。随后,对SAX词的相似性进行判别,基于相似性和覆盖度等概念确定最终的shapelets候选集。在学习shapelets阶段,采用logistic回归模型学得真正的shapelets用于时序分类。在32个数据集上进行了大量实验,实验结果表明,所提方法的平均分类精度和平均分类效率均排名第二。与现有的基于shapelets的时序分类方法相比,该方法可以在保证精度的同时提高分类效率,并且具有良好的可解释性。

基于细节增强和多颜色空间学习的联合监督水下图像增强算法

由于水下特殊的成像环境,水下图像往往具有严重的色偏雾化等现象。因此文中根据水下光学成像模型设计了一种新的增强算法,即基于细节增强和多颜色空间学习的无监督水下图像增强算法(UUIE-DEMCSL)。该算法设计了一种基于多颜色空间的增强网络,将输入转换为多个颜色空间(HSV、RGB、LAB)进行特征提取,并将提取到的特征融合,使得网络能学习到更多的图像特征信息,从而对输入图像进行更为精确的增强。最后,UUIE-DEMCSL根据水下光学成像模型和联合监督学习框架进行设计,使其更适合水下图像增强任务的应用场景。在不同数据集上大量的实验结果表明,文中提出的UUIE-DEMCSL算法能生成视觉质量良好的水下增强图像,且各项指标具有显著的优势。

基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法

针对滚动轴承故障诊断在工程实际中故障数据稀缺的问题,提出一种基于shapelets时间序列的多源迁移学习滚动轴承故障诊断方法。首先利用典型故障信息丰富、标记样本充足的滚动轴承数据构建多源域数据集,使用不同源域的数据对源域特征提取器与分类器进行预训练;然后利用基于动态时间规整的shapelets学习算法提取源域与目标域的shapelets作为判别结构,通过度量判别结构优化源域数据,对源域网络进行微调以得到诊断模型;最后根据每个源域与目标域的shapelets之间的差异,利用自适应域权重对各分类器的结果进行聚合得出诊断结果。实验结果表明,该方法在小样本与强噪声的情况下具有较高的故障诊断准确率。

城市学习型社区建设及指标体系的研究

学习型社区是学习型社会的缩影,是终身教育的重要组成部分。在新时代背景下,将思政元素、劳动教育融入社区教育成为必要,在线学习的兴起也给社区教育带来新变化。从政策制定、资源整合、智慧队伍组建、学习氛围的营造、管理和服务水平的提升和活动的开展等方面提出改进策略,构建了包括软硬件设施、运行机制、活动开展、参与度、成效与特色和加分项在内的6个一级指标和22个二级指标的评估体系,力求评价的规范性、全面性、可操作性和适度前瞻性。

深度学习赋能波束管理:现状、挑战与机遇

随着载波频率的不断提高和大规模天线阵列的广泛部署,基于模拟移相器的波束赋形成为下一代无线通信的标志性技术之一。此时,波束管理被用于获取和维护基站和用户端具有最大接收功率的最优波束对,以保障可靠的无线通信服务。传统波束管理方法往往依赖于海量搜索。同时,传统数学模型无法全面的、准确刻画非线性的波束的内在关联和高维无线环境特征,因而难以取得令人满意的波束增益性能。近年来,得益于深度学习强大的自适应拟合能力,深度学习赋能波束管理得到了国内外广泛关注。本文总结了深度学习赋能波束管理的研究进展,并展望了未来的研究方向。首先,阐述了深度学习应用于波束管理的典型场景和潜在优势;随后,从空/时/频域切入,讨论当前深度学习赋能波束管理的主要研究路线和代表性工作;最后,面向更大规模的无线网络、更多元的波束管理功能和更鲁棒的深度学习模型,阐述未来的研究挑战与机遇。

基于超星学习通探讨中医基础理论教学模式改革

中医基础理论属于中医学专业基础课中的核心主干课程,是中医院校各专业学生学习中医药学其他各门基础课程和临床课程必修的专业基础理论课程。在传统教学模式下,该课程的重点、难点问题教学效果受限。因此辽宁中医药大学结合超星学习通平台,对中医基础理论教学模式进行改革,以提高学生学习兴趣、培养其自主学习能力并加深对教学内容的理解和掌握,提高了教学效果。

