课程文献中心 更多>>

关键词： 骨性关节炎   右归饮   软骨下骨   网络药理学  

摘要： 骨性关节炎(osteoarthritis,OA)在老年人群中的发病率逐渐增加[1],而关节软骨下骨异常重塑会加速OA进展[2]。目前临床上针对OA软骨下骨异常重塑的治疗方法仍然较少[3],因此,开展其相关机制的探索及中西医防治的研究具有重要意义。OA属中医学“痹证”“骨痹”范畴,基本病机为肾虚髓亏,本虚标实,故宜从肾论治[4]。右归饮是温补肾阳、填精益髓的代表方,可以减轻OA引起的疼痛,改善关节活动功能[5]。但是右归饮成分复杂,在OA软骨下骨中是否存在相关的作用靶点,以及对软骨下骨重塑具体的调控分子机制尚不明确。本研究借助网络药理学分析右归饮在治疗OA软骨下骨异常重塑中的有效活性成分和药物靶点,并且筛选核心靶点与功能通路。

关键词： 开放大学   网络课程   课程质量  

摘要： 网络课程质量是影响开放大学办学质量的关键因素之一。目前我国开放大学网络课程质量存在以下问题:网络课程目标设计不合理,课程资源质量良莠不齐,在线教学活动交互程度低,课程质量监控不到位等。影响开放大学网络课程质量的因素有:网络教学师资水平参差不齐,网络课程平台设计不够完善,课程质量保障制度不健全等。要进一步提升开放大学网络课程的质量,应提高教师专业化发展水平,确定合理可行的课程目标,加强优质课程资源建设,增强网络课程的交互质量,健全课程质量保障体系。

关键词： 档案水害   应急处置   热线系统   网络构建   微信平台   效率提升  

摘要： 文章旨在探讨如何利用微信平台构建基于网络的档案水害应急处置热线系统,强调其在提高档案水害应急处理效率、推动信息共享和加强社会参与方面的重要性。提倡利用技术手段有效应对档案水害,保障档案文化遗产的安全与完整性。

关键词： 糖尿病视网膜病变分级   卷积神经网络   图卷积网络   双路分支网络   自适应权重机制  

摘要： 糖尿病视网膜病变是一种高风险的致盲性疾病,若能及早发现病变情况,则可对症治疗,减缓或阻止患者进一步的视力丧失。目前已经有一些利用深度学习进行糖尿病视网膜疾病检测的成功案例。然而,这些方法通常只考虑了图像中像素之间的空间关系,而没有考虑到图像深层特征之间的关系。为此,提出了一种基于图卷积网络的糖尿病视网膜病变分级模型,旨在帮助医生和研究人员在临床实践和科研工作中更好地进行糖尿病视网膜病变图像的分级和诊断。本模型主要通过图卷积网络去捕捉图像深层特征间所蕴含的重要的分级信息,获得具有更强语义信息的特征,并在此基础上构建一个双路分支网络。此外,为了更好地进行特征融合,采用自适应权重机制来进一步提高分级性能。实验结果表明,所提出的方法利用图卷积网络可以充分学习到图像深层特征间的关系,从而提高分级性能,其分类准确率在APTOS2019数据集上达到约84.8%,在Messidor-2数据集上达到约68%。

关键词： 四旋翼无人机   自适应滑模控制   容错控制   神经网络   执行器故障  

摘要： 针对具有外部干扰、系统模型不确定性和执行器故障的四旋翼无人机系统,提出了一种基于RBF神经网络的自适应非奇异快速终端滑模控制算法的有限时间容错控制方案。首先将无人机动力学模型转换为位置子系统和姿态子系统,使用全局快速终端滑模控制方法实现位置子系统容错控制,在姿态子系统中,设计了一种基于RBF神经网络的自适应非奇异快速终端滑模容错控制器,并采用Lyapunov稳定性理论证明了控制器的稳定性。最后通过仿真对比实验验证了所提控制方案的有效性和优越性。A finite-time fault-tolerant control scheme based on an adaptive non-singular fast terminal sliding mode control algorithm with RBF neural network is proposed for a quadrotor UAV system with external disturbances, system model uncertainties and actuator faults. Firstly, the UAV dynamics model is converted into a position subsystem and an attitude subsystem. The global fast terminal sliding mode control method is used to achieve the fault-tolerant control of the position subsystem. An adaptive non-singular fast terminal sliding mode fault-tolerant controller based on the RBF neural network is designed in the attitude subsystem. The stability of the controller is proved using the Lyapunov stability theory. Finally, simulation and comparison experiments verify the proposed control scheme’s effectiveness and superiority.

