课程文献中心 更多>>

关键词： 综合运输   空间网络结构   社会网络分析   引力模型   交通运输碳排放  

摘要： 【目标】刻画我国交通运输碳排放空间关联结构特征,对系统推进各地区协同碳减排能力及交通运输行业高质量发展具有重大意义。【方法】重新分配能源消费比例,以提高中国交通运输碳排放数据的精确度;进一步应用修正引力模型和社交网络分析,以揭示省域间碳排放的空间关联结构和网络特征。【数据】基于《中国能源统计年鉴》,搜集1997年至2022年中国30个省域的能源消费数据,计算得到交通运输碳排放数据。【结果】(1)样本考察期内我国交通运输碳排放波动增长,空间格局呈现“东部>西部>中部>东北”的特征,近些年高碳排放量地区逐渐向东北及中西部地区扩展;(2)样本考察期内我国省域交通运输碳排放空间溢出效应显著,形成了复杂、多线程的关联关系,但关联网络依旧较为松散;(3)整个网络呈现出显著的马太效应,地理位置优越且经济发展水平高的地区控制着整个关联网络,而部分省域受限于其边缘的地理位置与较不完善的交通网络,在整个空间网络中处于被动位置;(4)四大板块之间的联系十分紧密,具有良好的板块连通性,大都存在显著的双向溢出效应。【应用】有助于各省域明晰自身在空间网络中的地位与作用,对其制定区域化针对性的交通运输碳减排政策具有一定的现实意义。

关键词： 网络舆情   大学生   思政教育   困境   对策  

摘要： 在信息化数字化快速发展的今天,网络舆情已经成为社会舆论的重要组成部分。随着互联网的普及,尤其是社交媒体的兴起,大学生作为互联网的主要使用者,其思想观念、价值取向和行为模式易受到网络舆情的深刻影响。如何在这种背景下有效开展思想政治教育,成为高校教育工作者面临的重要挑战。文章通过分析网络舆情影响下大学生思想政治教育的困境——“话语权分散化”“信息茧房之困”,进行了相应的应对策略探讨。

关键词： 混合式教学   网络综合布线   一体化课程   教学策略  

摘要： 在当前数字化与智能化的大潮中,网络综合布线逐渐成为建筑工程与信息技术衔接的桥梁技术,该技术的教学对于培养专业的计算机网络应用人才至关重要。本文对技工院校网络综合布线一体化课程的教学中存在的问题进行了分析,明确指出:课程内容与实际工作需求脱节、教学方法单一和考核评价系统欠完善等问题。基于此,提出以线上线下混合式教学与一体化课程设计的创新教学策略,旨在通过多阶段和多步骤的教学模式,增强学生的技术应用能力和解决实际问题的实践能力。

关键词： 脑卒中   症状群   核心症状   桥梁症状   网络分析  

摘要： 目的通过网络分析探索急性脑卒中患者疲劳相关症状群的网络特征,识别症状网络中的核心症状和桥梁症状,进而发掘症状干预的关键靶点。方法本研究为横断面研究设计,采用便利抽样法选取2023年12月至2024年5月在银川市某三级甲等医院神经内科住院的580例脑卒中患者为调查对象,采用一般资料调查表、疲劳严重度量表、医院焦虑抑郁量表、阿森斯失眠量表、疼痛数字评分表进行调查,构建症状网络并分析中心性指标。结果患者疲劳严重度量表得分为(3.35±1.02)分,阿森斯失眠量表得分4.00(3.00,7.00)分,医院焦虑抑郁量表抑郁亚量表得分为6.00(4.00,7.75)分。症状网络分析显示,各症状之间相互关联,“感到容易疲劳”的强度中心性、紧密中心性和预期影响均最高,“睡眠时间”的桥梁强度最高。经检验,网络的准确性和稳定性较好,网络模型较为可靠。结论本研究运用网络分析探究急性脑卒中患者疲劳症状群的网络结构,其中疲劳为核心症状,睡眠障碍为桥梁症状,建议未来研究以疲劳和睡眠障碍为干预靶点,实施精准管理,提升症状管理效率。

关键词： 课程思政   网络人才   培养模式  

摘要： 针对计算机大类各专业网络人才培养,文章提出了“网络三观三能”的顶层培养目标,并构建了相应的课程思政教学体系。为实现这一目标,建议整合各专业网络课程的优质教学资源,组建计算机类网络课程群组,并改进教学模式和教学方法。同时,通过整合现有的优质教学科研实践平台,构建跨专业“六维协同”的产教融合平台,以进一步提升人才培养质量。

关键词： 网络舆情   监测与分析   意识形态   思政教学  

摘要： 作为社会舆情生态的重要组成部分,网络舆情深刻地影响着大学生的思维导向与行为模式。文章旨在深入探讨网络舆情与大学生思想政治教育的内在联系,细致剖析网络舆情监测与研判课程思政教学面临的四大核心挑战。在此基础上,文章提出网络舆情监测与研判课程思政教学的实施路径,旨在强化大学生的思想政治素质,并提升他们在复杂网络舆情环境中的应对能力。

