课程文献中心 更多>>

关键词： 实验教学   人工智能教学   在线标本   数据集   生成式人工智能  

摘要： 通过设计特定任务让学生亲身体验数据采集、整理、处理和分析的全过程,对于促进学生深刻理解机器学习算法、提升信息技术核心素养是有益的,然而,现场采集标本建立数据集的活动在频率、范围及适应学生多样性等方面存在挑战。因此,本文提出可以利用网络,在线进行数字化标本的搜集整理来构建数据集,并介绍了三个基于在线数字化标本搜集整理的机器学习实验项目:利用线性分类来分辨早开堇菜和紫花地丁这两种植物图像、基于K近邻算法分辨公园和居民小区卫星图像,以及构造决策树来分辨玄武岩和流纹岩的图像。这些项目展示了在线标本采集的便捷性和高效性,为学生提供了更加丰富多样的学习体验,同时提高了数据集的构建效率,更为方便地展现出不同的机器学习算法对于不同种类数据的适用性。

关键词： 水声传感器网络   鲸鱼优化算法   分簇路由  

摘要： 针对水声传感器网络(UASN)能耗效率问题,提出了一种基于改进鲸鱼优化算法的水声传感器网络分簇路由方法 .该方法能够有效平衡UASN中传感器节点的能量消耗,从而延长网络生命周期.同时能够根据簇头剩余能量等因素动态调整簇大小,平衡簇头负载.仿真结果表明:该方法相对其他典型能耗优化方法,能够有效降低整体网络能耗,延长网络生存时间.

关键词： 生脉散   心肌缺血再灌注损伤   网络药理学   分子对接  

摘要： 目的运用网络药理学和分子对接技术分析生脉散缓解心肌缺血再灌注损伤的分子机制。方法通过TCMSP和TCMID数据库检索生脉散的活性成分,并通过SwissTargetPrediction平台获得其作用靶点,筛选出疾病靶点和活性成分作用靶点的交集靶点,进行PPI分析,获得关键靶点,再进行GO和KEGG富集分析。采用AutoDock软件对活性成分和靶点进行分子对接。结果筛选获得生脉散活性成分56种,225个重合靶点,12个关键靶点,富集分析显示生脉散参与对活性氧的反应、凋亡、蛋白激酶结合等过程,调节MAPK、VEGF等信号通路。分子对接结果显示麦冬、五味子、人参的活性成分与关键靶点均对接成功。结论生脉散参与氧化压力、凋亡、蛋白激酶结合等多个过程,调节MAPK、VEGF等信号通路发挥心肌缺血再灌注损伤的保护作用。

关键词： 网络生态治理   系统性思维   顶层设计逻辑   运行保障逻辑   创新发展逻辑   世界意义  

摘要： 随着互联网信息技术的发展,网络成为人类生产和生活的重要场域,其运行规则和规律与传统社会生活相比有了很大的变化,其带来的一系列问题也使网络生态治理成为国家治理的重要面向。党的十八大以来,习近平总书记高度重视网络生态治理问题,发表了一系列重要论述,为新时代网络生态构建指明了方向:一是以整体观念、目标导向和技术迭代为核心的顶层设计逻辑;二是以强大的技术支持、完善的网络法规和政策、优秀的人才队伍为基础的运行保障逻辑;三是以政策创新、管理创新和技术创新为支撑的创新发展逻辑;四是以全球化、互联互通、合作共赢、对外开放为标志的世界意义。深刻理解新时代网络生态的逻辑理路,有助于构建良好网络生态以及网络命运共同体和网络文明,为推进中华民族伟大复兴贡献力量。

关键词： 路由协议   无线传感器网络   Matlab   仿真软件  

摘要： 路由协议是无线传感器网络(Wireless Sensor Network, WSN)教学中的一个重点和难点,如何让学生更深刻地理解路由协议,进一步掌握无线传感器网络数据传输过程有着非常重要的作用。本文阐述了无线传感器网络的基本概念,介绍了WSN的五层模型及其路由协议,并借助Matlab仿真软件,对经典的路由协议进行仿真。最后以Flooding协议和LEACH协议为例,在仿真中分析其性能,让抽象概念变得直观和具体。