基于u-shapelets聚类的刀具剩余寿命预测方法

针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程监控信号提取u-shapelets集合,并计算各u-shapelet与时间序列的距离得到距离矩阵;其次,通过基于密度聚类方法对距离矩阵进行聚类,得到聚类结果;最后,根据聚类结果基于各类别数据分别训练长短时记忆网络模型进行刀具剩余寿命的预测。以轮槽铣刀加工过程监控数据进行验证,并与Kmeans聚类、谱聚类、层次聚类、DBSCAN聚类方法进行比较,验证了所提方法的有效性。

基于XLNet和多粒度对比学习的新闻主题文本分类方法

新闻主题文本内容简短却含义丰富,传统方法通常只考虑词粒度或句粒度向量中的一种进行研究,未能充分利用新闻主题文本不同粒度向量之间的关联信息。为深入挖掘文本的词向量和句向量间的依赖关系,提出一种基于XLNet和多粒度特征对比学习的新闻主题分类方法。首先,利用XLNet对新闻主题文本进行特征提取获得文本中词、句粒度的特征表示和潜在空间关系;然后,通过对比学习R-Drop策略生成不同粒度特征的正负样本对,以一定权重对文本的词向量-词向量、词向量-句向量和句向量-句向量进行特征相似度学习,使模型深入挖掘出字符属性和语句属性之间的关联信息,提升模型的表达能力。在THUCNews、Toutiao和SHNews数据集上进行实验,实验结果表明,与基准模型相比,所提方法在准确率和F 1值上都有更好的表现,在三个数据集上的F 1值分别达到了93.88%、90.08%、87.35%,验证了方法的有效性和合理性。

基于英语学习活动观的深度学习可视化策略研究——以《多维阅读》绘本第六级Living in Space为例

深度学习的目标是培养学生的核心素养。文章结合具体案例,从依据英语学习活动观设计表现性任务,到根据任务呈现具有深度学习特征的评价工具,并最终输出学生深度学习的可视化结果三个方面,探讨基于英语学习活动观的深度学习可视化过程。

指向深度学习的“信息技术”课程单元教学设计研究

深度学习的目的在于发展学习者的高阶思维,让学习真正发生,是培养学生信息技术核心素养的必然要求。单元教学设计是提高一线课堂教学质量的有效方法,是促进学生深度学习的有效工具。指向深度学习的单元教学需要确定单元主题,制定单元目标,设计单元学习活动,制定评价体系。本文结合信息技术学科特点,构建指向深度学习的单元教学设计模型,结合高中“信息技术”具体教学内容进行探索实践,力求促进学生深度学习。

基于机器学习的镍基单晶高温合金蠕变寿命预测模型研究

构建合适的镍基单晶合金蠕变寿命预测模型,对于我国航空发动机叶片设计、强度分析和寿命预测具有重要意义。采用多项式回归、最近邻回归、支持向量机回归、决策树回归四种机器学习算法,建立镍基单晶高温合金蠕变寿命与合金成分、微观组织和蠕变工艺参数的关系模型,为镍基单晶高温合金的蠕变性能调控提供了新方法。基于蠕变寿命预测模型,系统地比较了四种算法和特征选择对模型性能的影响。结果表明,支持向量机回归模型的预测结果最优,相关性较高的四个特征依次为γ′固溶温度、Ta、W、Re。研究结果可为获得更有效的镍基单晶高温合金蠕变性能预测方法提供参考。

我国未来学习中心建设现状与路径探索

建设未来学习中心,是推进高等教育数字化转型和高校图书馆服务升级的有效途径。调研未来学习中心建设现状及存在问题,可为我国高等院校未来学习中心建设实践提供参考借鉴。文章运用文献调研和网络调查的方法,从顶层设计、建设理念、空间建设、资源建设、服务创新5个维度对全国高等院校未来学习中心建设实践进行调查,并对调查结果进行归类、统计和分析。研究发现,我国未来学习中心建设正处于起步探索期,在具体实践中存在着顶层设计不足、技术应用与教学模式融合不深等问题。针对这些问题,文章提出了相应的建设路径。

