关键词： 表面增强拉曼光谱   机器学习   呼吸道病毒   无标记检测  

摘要： 快速准确地检测引发急性呼吸道感染(ARI)的常见病毒,对于公共卫生防控至关重要。尽管传统的病毒检测方法在一定程度上满足了临床需求,但其往往存在耗时较长、成本较高或灵敏度有限等局限性,亟需更为快速和高效的检测手段。表面增强拉曼光谱(SERS)技术因其高灵敏度和特异性,逐渐成为病毒检测领域的研究热点。研究旨在开发一种结合SERS技术与机器学习方法的新型高效检测策略,以实现对呼吸道合胞病毒(RSV)、甲型流感病毒(IFA)和人腺病毒(HAdV)的精准检测。采用柠檬酸盐制备银纳米颗粒(Ag@cit),将碘离子孵育和钙离子聚集的银纳米颗粒(Ag@ICNPs)作为SERS基底。Ag@ICNPs具有适合病毒检测的优质“热点”,能够超快速、高灵敏、无标记地捕获呼吸道病毒的特征指纹图谱。为了进一步提高检测的效率和准确性,将机器学习方法引入到SERS技术中,通过对多种机器学习算法的改进,成功建立了病毒分类器,能够在3 min内对检测限低至1.0×10^(2)copies·mL^(-1)的三种病毒进行快速鉴定,且准确率高达100%。此外,利用病毒浓度与特征峰强度间关系所构建的浓度依赖性曲线,具有良好的线性关系(R2均大于0.998),为量化样本中病毒含量提供了可能性,这对于临床通过病毒负荷的变化监测治疗效果和病情进展具有重要意义。该研究揭示了“SERS@机器学习”联合应用在呼吸道病毒快速精准检测中的显著优势,并为ARI临床诊断提供了一种具有潜在应用价值的新途径,有望在未来成为临床诊断和公共卫生防控中的重要工具。

关键词： 重离子熔合反应   熔合截面   物理信息   机器学习  

摘要： 本文利用基于决策树的机器学习算法——LightGBM(Light Gradient Boosting Machine)研究偶偶核体系的重离子熔合反应的截面(Cross Section,CS)。机器学习算法的输入特征量包括与原子核基本性质相关的物理量(如弹靶核的质子数、质量数、2^(+)和4^(+)态激发能量等)以及从唯象理论模型计算得到的CS,输出量为熔合截面。研究发现,当输入特征量中不包含唯象模型计算的CS时,在训练集上LightGBM预测的CS与实验值的平均绝对误差(Mean Absolute Error,MAE)为0.138,显著优于ECC模型预测的0.172;当在输入特征量中包含唯象模型计算的CS时,由于物理信息的加入,MAE降至0.07。此外,还发现当物理信息引入时,计算得到势垒分布与实验数据能更好地符合。这表明物理信息在机器学习研究重离子熔合反应中有重要作用。

关键词： 高中地理   城镇化   鲁教版   经济结构  

摘要： 城镇化不仅深刻影响着经济结构、人口分布,还广泛涉及地理环境、社会文化等多个方面。鲁教版高中地理教材对《城镇化》这一节进行了全面而深入的阐述,旨在帮助学生系统理解城镇化的内涵、过程、影响。本文结合教材内容,提供详细的学习方法指导,并附上提升训练试题,以期帮助学生取得更好的学习效果。

关键词： 案例法   高中地理   学习方法   高效课堂  

摘要： 在课程改革日益推进的背景下,打造高效课堂及培养学生的综合能力,成为高中地理教学的重要目标。案例法作为一种有效的学习方法,具有生动、具体、实践性强等特点,能够激发学生的学习兴趣,提高学生分析问题和解决问题的能力,可以促进学生创新思维和实践能力的发展。

关键词： 计算化学   可再生能源   人工智能   能源材料   机器学习  

摘要： 能源材料低碳替代与绿色转型是实现碳达峰、碳中和的重要途径。传统基于实验的能源材料开发流程具有高可靠性和可直观评估等优点,但存在时间和资源成本高、探索范围有限、依赖知识和经验等问题。本文介绍了能源材料替代与转型中的机器学习方法,回顾了机器学习技术在能源材料研发中的已有应用和可用在能源材料开发中的机器学习算法,分析了机器学习方法在能源材料开发和替代方面的原理、应用、优势与挑战。根据对机器学习方法在能源材料替代与转型中的应用优势和局限性进行系统综述和分析,从数据、模型及应用等方面提出了构建高质量数据集、开发高适配性机器学习算法及拓展高效能源技术和系统的思考与展望。分析表明,机器学习方法在模型适配程度、应用广泛程度等方面都有十分广阔的提升空间,在能源材料替代与转型领域应用机器学习方法具有显著价值和广阔前景。