关键词： 置信估计   环境感知   多模态目标检测   D-S证据理论   结果级融合  

摘要： 针对神经网络可解释性较低,且多模态融合中D-S理论易在高冲突场景出现悖论的问题,提出了一种基于置信估计网络和改进D-S理论的结果级多模态融合方法,该方法包括一种置信估计网络,将目标检测中的分类问题表述为置信估计问题,输出单模态网络检测结果的置信估计分数;一种改进D-S理论的融合方法,用检测结果的置信度分数和类别信息合成证据,最终融合不同模态检测数据。在KITTI数据集上进行的评估试验表明,该融合方法的mAP值较图像单模态检测最高提升6.64%,较点云单模态检测最高提升15.43%,对比结果表明,该融合方法的mAP提升值高于经典D-S融合0.81%,能有效减少分类冲突,克服经典D-S的局限性。

关键词： 硬件加速   卷积神经网络   设计空间探索策略   现场可编程门阵列  

摘要： 文中提出了一种面向非GPU类低资源芯片的自适应卷积神经网络加速器(Adaptive Convolutional Neural Network Accelerator,ACNNA),其可根据硬件平台资源约束和卷积神经网络结构自适应生成对应的硬件加速器。通过可重构特性,ACNNA可有效加速包括卷积层、池化层、激活层和全连接层在内的各种网络层组合。首先,设计了一种资源折叠式多通道处理引擎(Processing Engine,PE)阵列,将理想化卷积结构进行折叠以节省资源,在输出通道上展开以支持并行计算。其次,采用多级存储与乒乓缓存机制对流水线进行优化,有效提升数据处理效率。然后,提出了一种多级存储下的资源复用策略,结合设计空间探索算法,针对网络参数调度硬件资源分配,使低资源芯片可部署层次更深且参数更多的网络模型。以LeNet5和VGG16网络模型为例,在Ultra96 V2开发板上对ACNNA进行了验证。结果显示,采用ACNNA部署的VGG16最低仅消耗了原网络4%的资源量。在100MHz主频下,LeNet5加速器在2.05W的功耗下计算速率达0.37 GFLOPS;VGG16加速器在2.13W的功耗下计算速率达1.55 GFLOPS。与现有工作相比,所提方法的FPS提升超过83%。

关键词： 本体   人工智能   罕见病   社会网络分析   关联分析   链路预测  

摘要： 以罕见病领域的研究为例,通过对Web of Science核心合集和MEDLINE数据库中的罕见病研究文献进行本体、人工智能和罕见病命名实体的识别和关系抽取,并构建实体间的耦合关系和共现关系网络,分析本体、人工智能及罕见病关联网络的特征,挖掘本体和人工智能在罕见病研究中的应用模式,并预测本体和人工智能技术未来可能的罕见病研究应用。结果表明:30%~40%的罕见病在研究中应用了本体或人工智能技术;基于本体和人工智能耦合关系形成的罕见病网络结构清晰,可划分为较为明显的罕见病集群。本体与人工智能技术协同应用于罕见病研究呈现出5种基本模式,基因本体、癫痫本体、机器学习、模式识别等本体以及人工智能在罕见病研究领域具有较大的应用潜力。

关键词： 膝关节   nnU-Net级联网络   MRI   自动分割  

摘要： 目的:本研究首次深入探讨基于nnU-Net级联网络的膝关节MRI图像自动分割模型,并通过多个指标对其性能进行全面评估。方法:采用创新的级联分割网络管道结合低分辨率和全分辨率的3D双网络结构,实现对膝关节MRI图像的高效粗分割和精细分割。结果:在SKI10数据集上的验证显示,该模型在膝关节股骨、股骨软骨、胫骨和胫骨软骨的分割上取得了优异的Dice相似系数(DSC),分别为0.98±0.01、0.80±0.05、0.98±0.02和0.78±0.05,且准确率(Acc)、精确率(Prec)、召回率(Rec)和交并比(IOU)均超过0.88。结论:相较于现有方法,本研究在维持高分割精度的同时实现了更高效的计算。该模型有望为临床膝关节疾病的精准诊断和治疗提供新的技术支持。

关键词： 孝道信念   网络成瘾   父母教养方式   潜在剖面分析  

摘要： 本研究基于双元孝道模型,探索了孝道信念在不同潜在类型的父母教养方式与中学生网络成瘾之间的中介作用。通过对2219名中学生进行问卷调查,采用潜在剖面分析、结构方程模型进行数据分析,结果发现,父母教养方式可分成接纳型、矛盾型、一般型、严厉型和冷漠型五种潜在类型。以接纳型作为对照组,互惠性孝道在矛盾型、一般型、严厉型和冷漠型父母教养方式与网络成瘾之间均起部分中介作用;权威性孝道在矛盾型和冷漠型父母教养方式与网络成瘾之间起部分中介作用。研究结论表明,消极的父母教养方式和权威性孝道可能是中学生网络成瘾的风险因素。