课程文献中心 更多>>

关键词： 网络信息化   思政教育平台   教学模式   教育创新   个性化学习  

摘要： 在网络信息化的推动下，高校思政教育平台的建设与运用为教育领域的革新注入了新活力。借助信息技术的力量，高校思政教育平台实现了教育资源的共享教学方式的创新以及师生互动的优化升级。但在其演进过程中，技术安全、资源更新、学生学习习惯及教师适应能力等方面的问题逐渐凸显。文章从思政教育的价值视角出发，深入剖析网络信息化背景下高校思政教育平台建设与运用的价值意蕴，认真审视高校思政教育平台建设与运用的现实挑战，并提出了一系列切实可行的策略与应用模式，力求在信息化时代背景下开辟提升高校思政教育效果的新途径。

关键词： 下一个活动预测   时空信息编码   组织网络   Transformer   预测性业务流程监控  

摘要： 预测性业务流程监控通过实时预测业务流程的未来行为来发现业务执行过程中的异常情况，从而帮助企业及时调整并优化业务流程。现有研究通常关注事件日志中的序列信息或过程模型的结构信息，而忽略了企业组织网络中隐含的组织交互信息对预测的积极作用。针对这一问题，本文提出了一种融合组织网络和过程模型的下一个活动预测方法。该方法同时考虑了事件日志中的时序信息以及来自组织网络和过程模型的结构信息，以显性化的形式将两类结构信息进行融合编码，并集成了Transformer encoder架构来学习历史执行轨迹中的时序信息，以实现对下一个活动的预测。在五个真实的事件日志上的实验结果表明，与基线方法相比，本文所提方法在下一个活动预测的准确率上具有较好的表现。

关键词： 被动分布式温度传感(PDTS)   人工神经网络   含水率   水热盐运移   光纤布拉格光栅  

摘要： 土体含水率时空分布的精准监测对于岩土工程监测、地质灾害防治具有重要意义.针对被动分布式温度传感(passive distributed temperature sensing,简称PDTS)技术在监测土体含水率方面存在的局限性,引入斯皮尔曼相关性分析法,定量分析辐射、气温、升温速率、土体温度、含盐量与含水率之间的相关性,并结合误差反向传播网络(back propagation network,简称BP神经网络),建立了一个考虑水-热-盐综合作用的土体含水率被动感测模型,用以替代传统PDTS技术中复杂的数值迭代算法.此模型不仅扩展了PDTS技术的应用范围,还大幅提高了含水率预测的精度.在黄土高原开展了长期观测,利用原位观测数据验证了所提模型的有效性.分析结果表明:黄土含水率与其含盐量、温度之间的极强正相关关系可以实现深度上的互补,输入变量与含水率在 2 m 深度内存在显著的相关关系;模型可对黄土含水率进行精确预测,其均方根误差低于0.006 8 m3·m-3;模型误差主要来源于降雨及土体冻融效应,且整体上呈现出冬季小、夏季大的特征.研究内容为将PDTS技术应用于土体含水率监测提供了理论支持和实践参考,并揭示了黄土水盐运移机制.

关键词： 法定寄生虫病   网络直报系统   流行病学特征   安徽省  

摘要： 目的 了解2013—2023年安徽省传染病网络直报系统中法定寄生虫病报告情况，分析其流行病学特征。方法 从中国疾病预防控制信息系统获取2013年1月1日—2023年12月31日现住址为安徽省的阿米巴性痢疾、血吸虫病、疟疾、内脏利什曼病、棘球蚴病和丝虫病等6种法定寄生虫病病例资料。采用描述性流行病学方法分析报告病例的三间分布特征、报告及时率，评价病例诊断至报告时间间隔，应用卡方检验、Fisher确切概率法及秩和检验进行组间比较。结果 2013—2023年安徽省共报告法定寄生虫病25 699例，其中血吸虫病24 536例、疟疾1 072例、阿米巴性痢疾50例、内脏利什曼病6例、棘球蚴病35例、丝虫病0例，年均发病率3.79/10万，整体呈下降趋势，男性发病率为4.26/10万，高于女性的3.32/10万（χ2=398.302,P <0.05）。病例年龄主要集中在40～59岁，占60.96%（15 667/25 699），职业以农民为主，占92.70%（23 824/25 699），发病高峰集中在6—11月，占76.26%（19 598/25 699）。安庆市报告的血吸虫病病例占比最高（32.18%,7 896/24 536），合肥市报告的疟疾病例占比最高（52.15%,559/1 072）。诊断至报告时间间隔中位数为4.61 h，棘球蚴病报告及时率最低，为97.14%（34/35），不同病种诊断至报告时间间隔以及报告及时率差异有统计学意义（H=26.559；χ2=17.204，均P <0.05）。结论 2013—2023年安徽省法定寄生虫病呈低流行态势，中老年男性农民为高发人群，不同病种的发病率存在地区差异，棘球蚴病报告及时率较低。