虚拟数字人对用户在线学习效果的影响研究

[目的/意义]在教学环境中使用虚拟数字人进行授课可以促使用户更高效地在线学习。本研究旨在探究在线学习中虚拟数字人特征对用户在线学习效果的影响,为在线教学视频设计和教学策略优化提供参考。[方法/过程]结合准社会互动理论,使用VTube Studio软件设计虚拟数字人教学的视频材料,招募用户观看教学视频并测量用户的主观感受,对在线学习中虚拟教师授课的情境进行探究。[结果/结论]虚拟数字人的吸引力、拟人化特征通过用户对虚拟数字人的态度和学习满意度的链式中介作用积极影响在线学习效果,拟人化到学习效果的中介路径之间存在遮掩效应;准社会互动对学习满意度有积极影响,而对学习效果存在负面作用。

面向新文科的高校图书馆未来学习中心设计要素探究

“新文科”的提出进一步推动了构建融通的学习环境、灵活的学习方式、个性化的学习支持体系,为图书馆人文学科服务带来新突破口。文章基于活动中心的分析和设计(ACAD)框架,运用扎根理论的研究方法,对42份我国高校新文科教育改革案例进行编码分析,探究面向新文科的高校图书馆未来学习中心设计要素。基于编码分析结果,构建面向新文科的高校图书馆未来学习中心要素关系模型,以期为高校图书馆未来学习中心建设提供借鉴。

本科层次职业学校与美国社区学院图书馆学习支持服务比较研究

建设本科层次职业学校是完善我国职业教育制度体系的重要举措,职业学校图书馆应积极履行为教学科研提供支持服务功能,加强图书馆服务体系建设,与学校发展同频共振。文章选取美国15所可授予学士学位的社区学院和中国首批15所本科层次职业学校图书馆网站作为样本进行调研,对其功能定位、服务类型、空间设施、开放程度和团队建设等学习支持服务进行对比分析。结果显示:中美两国职业教育类院校图书馆发展存在较大差异,本科层次职业学校图书馆应主动参与学校顶层设计方案、准确把握功能变革方向、高度重视信息素养教育、积极面向社会开展服务、不断提升团队服务质量,以充分发挥图书馆学习支持服务功能,建设职业教育特色服务体系,推动职业教育高质量发展。

计算机视觉技术赋能大学英语课堂展示中的学习投入研究

学习投入是预测学习者学习效果的重要指标,学术界对其与课堂展示间的相关性研究鲜有涉猎。文本以某综合性大学303名非英语专业本科生为研究对象,采用人工智能与计算机视觉技术模型YOLOv7对大学英语课堂中的课堂展示实录进行学习投入多模态数据分析,并辅以问卷调查,形成双向印证。研究发现,学生课堂展示中的行为投入、认知投入和情感投入值均等于或高于3.78,投入结果均值达4.01,说明学生在课堂展示中的学习投入情况良好。此外,不同时段课堂展示对学生行为投入的影响显著,学生专注度及参与度在课堂前10分钟的课堂展示中效果最佳。文本为课堂展示的有效性提供了智能化、多模态、多维度的实证支持,为课堂教学的数智技术应用提供了新视角。

项目化学习在小学语文单元整体教学中的应用研究

项目化学习是以学生为中心的学习,让学生通过项目化学习,以小组为单位,在教师的指导下完成项目,并在项目完成过程中,通过运用多种媒介技术和学习资源实现知识建构、思维建构和能力培养。它不仅体现了新课标的理念,而且是落实新课标中“三维目标”的有效途径。在小学语文单元整体教学中,教师以项目化学习为理念,以大单元为载体,围绕主题意义和语文要素设计驱动问题,综合运用多种资源,创设真实情境,进行多维探究,从而促进学生语文核心素养的发展。

不同结构参数下的半U形地下空间烟气运动参数的机器学习预测

结合火灾数值模拟(FDS)与机器学习方法,该文对半U形地下空间火灾时的烟气运动进行了深入分析。研究发现,在预测烟气回流长度及烟气最高温升方面,BP神经网络相比于支持向量机回归(SVR)展现了更高的精度,其决定系数超过了95%,而相对误差仅集中在20%以内,显著优于SVR方法。通过shap值解释机器学习模型,并结合FDS数值模拟的结果,揭示坡高是影响烟气回流长度的决定性因素,且坡高的增大、宽度的减小或热释放速率增大均会缩短烟气回流。同时,热释放速率是影响烟气最高温升的主要因素,受坡高影响较大,而宽度的减小虽能在一定幅度上降低最高烟气温升,但效果并不显著。该研究拓展了地下空间火灾烟气运动参数的预测方法,为地下空间火灾动力学行为预测及通风排烟系统的优化设计贡献了创新性的方法。