课程文献中心 更多>>

关键词： 网络文学   海外传播   中华文化  

摘要： 经过20余年创新发展,中国网络文学吸收传统文化精髓,融入创新传播策略,塑造了独具特色的文化风貌。中国网络文学的海外传播经历了版权输出、文本输出、多元化传播、产业化输出等过程,在不断拓展、蜕变、进化中实现快速成长,构建了一个基于AI时代的全新创作和产业生态。国家政策的持续引领、平台的创新完善、AI技术的发展进步以及网文作品的海量涌现,推动中国网络文学更好地走向世界。

关键词： 重症手足口病   反向传播神经网络模型   预测   人工神经网络   Logistic回归模型   机器学习  

摘要： 目的 通过构建反向传播神经网络(BPNN)模型,筛选重症手足口病(HFMD)临床早期预警指标,探讨神经网络技术在临床中的应用价值。方法 收集河南省新乡医学院第一附属医院感染科及儿科2019年1月至2023年1月收治的HFMD患儿临床资料,使用SPSS Modeler18.0将数据分为70%的训练样本和30%的测试样本,并构建BPNN模型和Logistic模型,对比评估模型预测准确性及筛选效果。结果 共收集589例患儿临床资料进行分析,轻症组324例,重症组265例。BPNN模型和Logistic回归模型的测试集(n=178)预测正确率为82.02%、84.83%;ROC曲线下面积及95%CI分别为0.791 (0.749～0.834)和0.625(0.577～0.674)。BPNN模型输出的预测变量中,对分组影响最大的前5位因素为:最高体温、发热持续时间、谷氨酰转肽酶、天冬氨酸氨基转移酶和球蛋白。两模型输出预测变量重要性结果前十位中重合的有3个,分别为:最高体温、发热持续时间和肢体抖动。结论 BPNN模型和Logistic回归模型在筛选验证重症手足口病危险因素方面均表现良好,但BPNN模型的综合预测性能更好,BPNN模型筛选出的前五名重症HFMD影响因素为最高体温、发热持续时间、谷氨酰转肽酶、天冬氨酸氨基转移酶和球蛋白。

关键词： AdaBoost   BP神经网络   横波时差   脆性   煤体结构  

摘要： 受制于研究区横波时差资料的缺乏以及煤层井径扩径导致常规横波时差预测方法精度较差的问题，引入AdaBoost算法优化BP神经网络的方法预测横波时差，通过优选敏感测井曲线和设定最佳模型参数建立横波时差预测模型，以提高横波时差的预测准确度。同时，对比了多元线性回归法、BP神经网络法以及AdaBoost优化BP神经网络法三种方法对横波时差的预测效果。通过预测的横波时差对煤层岩石力学参数及脆性特性进行了评价，并利用脆性指数与杨氏模量之间的关系对煤体结构类型进行了划分。结果表明，基于AdaBoost算法优化BP神经网络的回归预测模型能够有效地预测横波时差，验证井预测结果的平均相对误差为2.7%，通过预测的横波时差计算脆性指数并划分煤体结构类型，划分结果与岩心描述一致性较高。该方法有效提高了横波时差的预测精度并为煤层脆性评价及煤体结构识别提供可靠的数据支撑。

关键词： 机械装备   人机协同健康评估   模糊残差收缩网络   多功能k-means聚类  

摘要： 为全面评估机械装备健康状态并制定分级运维决策策略，本文提出了一种机械装备人机协同健康评估方法。首先，从振动、压力、扭矩等监测数据中分别提取机械装备症状参数；接着，设计一种新的模糊残差收缩网络，确定机械装备状态隶属度函数，建立基于症状参数的单一评估模型。然后，将各单一评估模型输出的状态隶属度转化为集体犹豫模糊健康评估矩阵；采用Best worst method计算各模型的评估优先级，利用语义Z数环境下的TOPSIS方法，发现不同运行状态对装备行为的影响差异。最后，通过犹豫模糊加权平均算子，定义机械装备健康指标，并引入多功能k-means聚类算法判定装备健康等级，以指导装备分级运维决策。验证结果表明：所提出的方法在场景适用性和性能稳定性方面有着尚佳的表现。

关键词： 阴影去除   Transformer   多尺度混合注意力框架   噪声抑制注意力聚合模块   全局双通道  

摘要： 针对图像中阴影覆盖导致信息缺失的问题，提出了一种基于Transformer的阴影去除方法——双通道噪声抑制网络（DNSNet）。该方法在Transformer的基础上集成了全局双通道注意力模块，结合通道注意力和空间注意力机制，以捕获全面的全局上下文信息，从而实现精确的阴影去除，显著提升了阴影区域的清晰度和准确性。在阴影处理阶段，DNSNet进一步引入了噪声抑制注意力聚合模块，有针对性地突出关键特征，从而有效改善了阴影区域的处理效果。在ISTD、ISTD+和SRD数据集上的实验结果表明，DNSNet在阴影去除任务中，相较于现有方法，表现优异，不仅有效减少了阴影对图像质量的影响，还成功保留了图像的关键细节和自然纹理。

