课程文献中心 更多>>

关键词： 命名实体识别   注意力机制   膨胀卷积   边界扩展  

摘要： 命名实体识别在自然语言处理领域扮演着基础且关键的角色,它是信息提取、问答系统、机器翻译等众多常见应用的核心组成元素。其识别成果将直接决定后续多个下游自然语言处理任务的表现,因此具有极大的研究价值。但现有的对中文命名实体识别的研究主要集中在规律性实体上,对于非规律性实体和多表现形式实体的识别效果有待提升,如各种名称。为了解决这一问题,在基于规则启发模型(regularity-inspired recognition network,RICON)的基础上,提出了一种“实体的扩展规则网络”(extension regular of entity network,ERoEN),通过加入边界扩展机制捕获每个扩展后实体的规律,从而提取非规律性实体前后的隐含特征,以此提高对非规律性实体的识别能力;并且引入多粒度膨胀卷积层捕获不同距离的上下文信息,增强实体与上下文的关联性,最终提高对多表现形式实体的识别效果。通过在OntoNote4、Weibo和CLUENER2020数据集上的验证,ERoEN模型相比于RICON模型大部分实验中在F1值上分别提升了1.27、1.02和1.13个百分点。

关键词： 利奈唑胺   血小板减少   机器学习   决策树   随机森林  

摘要： 目的构建机器学习模型预测利奈唑胺相关血小板减少(LIT)。方法回顾性纳入某三甲医院2020年1月—2024年3月接受利奈唑胺治疗的患者198例。首先将患者分为LIT组和非LIT组,比较2组患者基本特征。然后选择在2组间存在显著差异的变量作为潜在危险因素构建LIT预测模型,包括Logistic回归、决策树以及随机森林模型,并对模型的预测性能进行评估和比较。结果共有52例(26.3%)发生LIT,单因素分析结果显示在发生和未发生LIT的患者中利奈唑胺谷浓度(trough concentration,C min)、患者基线血小板计数和肌酐清除率以及脑血管疾病、急性呼吸窘迫综合征和腹腔感染的发生率存在显著差异。在基于这些变量构建的3个LIT预测模型中,随机森林模型具有最高的预测准确性。最后基于随机森林模型进行变量重要性分析,结果显示C min、基线血小板计数和合并急性呼吸窘迫综合征对模型结果输出的贡献较大。结论随机森林模型能准确预测LIT的发生。利奈唑胺暴露水平较高和基线血小板较低的患者发生LIT的风险更高。

关键词： 道路网   Skyline查询   多目标决策   近似查询   兴趣点推荐  

摘要： 为了解决道路网中利用多目标决策技术进行兴趣点推荐和高效位置查询的问题,针对由于数据规模增加产生大量近似数据,导致传统多目标决策技术在道路网环境下查询效率和可用性方面较低的问题,提出了一种道路网广义近似Skyline查询算法。首先基于兴趣点的维度相似性和道路网近似性构建近似集和独立点,并根据兴趣点特性设计相应的剪枝策略;随后,通过近似集和独立点重构数据集,根据剪枝策略过滤掉当查询位置移动时对查询结果无影响的兴趣点,并构建AA-R*-Tree索引以提升查询效率;最后,根据兴趣点的近似性提出一种广义近似聚集支配算法,通过选取代表点代替近似集进行Skyline计算,减少冗余运算并优化查询结果,最终得到满足兴趣点近似整合有序的Skyline结果集。实验结果表明:所提近似查询算法在大规模数据集和大量相似数据条件下表现出较好的效率与可行性;与Higher-Gsky、MG-EGsky和GSSK-A算法相比,所提算法在数据规模、查询范围及路段数增加时的平均效率提升约14%,能够为道路网用户提供更快速有效的决策支持。

关键词： 一致性预测器   病毒性脑膜炎   临床辅助诊断   置信分类模型  

摘要： 目的:构建病毒性脑膜炎置信分类模型,为临床决策提供参考价值。方法:以病毒性脑膜炎数据为研究样本,采用神经网络(NN)和K最近邻(KNN)作为一致性预测器(CP)的奇异映射底层算法构建病毒性脑膜炎置信模型,即CP-NN和CP-KNN。结果:在设定置信度水平为0.998,CP-NN模型表现优异,其准确率为0.964,精确率为0.969,召回率为0.981,调和平均数为0.975。结论:CP-NN作为病毒性脑膜炎疾病辅助诊断模型,能够解决诊断中个性化高风险评估问题和传统机器学习模型退化问题,同时预测结果附带置信度,使得病毒性脑膜炎诊断更符合医疗需求。

关键词： 智能算法推荐   主流意识形态   传播困境   破解理路  

摘要： 智能算法推荐是当前大数据和人工智能技术驱动下信息资源个性化配置的主流应用模式,无论是搭建多场景多功能的信息聚合平台,还是推动数字经济发展壮大,智能算法推荐都发挥着重要的技术支撑作用。在信息传播领域,智能算法推荐内蕴的“过滤气泡”、数字娱乐、信息成瘾、把关权分化转移、平台优先级、算法偏见与歧视等价值缺位现象,使主流意识形态遭遇中心化被解构、权威性被消弭、凝聚力被稀释、认同度被磨蚀、引领力被削弱等传播困境。破解这些困境,需要从优化算法技术、完善法治规范、明确主体责任、培育算法素养、防范资本风险等多维理路展开协同治理,以此来推动建设具有强大凝聚力和引领力的社会主义意识形态。