关键词： 生成对抗网络   人脸微表情   皮沟   灰度伸缩法   形态学运算方法   卷积神经网络  

摘要： 面部表情作为柔性物体,具有变化多样、非线性等特点,且受情绪状态、配合程度等多因素影响,同时具有持续时间短、变化强度弱的特性,导致样本难以有效捕捉。样本规模有限时,传统识别方法只能对现有纹理数据进行旋转、翻转等基本变换,增加的数据量有限,无法涵盖所有微表情皮沟变化,处理未见过的微表情时识别率低。为此,文章提出一种基于生成对抗网络的人脸微表情皮沟识别方法。采用灰度伸缩法对人脸图像进行光照补偿。通过线性拉伸图像的灰度值,增强对比度,以突出微表情皮沟细节。利用形态学运算对光照补偿后的人脸图像进行二值化处理,以有效提取人脸区域并去除背景。引入生成对抗网络(GANs)进行数据增强。将二值化处理后的人脸图像作为条件信息输入到生成对抗网络的生成器中,生成与真实样本极为相似的虚假人脸图像数据,以此扩展数据集规模。将增强后的数据集输入到卷积神经网络(CNN)中,CNN通过卷积、池化操作提取面部微表情皮沟特征,并计算面部图像微表情皮沟特征属于各微表情皮沟类别的概率,基于概率计算结果实现人脸微表情皮沟分类识别。经实验证明,本文方法识别率在95%以上,能够实现对面部微表情皮沟精准识别。

关键词： 菟丝子总黄酮   雷公藤多苷   生殖毒性   卵巢生殖干细胞   网络药理学   Notch信号通路   MVH  

摘要： 目的基于网络药理学和细胞实验探讨菟丝子总黄酮配伍雷公藤多苷对雷公藤多苷所致生殖毒性的减毒作用。方法通过TCMSP、UniProt、GeneCards、OMIM数据库建立药物和疾病的关键靶点,借助Cytoscape 3.9.1软件构建靶点互作网络(PPI)和药物-活性成分-靶点网络,利用Metascape数据库对靶点进行GO和KEGG通路富集分析。基于网络药理学结果,进一步开展体外细胞实验验证,以卵巢生殖干细胞(OGSCs)为研究对象,分别给予25μg/mL菟丝子总黄酮、3.75μg/mL雷公藤多苷、25μg/mL菟丝子总黄酮+3.75μg/mL雷公藤多苷处理,CCK8法检测细胞活性;RT-qPCR法检测OGSCs细胞标志物MVH、Oct4和Notch信号通路分子Hes1、Notch1、Jagged1 mRNA表达;免疫荧光双标法检测MVH与Notch1、Hes1、Jagged1蛋白共表达。结果网络药理学结果显示,共筛选出28种雷公藤活性成分,10种菟丝子活性成分,93个药物与疾病关联靶标,富集到卵巢类固醇生成、孕激素介导的卵母细胞成熟、催乳素、Notch、癌症等与生殖毒相关的通路,推测可能是通过参与OGSCs细胞增殖分化的Notch信号通路发挥作用。细胞实验结果显示,与对照组比较,雷公藤多苷组OGSCs细胞活性降低(P<0.01);MVH、Oct4和Hes1、Notch1、Jagged1 mRNA表达降低(P<0.05,P<0.01);MVH-Notch1、MVH-Jagged1蛋白共表达程度降低(P<0.01)。相较于雷公藤多苷单独给药,菟丝子总黄酮与雷公藤多苷联合配伍可提高OGSCs细胞活性(P<0.01),升高MVH、Oct4和Hes1、Notch1、Jagged1 mRNA表达(P<0.01),升高MVH-Hes1、MVH-Notch1、MVH-Jagged1蛋白共表达程度(P<0.01)。结论菟丝子总黄酮对雷公藤多苷诱发的OGSCs细胞生殖毒有改善作用,可能是通过上调特有标志物MVH、Oct4和关键因子Notch1、Hes1、Jagged1表达实现的。

关键词： 符号网络划分   启发式   变邻域搜索   强化学习  

摘要： 给定一个无向图,符号网络划分问题(signed graph partitioning problem,SGPP)是将节点集合划分为K(K≥2)个互不相交的非空分组,旨在最小化所有位于分组内的负符号边权重之和加上位于分组之间的正符号边权重之和,使网络划分结构尽量趋于平衡。SGPP是NP难问题,在计算机视觉、社交网络分析、生物信息学等实际领域中具有重要应用。但大数据时代的到来给求解大规模SGPP带来一定的挑战。因此,设计新颖且高效的学习驱动型扩展变邻域搜索算法(learning driven extended variable neighborhood search,LDEVNS)来求解SGPP。具体来说,该算法设计全新的快速增量更新策略以及高效的扩展变邻域搜索,同时结合强化学习机制来调整算法搜索过程中的前进方向,进一步探索更有希望的解空间区域来找到更高质量的求解方案。实验部分使用15组大规模社交网络图来评估LDEVNS的高性能,实验结果显示,LDEVNS在求解质量和计算时间方面相较于当前表现最佳的算法具有显著优势,同时也验证了强化学习在LDEVNS中的有效性。

关键词： 智能变电站   5G技术   通信网络优化   状态监测   异常检测  

摘要： 为应对传统变电站通信网络在传输容量、实时性及可靠性方面的瓶颈,本文提出基于5G技术的智能变电站通信网络优化与状态监测方法。通过构建双重架构通信系统,采用Libpcap库实现高精度报文捕获与解析,结合自适应压缩算法与区块链存证机制优化数据存储,并引入网络切片技术划分电力控制专用通道。针对状态监测需求,设计三维监测矩阵与动态特征建模方法,通过改进协方差测度及贝叶斯决策模型实现异常节点检测,构建覆盖全站的联邦学习框架。实验表明,所提方法可有效支撑智能变电站的差动保护、多机协同等高实时性业务需求,为新型电力系统通信网络提供可靠技术方案。