关键词： 消包丸   包虫病   网络药理学   分子对接  

摘要： 研究旨在利用网络药理学和分子对接技术，深入分析消包丸治疗包虫病的分子作用机制。试验通过检索中药系统药理学数据库与分析平台和相关文献资料，对消包丸中的主要活性成分及其可能的作用靶点进行了筛选和预测；借助人类基因数据库、疾病相关基因数据库和药物靶标数据库等检索包虫病相关靶点，并用蛋白质数据库查询靶点对应的基因，筛选出消包丸与包虫病共同的作用靶标；借助STRING数据库构建PPI网络以挖掘潜在蛋白质，使用网络拓扑参数分析筛选关键靶点蛋白。使用分子对接软件对结合活性最强的活性成分进行分子对接验证；用富集分析在线工具进行基因本体分析和京都基因与基因组百科全书通路富集分析，进一步阐明了“药物-活性成分-靶点-疾病-信号通路”的生物过程及相互作用。结果显示，消包丸治疗包虫病涉及46个作用靶点，其中关键活性成分包括槲皮素、山柰酚、木犀草素、异鼠李素和黄芪熊竹素，具有高度结合能力和显著的生物活性。在生物过程通路方面，消包丸主要影响包括Th17细胞分化、弓形虫病和癌症中的蛋白聚糖等信号通路，功能集中在调节炎症细胞因子、免疫机制以及直接对寄生虫的作用。研究表明，消包丸治疗包虫病具有直接的抗寄生虫效果，可增强免疫力和减轻炎症反应来提升机体的整体健康状况。

关键词： 结构光视觉传感器   深度学习   焊缝识别   深度残差  

摘要： 为保证焊缝跟踪的精度并将激光条纹从强弧光、飞溅中分离出来，提出了一种基于SRNU网络的激光条纹分割算法，将带有弧光的图像送入SRNU模型，对内嵌于Resunet网络的编码层部分进行改进，添加SE模块和分组残差模块，对多层级特征信息进行提取和解析。结果表明:所提算法与Resunet算法相比，平均交并比、精确率、召回率与F1分数分别提升了0.79%、1.38%、0.50%和0.91%，说明该方法有较好的鲁棒性且具有较强的抗干扰能力，在复杂工况下也能将激光条纹从强弧光、飞溅中分离出来。

关键词： 安全系统学   城市轨道交通网络   韧性优化   客流分配   双层规划   修复策略  

摘要： 修复策略优化是提高突发事件发生后城市轨道交通网络韧性的重要手段。当前的研究多集中在单一层面的韧性评估，对乘客出行行为的考虑也较少关注对网络熟悉度的随机性。为此构建了城市轨道交通网络韧性优化双层模型，以提高网络对不利因素的应对能力。综合考虑多个层面提出了恢复速度和网络性能双韧性指标，以双韧性指标最大化为目标，考虑乘客出行行为决策，构建了基于修复策略的韧性优化双层模型。并以杭州地铁网络作为实际案例进行验证分析。结果表明：模型所求的修复策略优于其他修复策略；在一定范围内恢复速度韧性随着预算修复资金增加而减小，网络性能韧性随之增大而增大，恢复速度韧性随着修复队伍数量增大而增大，网络性能韧性随之增大而减小。

关键词： 短期负荷预测   门控循环单元   时间卷积神经网络   循环生成对抗网络   循环一致性损失函数  

摘要： 针对提高电力系统短期负荷预测精度和预测稳定的问题，提出一种新型循环生成对抗网络(Cycle-consistent generative adversarial networks，CycleGAN)。生成器和判别器分别为门控循环单元(Gated recurrent unit，GRU)和时间卷积神经网络(Temporal convolutional network，TCN)。生成器使用门控循环单元神经网络，能较好的适应时序预测任务和解决模型梯度问题。判别器模型使用时间卷积神经网络，在捕捉时序任务数据中的长期依赖关系上有着较好效果，并且更有效地识别生成器生成的伪造样本与真实样本之间的差异。同时，循环生成对抗网络引入了循环一致性损失函数可以让模型在训练过程中更为充分的学习预测规律。通过算例试验，证明了所提出的新模型具有更好的预测精度和稳定性。

关键词： 机器学习   图神经网络描述符   离子液体   二氧化碳   亨利系数  

摘要： CO2排放是气候变化的主要推动因素之一,有效的CO2捕集与储存技术的开发迫在眉睫.然而,设计高效的吸收过程的一个关键挑战是准确预测CO2在各种离子液体(ionic liquids, ILs)中的亨利系数.本文提出了一种结合图神经网络(graph neural network, GNN)和机器学习(machine learning, ML)框架用于预测CO2在ILs中的亨利系数.我们采用图卷积网络(graph convolutional networks GCN)、图注意力网络(graph attention networks, GAT)、图同构网络(graph isomorphism networks, GIN)和图样本聚合评估器(graph sample and aggregate networks, GraphSAGE)等四种图神经网络生成描述符,并将其与多种机器学习算法(K-nearest neighbors(KNN)、support vector regression(SVR)、random forest(RF)、gradient boosting regression trees(GBRT)、extreme gradient boosting(XGBoost))相结合,系统比较了这些组合在HLC预测中的表现.研究结果表明,图神经网络与树模型算法(如GBRT、XGBoost、RF)的结合显著优于KNN和SVR组合.其中, GNN+GBRT在训练集上的表现最佳,而GNN+XGBoost在测试集上表现最优.此外, GCN生成的描述符整体性能略优,这证明了GCN在处理复杂分子结构数据方面的强大能力,可以用来构建高精度的CO2亨利系数预测模型.该框架在CO2亨利系数预测中的成功应用为CO2捕集技术的优化提供了有力支持,从而推进了环境技术与可持续工程的发展.