关键词： “蓝色市民”   跨学科   主题学习   海洋素养教育   生态文明  

摘要： 《蓝色市民倡议》是海洋强国战略下的“中国主张”。厦门市滨海小学将“蓝色市民”融入小学具体学科进行“跨学科主题教学”,通过整体规划建构实施框架、聚焦主题设计课程体系、基于课堂实践凝练跨学科教学模式、建立“教联体”促进协同育人等实施路径,从“跨学科课程开发与实践”“家校社协同育人”两个方面推进“海洋素养教育”的实施与开展,探索“海洋素养教育”立体化的育人体系。

关键词： 初中历史教学   教学经验   学习方法   三路径  

摘要： 做任何事情只要找对了方法,就可能事半功倍。初中历史教学也一样。与其一味地向学生“灌输”知识,不如教给学生有效的学习方法。学生掌握了正确的学习方法就能事半功倍,提高学习效率。下面,笔者结合多年的历史教学经验,对如何引导学生掌握学习方法提出建议。一、研讨教材目标,渗透学习方法教材的编排是符合一定教学目的的,教材中着重强调的重点知识也是学生必须掌握的重要内容。编撰者通过对学生特点的考量,编排出符合学生认知特点的历史教材。例如,通过对目录部分的学习,能够在心中形成一定的知识框架,对整本教材的知识线索有所了解。

关键词： 肺栓塞   深度学习   诊断效能   体层摄影术,X线计算机  

摘要： 目的探讨肺部CT成像联合深度学习对肺栓塞的诊断价值。方法选取行肺部CT检查的疑似肺栓塞患者117例,根据诊断方法不同分为对照组(n=117)和观察组(n=117)。对照组由影像科医师行常规肺部CT诊断,观察组在对照组的基础上联合深度学习模型REUNet辅助诊断。REUNet模型主要包括两部分:特征提取使用ResNet网络,通过引入残差连接,可让模型更好地学习CT成像的底层细节特征;目标检测部分采用UNet网络,通过网络的编解码结构,充分利用CT成像信息,提高栓子检测的准确率和细节保留能力。以2位高年资影像科医师综合诊断结果为金标准,收集并分析两组诊断效能与诊断时间。结果金标准诊断43例阳性,74例阴性;观察组对肺栓塞诊断的敏感度、特异度、准确率、阳性预测值和阴性预测值均高于对照组,差异有统计学意义(P<0.05);观察组诊断时间低于对照组,差异有统计学意义(P<0.05);观察组曲线下面积(area under curve,AUC)与Kappa值均高于对照组,差异有统计学意义(P<0.05)。结论肺部CT成像联合深度学习模型REUNet辅助诊断可以提高对肺栓塞的诊断准确率和诊断效能,减少诊断时间,而且通过计算CT肺动脉栓塞指数和心血管结构的测量,量化分析肺动脉血管的阻塞程度,并对右心功能进行评价,有利于肺栓塞早期快速治疗。

关键词： 计量经济学教学   机器学习方法   大数据  

摘要： 文章基于相关文献综述,首先阐述了大数据背景下计量经济学教学现状,然后提出了大数据背景下融入机器学习方法的计量经济学教学改革策略,包括明确教学目标、优化教学内容、改革教学方法。

关键词： 红花   采摘机器人   深度学习   YOLOv5s   识别成功率  

摘要： 为实现农业复杂环境中红花的快速准确识别,提出了一种基于深度学习方法的改进YOLOv5s红花目标检测算法。在YOLOv5s基础上融入适配GPU的轻量Ghost模块,获得复杂度更低、网络推理速度更快的基线模型,将CBAM注意力机制嵌入基线模型,增强了小目标物在高频特征中的表现力,并通过建立一种基于边界框宽和高差值的Focal-EIoU损失函数,提高红花在不同遮挡情况下的识别率。最后,在并联式红花采摘机器人上开展红花识别试验,验证改进算法的可行性和可靠性。结果表明:改进后的YOLOv5s模型相较于原始模型在mAP值上提高了1.94个百分点,模型参数量和单幅图像检测速度分别为3.52 MB和0.06 s/幅,红花采摘机器人视觉系统的平均识别成功率可达89.92%。

