课程文献中心 更多>>

关键词： 政企关联   城市网络   长江中游城市群   流空间理论   邻近性   块模型  

摘要： 深入刻画政企关联网络有助于理解政府和企业关联隐含下的城市经济互动并有利于推动区域经济一体化发展。基于长江中游城市群政府采购数据,运用社会网络分析探究城市群政企关联城市网络的格局特征,并通过负二项回归模型从邻近性和城市属性视角探究其影响因素。研究发现:长江中游城市群采购方式以公开招标为主,地理距离衰减的阻滞效应对采购方式产生影响;省会城市是长江中游城市群政府采购网络中的主导,武汉和长沙的最强联系指向明显,九江在网络中的桥梁作用较为突出;长江中游城市群的联系以子城市群内部联系为主,跨省域的联系较弱,承担“经纪人”角色的板块四发挥了中介作用促进关系在整体网络中的连接和传导;长江中游城市群政企关联网络受到邻近性和城市属性的影响,经济邻近、组织邻近、财政支出和市场环境起促进作用,地理距离和经济规模对城市网络起负向作用。

关键词： 互联网+   纸制品企业   网络营销  

摘要： 在“互联网+”背景下纸制品企业正积极探索网络营销新模式,以应对市场变化并提升竞争力。基于融合大数据、人工智能、物联网等先进技术,纸制品企业实现了生产流程的智能化改造,提升了产品附加值。利用社交媒体广告、内容营销等新兴渠道,企业拓宽了市场覆盖范围,提升了品牌影响力。此外,网络营销还为企业提供了精准的市场分析和定制化服务,满足了消费者个性化、多样化的需求。这些新模式的探索和应用,不仅推动了纸制品企业的转型升级,也为行业的可持续发展注入了新的活力。

关键词： 多智能体系统   合作环境   深度强化学习   通信网络  

摘要： 针对多智能体系统在合作环境中通信内容单一和信息稀疏问题,本文提出一种基于多智能体深度强化学习的思考型通信网络(TMACN).首先,智能体在交互过程中考虑不同信息源的差异性,智能体将接收到的通信信息与自身历史经验信息进行融合,形成推理信息,并将此信息作为新的发送消息,从而达到提高通信内容多样化的目标;然后,该模型在软注意力机制的基础上设计了一种半多轮通信策略,提高了信息饱和度,从而提升系统的通信交互效率.本文在合作导航、捕猎任务和交通路口3个模拟环境中证明,TMACN对比其他方法,提高了系统的准确率与稳定性.

关键词： 网络意识形态安全教育   高校学生党支部   全媒体  

摘要： 党的二十大报告指出并强调要“建设具有强大凝聚力和引领力的社会主义意识形态”,“加强全媒体传播体系建设,塑造主流舆论新格局。” 全媒体的发展不仅为高校主流意识形态的传播带来了众多机遇,同时也带来了挑战,对高校网络空间治理提出了更高要求。高校党支部应更加清楚地认识到加强网络意识形态安全教育的重要性,在规范管理和建设体系的同时,加大思想引导力度,提升网络意识形态安全治理的能力。

关键词： 网络药理学   小檗碱   乳腺癌   AKT1  

摘要： 目的:基于网络药理学和体外细胞实验探究小檗碱对乳腺癌细胞的作用机制。方法:首先,以小檗碱与乳腺癌作为研究对象,通过VEEN图筛选两者交集靶点,利用R语言进行GO功能和KEGG富集分析,利用AutodockVina和Pymol软件进行分子对接及可视化。然后,小檗碱处理乳腺癌MCF-7细胞24 h后,进行体外细胞实验验证。采用CCK-8法检测细胞活力,Edu和平板克隆检测细胞增殖克隆能力,An-nexinV-FITC/PI双染法和Westernblot检测细胞凋亡。利用激光共聚焦和CETSA验证小檗碱和AKT1蛋白的结合作用。结果:网络药理学结果表明,小檗碱与核心靶点AKT1、AKT2、MAPK3等均有较好的结合。小檗碱(20、40、80μmol/L)能明显抑制MCF-7细胞的增殖克隆能力并且呈浓度依赖性(P<0.05,P<0.01)。激光共聚焦和CETSA实验结果显示,小檗碱和AKT1具有结合作用,且两者结合之后稳定性增强。结论:小檗碱通过与AKT1蛋白靶向结合,抑制人乳腺癌MCF-7细胞增殖并诱导其凋亡。

关键词： 网络游戏   网络赌博   开设赌场   虚拟货币  

摘要： 网络游戏与网络赌博之间的区别本来较为明显,但随着部分网络游戏推出随机派发游戏道具这种经营模式之后,网络游戏和网络赌博的界限变得越来越模糊。如何准确打击这种网络游戏外衣的网络赌博成了困扰司法理论和实践的难点。解决这一问题的关键在于准确把握网络赌博的特征。对于符合网络赌博特征的网络游戏,构成犯罪的,应当以开设赌场罪或者赌博罪进行定罪处刑。