关键词： 轨迹预测   深度学习   图卷积网络   时空图卷积   时间注意力   空间注意力   轨迹采样  

摘要： 当前行人轨迹预测研究面临两大挑战:1)如何有效提取行人前后帧之间的时空相关性;2)如何避免在轨迹采样过程中受到采样偏差的影响而导致性能下降.针对以上问题,提出基于双重注意力时空图卷积网络与目的抽样网络的行人轨迹预测模型.利用时间注意力捕获行人前后帧的关联性,利用空间注意力获取周围行人之间的相关性,通过时空图卷积进一步提取行人之间的时空相关性.引入可学习的抽样网络解决随机抽样导致的分布不均匀的问题.大量实验表明,在ETH和UCY数据集上,新方法的精度与当前最先进的方法相当,且模型参数量减少1.65×10^(4),推理时间缩短0.147 s;在SDD数据集上精度虽略有下降,但模型参数量减少了3.46×10^(4),展现出良好的性能平衡,能为行人轨迹预测提供新的有效途径.

关键词： 多模态   虚假信息检测   社交媒体   Gather Transformer网络  

摘要： 社交媒体网站是人们在日常生活中分享信息、表达和交换意见的便捷平台。随着用户数量的不断增加,社交媒体网站上出现了大量的信息数据。然而,由于用户没有检查共享信息的可靠性,这些信息的真实性难以保证,从而导致大量虚假信息在社交媒体上广泛传播。然而,现有方法大多存在以下局限性:1)大多数方法通过简单提取文本与视觉特征,将其拼接后得到多模态特征来进行虚假信息判断,忽略了模态间和模态内细粒度内在联系,缺乏对关键信息的检索和筛选;2)多模态信息间缺乏指导性的特征提取,文本和视觉等特征之间缺乏交互增强,对多模态信息的理解不足。为了应对这些挑战,提出了一种新颖的基于多模态双协同Gather Transformer网络(Multimodal Dual-Collaborative Gather Transformer Network,MDCGTN)的虚假信息检测方法。在MDCGTN模型中,通过文本-视觉编码网络对文本和视觉信息的特征表示进行提取,将获得的视觉和文本特征表示输入多模态Gather Transformer网络进行多模态信息融合,使用Gather机制提取关键信息,充分捕捉和融合模态内和模态间细粒度关系。此外,设计了一个双协同机制对社交媒体帖子的多模态信息进行整合,以实现模态之间信息的交互和增强。在两个公开可用的基准数据集上进行了大量实验,结果表明,与现有的先进基准方法相比,所提方法准确率明显提升,证明了其对于虚假信息检测的优越性能。

关键词： 网络欺骗   网络安全   防御技术  

摘要： 随着互联网的技术的日新月异,网络安全问题越来越严峻,网络空间已成为国家安全保障的重要内容。作为一种防御思想,网络欺骗通过欺骗思想的应用,在各种攻防场景下实现防御。针对多阶段渗透攻击,需要多种协同互补的网络欺骗性防御手段。网络欺骗聚焦攻击者自身,可扭转攻防不对称态势。因此深入探索网络欺骗的核心机制、发展轨迹以及相关技术,对于提升我国在网络中的威慑力,以及确保网络空间的稳定与安全,具有重大而深远的意义。

关键词： 计算机网络   科研反哺教学   项目实践   教学改革  

摘要： 随着互联网的蓬勃发展,计算机网络已成为现代社会不可或缺的基础设施。为培养具备扎实理论基础和卓越实践能力的计算机网络应用专业人才,文章致力于探讨科研反哺教学在计算机网络教学中的实践探索。通过引入前沿科研成果,不断更新和完善教学内容,设计具有实践性和创新性的课程项目,同时,积极指导学生参与毕业设计和科研项目,将科研成果转化为教学资源,实现科研与教学的有机结合。这种融合模式不仅有助于提升学生的计算机网络实践能力,激发他们的创新精神,并显著提高教学效果,培养更多优秀的计算机网络应用人才。

关键词： 智能物流系统   室内定位   目标追踪   可见光   光学测量  

摘要： 室内目标定位是智能物流系统的一项关键技术,可见光定位技术因其无需额外通信设备的优点成为智能物流中心的一种可行方案。然而,墙面反射会导致室内可见光定位的准确率下降,针对此问题,提出一种基于混合神经网络的室内可见光定位方法。首先,使用门控循环单元网络捕获可见光功率向量中光功率值之间的依赖性,使用一维卷积层提取光功率向量的局部空间特征;然后,将这两种深度特征融合来增强对光功率向量的特征学习能力,进而提高室内可见光定位的准确性。仿真结果表明,相较于其它基于神经网络的室内可见光定位方法,所提方法的定位误差更低,且时间效率也在合理的范围内。