关键词： 甲氨蝶呤   骨肉瘤   机器学习   预测模型   排泄延迟   危险因素  

摘要： 目的:基于机器学习方法构建骨肉瘤患者大剂量甲氨蝶呤(high-dose methotrexate,HD-MTX)排泄延迟预测模型,并探索其相关危险因素。方法:回顾性收集2018年6月至2023年8月在东部战区总医院接受HD-MTX治疗并符合本研究纳入标准的80名骨肉瘤患者共255个周期数据。采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)方法来筛选排泄延迟相关的患者特征,分别通过6种机器学习算法构建预测模型,并使用AUC、准确率、精确率等多个指标评估模型的性能。结果:LASSO回归分析确定了10个预测特征指标,包括肌酐清除率(creatinine clearance,CrCl)、给药剂量、ALT、BMI、输注速率、水化值、MTHFR C677T基因多态性、性别、年龄、双膦酸盐合并用药情况。比较6种机器学习算法建立的模型性能指标,其中随机森林模型的预测能力最强[AUC为0.95,平均精确度(AP)0.79,准确率89.61%,精确率83.33%,召回率41.67%,F1值55.56%]。结论:采用随机森林法建立的HD-MTX排泄延迟预测模型可提高临床使用HDMTX患者的用药安全性,预防相关药物不良事件的发生。

关键词： 最小先验知识   自监督学习   机器学习   数据标签度   迭代阈值  

摘要： 为了弥补有监督学习对监督信息要求过高的不足,提出一种基于最小先验知识的自监督学习方法。首先,基于数据的先验知识聚类无标签数据,或基于有标签数据的中心距离为无标签数据生成初始标签;其次,随机抽取赋予标签后的数据,并选择机器学习方法建立子模型;再次,计算各个数据抽取的权重和误差,以求得数据平均误差作为各个数据集的数据标签度,并根据初始数据标签度设置迭代阈值;最后,比较迭代过程中数据标签度的大小和阈值决定是否达到终止条件。在10个UCI公开数据集上的实验结果表明,相较于无监督学习K-means等方法、有监督学习支持向量机(SVM)等算法和主流自监督学习TabNet(Tabular Network)等方法,所提方法在不平衡数据集不使用标签,或在平衡数据集上使用有限标签时仍可以取得较高的分类准确度。

关键词： 声学   语音声信号   正则化流形   总变分   高维特征矩阵   k邻域   声特征提取  

摘要： 语音声信号具有显著的时频稀疏性、时变性和高维非线性,为具体表征和有效提取其声特征,提出一种总变分正则化流形学习方法。以局部线性嵌入算法为基础,对预处理后的语音声信号先后进行二次傅里叶变换,再经统计分析提取长时幅值特征,构造包含短时和长时幅值特征的声特征向量,生成高维特征矩阵;在利用总变分对其k邻域进行优化,最后构造基于权重值能量最小化约束的总变分正则化流形学习声特征提取数学模型,经凸优化得出最优权重,解析语音声特征的低维流形。经分析与方法对比,该方法不仅可以明确声特征流形的物理意义,避免流形的扭曲变形,而且还能大幅降低数值计算量,提升计算速度,为智能语音的机器学习和模式识别提供方法技术支持。

关键词： 违约风险识别   集成学习   评分卡模型   组合模型  

摘要： 随着互联网信贷规模快速扩大,风险管理问题日益突出。为更准确预测用户违约概率,提升信贷风险控制能力,本研究将传统评分卡模型和机器学习模型相结合,提出一种新的违约风险识别模型。以LendingClub小额贷款业务数据为样本,在对数据进行预处理、变量筛选和不平衡数据处理后,将LightGBM和NGBoost的预测概率通过评分卡模型转化为信用评分,并将其作为新的特征,运用Logistic得到最终结果。结果表明:与单一模型相比,引入传统评分卡模型的组合模型具有更优的识别效果。该研究将为增强对借款人的动态管理提供有效理论依据。

关键词： 无线通信信号   知识图谱   图神经网络  

摘要： 在智能应用的推动下,用户对通信性能的要求已超出现有网络的能力。然而,在无线系统产生的海量通信信号中,仅少量字段对网络性能具有关键影响,如何有效挖掘数据仍面临挑战。现有的大多数研究忽略了无线数据的多源异构性和时序特性,难以揭示通信网络的运行机制及优化潜力。为此,本文提出了一种空时异构表示学习模型,针对无线数据知识图谱的空时异构特性,深入挖掘数据字段间的关系并优化无线通信网络性能。具体而言,本文将无线数据知识图谱的实体和关系转化为异构图中的节点和边,并通过学习节点的特征表示向量,全面揭示无线数据字段间的相互关系。这些关系不仅揭示了数据字段间的物理关联,还为性能优化提供了理论依据。为提升模型的表达能力,本文通过设计特征图模块,利用多跳连接子图表征异构节点的结构和属性信息。此外,本文开发了空时动态模块,通过联合聚合相邻节点的结构和时间信息,从而学习有效的节点表示向量。与现有方法相比,本文提出的模型在理解无线数据字段相互关系及性能预测等方面表现出显著优势,并在吞吐量预测任务中展现了实际应用价值。本文的研究不仅弥补了现有研究在无线数据知识图谱表示学习领域的不足,还为无线通信系统的优化提供了理论和实践支持。