关键词： 深度学习方法   阵列激光   波形数据   PNN   特征识别  

摘要： 传统方法无法有效捕捉复杂或细微的特征,导致特征识别的准确性不高。针对上述问题,提出一种基于深度学习方法的阵列激光波形特征识别方法。采集阵列激光波形数据并实施预处理。利用经验模态分解(EMD)方法对这些数据进行分解,以提取固有模态函数(IMF)的波形能量矩。将这些IMF的波形能量矩输入到深度学习中的概率神经网络(PNN)模型中,以实现阵列激光波形的特征识别。实验结果表明:所提出的方法在3次交叉验证中的特异性表现优于其他对比方法,这充分说明了所提出的方法在特征识别任务中具有更高的准确性。

关键词： 机器学习   多源数据   玉米   SPAD   无人机  

摘要： 为实现玉米精准施肥管理,准确识别其叶绿素含量具有重要意义。叶片叶绿素相对含量(soil and plant analyzer development,SPAD)值是叶绿素含量的重要指示参数,已有研究多采用单一数据源,结合单一机器学习方法来对其反演。为提高SPAD反演精度,本研究探讨耦合多源无人机遥感影像与多种机器学习方法来开展SPAD值反演的可行性,并将其与已有方法进行比较。基于不同有机肥、无机肥、秸秆还田以及种植密度处理的玉米田间试验,获取玉米四叶期和九叶期的无人机多光谱影像和RGB(red-green-blue)影像,并同步测量了叶片SPAD数据。基于多尺度分析的方法,将RGB影像与多光谱影像进行融合,生成既具有高空间分辨率又具有多光谱的融合影像。此外,基于集成学习思想,选择BP-人工神经网络法(back propagation-artificial neural network,BP-ANN)、支持向量机法(support vector machine,SVM)、广义加性模型法(generalized additive model,GAM)、随机森林法(random forest,RF)等不同类型机器学习模型,构建集成学习模型(ensemble learning method,ELM)。基于以上数据源和模型,设计不同数据源和不同机器学习模型的耦合情景。将数据集分为建模数据集和验证数据集,基于建模数据集构建每种情景下的SPAD反演模型,然后基于验证数据集进行模型验证,对比分析确定最优SPAD反演模型与数据源。相对于单源数据,多源数据通过融合多光谱影像的光谱信息和RGB影像的纹理信息,提高了SPAD反演的精度。此外,相对于单一机器学习方法,基于集成学习思想耦合多种机器学习方法可以提高SPAD的反演精度。在所有情景中,基于ELM方法和融合影像的SPAD模型精度最高,其建模R_(cal)^(2)为0.83、RMSEcal为1.93,验证R_(val)^(2)为0.80、RMSEval为2.07;其他情景下,各模型的建模R_(cal)^(2)在0.64~0.88之间,RMSEcal在1.63~2.84之间;验证R_(val)^(2)在0.60~0.78之间,RMSEval在2.18~3.01之间。本研究证明了在反演玉米SPAD时,最优策略是使用多源数据和集成学习模型,为进一步的精准氮肥管理提供了技术支撑。

关键词： 人工智能   STEAM   智能评估   幼儿教育  

摘要： STEAM教育作为备受重视的学科教育模式,在幼儿教育领域具有重要意义,对不同类型幼儿其STEAM课程的数字内容侧重点不同。因此,文章对STEAM课程内容的设置策略进行研究。首先,本研究通过日常观察和调查问卷的形式,对幼儿自身状况与家庭状况进行全方面的数据提取。然后运用德尔菲法对不同情况下幼儿在STEAM教育中应注重的方向进行整合。最后,通过机器学习中的随机森林算法自主学习幼儿状况数据与专家给出的课程设置意见,从而建立了幼儿状况与STEAM课程设置之间的耦合映射模型。实验表明,映射模型的预测精度为93.3%,且模型输出的各因素贡献度表明,幼儿家庭成员的受教育程度是影响幼儿STEAM课程设置的最重要因素。

关键词： 地理   教材   七年级下册   认识区域  

摘要： 人教版地理教材七年级下册基于课标“内容要求”,综合考虑学生中学阶段地理学习的需要,精心选择区域作为案例,并优化教材呈现形式,统筹设计教材内容等,以培养学生认识区域的一般方法,提升学生的地理学科素养。

关键词： 小学数学   自主学习能力   教学策略   学习方法  

摘要： 在小学数学教育中,培养学生自主学习的能力是增强其数学素养与学习热情的重要途径。文章分析了现阶段小学数学教学中的若干问题,探讨了培养学生自主学习能力的途径,并提出了一系列切实可行的教学措施。通过激发学生自主学习兴趣、培养学生有效的学习方法等教师能显著提升学生的自主学习水平,进而推动学生全面成长。结合实践经验,文章阐述了以问题为引导、以探究为核心、以合作为依托的策略,致力为小学数学教学提供理论支撑与实践导向。