关键词： 选址路径   双目标模型   两阶段物流   细菌觅食算法   粒子群算法   差分进化   种群进化   车辆运输  

摘要： 【目的】诸如名贵药材、有机水果等高值农产品往往具有高品质把控和高保鲜要求,通常需要经过初加工才能进入市场流通,故初加工中心的选址对平衡生产端分散的农村采购物流和配送点密集的城市配送物流起到重要的协调作用。鉴于高值农产品存在的农村采购物流与城市配送物流协调性差、运输成本占比过大的共性特征,如何在保证客户满意度的同时降本增效是高值农产品选址-路径规划中亟待解决的关键问题。【方法】提出了以总成本最小、客户满意度值最大为目标的两阶段物流选址-路径优化模型。第1阶段聚焦烘干中心选址,考虑建设成本、运输便利性、服务辐射范围等构建选址模型,优选出与中草药产区及用户地理位置相匹配的初加工中心;第2阶段基于筛选的初加工中心位置规划物流运输路径,以车辆容量、速度、时间窗为约束,综合运输、惩罚、货损成本与客户满意度构建多目标路径规划模型。为求解上述模型,将粒子群算法、差分进化理念及种群进化因子融入细菌觅食算法中,提出了混合多目标优化的MOBFO-NMOPSO算法,所设计算法通过引入基于小生境的多目标粒子群算法以提高求解精度;通过在复制操作中引入差分进化思想以保留种群的多样性;通过将种群进化因子引入迁徙操作以提高算法收敛速度。为验证模型及算法的有效性,首先将所提出的MOBFO-NMOPSO算法与NSGA-II、MOPSO、NMOPSO、GWOEDA、GA等算法对比,验证了算法在求解性能及求解速度上的优势。其次以S企业中草药供应链的实际数据为支撑,综合考虑烘干中心建设成本、车辆运输成本、时间惩罚成本及货损成本,全面求解两阶段选址-路径规划问题。【结果】仿真结果表明,优化后的企业运输成本降低了10.26%,客户满意度提升了44.84%,验证了模型在求解高值农产品物流规划问题上的有效性。从服务中草药产区数量、物流成本和客户满意度3个维度考量,分别设计了S企业中草药供应链在考虑不同极端解和折中解的实际物流路径方案,以供企业选择。【结论】研究构建的两阶段选址-路径优化模型及改进的MOBFO-NMOPSO算法,通过降低供应链总成本切实增强其竞争力,通过提高客户满意度稳固供需合作关系,并通过构建两阶段物流规划体系有力推动高值农产品供应链的协调稳健发展,提升其高值农产品运作效率。

关键词： 糖尿病视网膜病变   视网膜图像   YOLOv8n   动态卷积   小目标检测层  

摘要： 为了提高糖尿病视网膜病变(Diabetic Retinopathy,DR)的检测精度,提出一种基于YOLOv(You Only Look Once Version)8n的DR检测算法。引入全维度动态卷积对YOLOv8n的骨干网络进行重构,以加强特征的适应性,提高特征提取能力。在颈部网络中增加小目标检测层,并引入轻量化双卷积以优化信息处理流程。最后对损失函数进行改进,优化梯度增益分配策略。实验结果表明,与YOLOv8n检测算法相比,所提算法的精确率提高5.8%,平均精度均值(Mean Average Precision,mAP)@0.5提高7.6%,有效改善了对DR小尺寸密集病灶的漏检问题。

关键词： data reading   image detection   multidimensional optical data storage   Sobel filtering  

摘要： With the vigorous development of new-generation information technologies, such as artificial intelligence and 5G communication, the efficient and low-energy storage of large-scale data have become a research hotspot. Optical storage has been extensively studied due to its characteristics such as large storage capacity and long lifespan. The algorithm used for data extraction is vital for data storage because it directly affects the bit error rate and recognition speed in data storage. To further improve the accuracy and speed of optical storage data reading, a multidimensional optical storage data reading image detection algorithm based on Sobel filtering is proposed in this study. Photos are preprocessed using Sobel and 2D filterings to suppress interlayer crosstalk between adjacent data layers in multidimensional optical storage. A lattice grid is drawn using connected regions and classification algorithms, and data are identified by analyzing the complex image features of a single grid. Experimental results show that this algorithm reduces the error rate of multidimensional optical storage to 0.3% and improves the data reading accuracy and recognition speed. Furthermore, it possesses important application value in the fields of optical storage and image recognition. © 2025 Universitat zu Koln. All rights reserved.

关键词： 蕴涵算子族L-λ-Π   模糊推理   反向三I约束算法   α-反向三I约束算法  

摘要： 针对带参数蕴涵算子族L-λ-Π给出模糊推理FMP模型的反向三I约束算法的下确界计算公式和FMT模型的反向三I约束算法的上确界计算公式,并进一步得到其一般化的α-反向三I约束算法的FMP(FMT)下(上)确界的计算公式。

关键词： 铁路选线   铁路线形优化   多目标动态规划   无人机数据   方案比选  

摘要： 铁路线路方案的规划与评价为多目标决策,影响工程经济、环境等多方面。为探讨铁路线路多目标优化方法,提出了基于工程造价、生态指标和碳排放的多目标线形优化方法。基于无人机采集的高精度地理信息数据,通过监督分类进行建(构)造物边界和生态特征的智能识别,建立包含周边复杂环境的耦合约束集。基于自适应动态规划(Approximate dynamic programming,ADP)算法,引入深度神经网络模型实现线形的智能精细化调整,运用帕累托(Pareto)最优原理处理不同目标之间的冲突关系,将帕累托最优解在三维空间中构建出来,给予决策者更多的决策空间。本方法在华东地区某高速铁路连接线项目中得到应用,结果表明:该方法较人工选线方案降低建设经济费用2.28%,生态优化和碳排放优化也分别达到2.67%和1.59%。该智能选线方法可以为设计人员提供不同优化目标的多种线路方案,实现铁路线路经济效益、环境影响的平衡。