关键词： 光伏功率预测   自适应噪声完备集合经验模态分解   样本熵   双向长短期记忆网络  

摘要： 光伏发电具有间歇性和波动性，传统的单一模型难以实现精确预测。因此，提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decompositionwithadaptivenoise,CEEMDAN)、样本熵(sample entropy, SE)和双向长短期记忆网络(bidirectional long shorttermmemory,Bi-LSTM)组合的预测模型。首先，采用CEEMDAN对历史功率序列进行分解以降低其非平稳性，针对分解后导致后续预测数据规模增大的问题，通过引入样本熵的方法将子序列进行重组。其次，将重组序列输入到双向长短期记忆网络中，对其进行学习和预测。最后，通过将各个重组序列预测结果线性相加的方式，获得最终的预测结果。实例验证表明，构建的组合模型适用于不同天气条件下的光伏功率预测，并且具有更高的预测精度。

关键词： 武器协同   作战能力   TTNT   分层式网络体系   SPMA  

摘要： 美军新一代数据链TTNT(Tactical Targeting Network Technology)执行多层网络管理，系统架构具有层次分明、便于扩展等特点，其系统在一体化联合作战下的通信能力主要体现在消息格式、信息传输、通信安全等关键技术中。对照TCP/IP五层协议，将TTNT数据链细化为分层式网络体系架构，针对一体化环境下的协同作战能力需求，分析TTNT数据链五层网络体系架构中所用的关键技术，归纳各技术发展情况，将TTNT数据链与其他数据链进行性能与优缺点对比，对其未来与其他数据链的关系以及发展和应用方向进行了总结，可对TTNT数据链关键技术融合提供设计指导。

关键词： 三维人体姿态估计   图注意力   时间上下文   空间上下文   时间卷积网络  

摘要： 近期关于人体姿态估计的研究表明，充分发挥二维姿态潜在空间信息的潜力，获取具有代表性的特征，以产生更准确的三维姿态估计结果，仍然需要进一步研究。因此，提出一种基于图注意力机制的时空上下文网络，该网络包括带滑动窗口的时间上下文模块(STCN)、由人体边缘肢体关节点引导的全局图注意力机制模块(EGAT)和基于姿态语法的局部图卷积网络模块(PGCN)。首先，使用STCN将长序列的二维关节位置转化为单序列的人体姿态潜在特征，从而有效聚合和利用远、近距离的人体姿态信息，并大幅降低计算成本。其次，提出EGAT模块，以有效计算全局空间上下文。该模块将人体边缘节点视为“交通枢纽”，为它与其他节点之间的信息交换建立桥梁。再次，利用图注意力机制进行自适应权值分配，对人体关节进行全局上下文计算。最后，设计PGCN模块，利用图卷积网络(GCN)对局部空间上下文进行计算和建模。它强调人体对称节点的运动一致性和人体骨骼的运动关联结构。在Human3.6m和Humaneva-I这2个复杂的标准数据集上全面地推理评估所提模型，结果表明，所提模型有更优越的性能，在输入帧数为81帧的情况下，模型在数据集Human3.6m上的实验结果平均位置误差(MPJPE)可达43.5mm，与目前先进算法SCNet(Spatial Collaboration Network)相比，所提模型的预测误差降低了9%，体现出更高的准确度。本文的代码可以在https://***/zzddwyff/upgraded-octo-carnival上查阅。

关键词： 医学图像分割   小样本学习   原型优化   细化分割   注意力机制  

摘要： 针对小样本医学图像分割中现有方法忽略了支持集和查询集之间的分布偏移和局部边缘细节的问题,提出了一种用于小样本医学图像分割的原型优化和细化分割网络(PORSNet)。首先,该网络中包含一个原型循环迭代模块,通过迭代执行初始原型校正、原型全局感知、原型蒸馏等步骤,抑制初始原型和查询集之间的分布偏移及增强原型的表达能力。此外,还包含一个原型细化分割模块,通过掩码引导聚合和特征归一细化,进一步处理边缘细节信息。在两个广泛使用的小样本医学公共数据集ABD-MRI和ABD-CT上进行大量实验表明,所提出的PORSNet可以利用少量样本在确保分割效果的同时具备良好的泛化能力。