关键词： 农村电商   时间序列预测   LSTM   注意力机制   卡尔曼滤波  

摘要： 在信息技术不断进步和农村基础设施日益完善的背景下,电子商务已逐步渗透到农村市场,并成为推动农业现代化的重要动力。然而,农村电商的发展仍面临诸多挑战,如商品质量参差不齐、专业人才缺乏、物流效率低下等问题。为了更准确地预测农村电商的市场趋势,为电商企业和政策制定者提供科学的数据支持,本研究提出了一种基于长短时记忆网络(Long-Short Term Memory, LSTM)的时间序列预测模型,并结合注意力机制(Attention Mechanism)和卡尔曼滤波(Kalman filter)技术,对2024~2026年农村网络零售额进行预测。实验结果表明,引入注意力机制和卡尔曼滤波后,模型的预测精度显著提升,均方误差(mean-square error, MSE)、均方根误差(root-mean-square error, RMSE)和平均绝对误差(Mean absolute error, MAE)均有所降低。研究结果为农村电商的市场趋势分析和政策制定提供了科学依据,具有重要的现实意义。With continuous advancements in information technology and the gradual improvement of rural infrastructure, e-commerce has increasingly penetrated rural markets, becoming a key driver of agricultural modernization. However, its development still faces numerous challenges, such as inconsistent product quality, a shortage of skilled professionals, and low logistics efficiency. To more accurately predict market trends in rural e-commerce and provide scientific data support for e-commerce enterprises and policymakers, this study proposes a time series prediction model based on Long Short-Term Memory (LSTM) networks, incorporating an attention mechanism and Kalman filter techniques to forecast rural online retail sales from 2024 to 2026. The experimental results indicate that the introduction of the attention mechanism and Kalman filter significantly improves the model’s prediction accuracy, reducing the mean square error (MSE), root mean square error (RMSE), and mean absolute error (MAE). The findings provide a scientific basis for market trend analysis and policy formulation in rural e-commerce, offering important practical significance.

关键词： 肿瘤异质性   聚类分割   深度学习   新辅助化疗   医学影像  

摘要： 准确的肿瘤亚区分割是乳腺癌异质性表征的关键,而这种表征是了解乳腺癌化疗反应的关键。传统的阈值分割在功能性肿瘤亚区的区分上存在不足,为此,提出一种改进的分割(GR)方法,该方法基于异质性影像组学特征,包括纹理信息、强度信息、形状信息,通过高斯混合聚类实现功能性亚区的精准分割。基于GR分割,设计双分支双任务分类模型(DDCN),预测新辅助化疗疗效,利用得到的亚区来更好地提取肿瘤内部异质性的特征,并结合文本信息来评估疗效。实验结果表明,所提放射组学分割模型在不同功能亚区的识别上表现出色,在剪影系数和方差比指数上都取得了良好的效果。DDCN模型融合了不同亚区的特征,消融实验结果表明,在受试者工作特征曲线下的面积(AUC)、准确率等指标上DDCN都取得了良好的结果。总体而言,GR在肿瘤亚区分割上比传统的阈值分割效果更优,而DDCN模型在评估新辅助化疗疗效方面具有广泛的应用价值。

关键词： 脉冲神经网络   ANN-SNN转化   速率编码  

摘要： 脉冲神经网络(SNN)具有强大的时空信息表征、异步事件处理能力,但由于脉冲发放过程不具有连续可微性,其训练是一个难题.人工神经网络(ANN)转SNN的方法,能够获得较高推理精度的深度SNN,但却存在SNN网络延迟和功耗过高的问题.为了降低网络延迟和功耗,本文从脉冲信息传递的异步特性入手,分析了极低延迟下SNN精度损失的主要原因,提出残余膜电位误差(RMPE)的概念,并对其进行分析与推导,建立残余膜电位与初始膜电位和权重之间的关系模型.基于所建立的残余膜电位模型,提出一种初始膜电位和权重的分层校准算法,减少残余膜电位误差,从而解决脉冲输入序列均匀分布假设与真实分布不一致的问题.提出一种ANN-SNN的双阶段转化框架,在第1阶段,采用带有可训练分层阈值的量化截断激活函数对ANN进行二次训练,以实现量化误差与截断误差的最优化;在第2阶段,对SNN进行微调训练,以进一步缩小残余膜电位误差,使得在极低延迟下的ANN-SNN转化也能获得较高的精度.实验结果表明,本文方法在推理延迟和功耗方面都优于现有的方法.

关键词： 辛几何模态分解   信号处理   ResNeXt   故障诊断  

摘要： 故障诊断领域中常将信号处理与深度学习相结合以实现更好的诊断效果。基于此,对辛几何模态分解与ResNeXt神经网络分别进行了改进与优化,提出了一种基于优化辛几何模态分解与改进ResNeXt神经网络相结合的齿轮箱故障诊断模型。首先将采集到的振动信号经优化辛几何模态分解进行筛选重构,得到有效分量,之后送入改进ResNeXt神经网络进行故障的识别分类。通过使用渥太华大学滚动轴承变工况数据,验证了模型的可行性;通过使用动力传动故障诊断综合实验台(drivetrain dynamics simula, DDS)齿轮箱数据进行对比实验与抗噪性实验,验证了改动的有效性与模型的泛化性。