关键词： 仿生踩曲机器人   多模态感知   行为学习  

摘要： 针对传统白酒酿造中踩曲工艺标准化程度低、自动化水平不足而机械式制曲效果差的问题,设计了一种基于多模态感知与分阶段仿生行为学习的具身踩曲机器人系统,系统集成运动捕捉、RGB-D视觉、足底压力感知与机械臂控制模块,具备对踩曲环境的实时感知与交互能力。搭建了两阶段数据采集平台,分别用于采集人类踩曲行为与机器人模仿执行数据,构建了多模态踩曲数据集。在此基础上,提出了目标引导的两阶段行为学习算法TG-ACT,实现了从视觉计划到动作生成的完整行为建模流程。实验结果验证了所提出方法在动作自然性、执行稳定性以及踩曲质量控制方面的有效性,为白酒酿造中复杂技能的机器人化提供了参考路径。

关键词： 二氧化碳浓度   机器学习   黄土高原   环境因子  

摘要： 二氧化碳(CO_(2))是主要的温室气体之一,空气中二氧化碳浓度的变化受到多种因素的影响。现在能连续观测地面空气二氧化碳浓度的站点依旧较少,但是常规气象数据容易观测,在给定地点如何用常规气象数据模拟地面空气二氧化碳浓度依旧缺乏研究。基于陕西省淳化县的和家山小流域的实测气象数据和二氧化碳浓度数据,分别采用不同位置的地面空气二氧化碳浓度或环境因子的组合驱动MLP、LSTM、Bi-LSTM和RF模型,评价了机器学习方法在黄土高原沟壑区典型站点模拟日尺度地面空气二氧化碳浓度的潜力。研究结果表明,无论是以同类型观测数据作为输入还是以环境因子的组合作为输入,4种机器学习模型都可以较好的模拟地面空气二氧化碳浓度的整体变化过程,且都可以用于插补数据。以其他点位实测二氧化碳浓度作为输入时,MLP模拟2号点的浓度C_(2)精度最高,在测试集的误差仅为3.8%;以环境因子作为输入时,RF模拟2号点的浓度C_(2)精度最高,在测试集的误差为6.3%。但是以环境因子作为输入时无法模拟出二氧化碳浓度剧烈的日变化过程。为了进行数据插补,以同类型的观测数据作为输入用于插补数据的效果更好,它可以较好地模拟出地面空气二氧化碳浓度的日变化过程。

关键词： 熔融沉积建模   人工神经元网络   随机森林   Gradient Boosting   拉伸性能  

摘要： 采用拉丁超立方实验设计,研究了层高、壁厚、顶底厚、顶底线条方向、填充密度、填充线条方向、打印速度、挤出温度、床温、工作空间温度10种熔融沉积建模(FDM)工艺参数对丙烯腈-丁二烯-苯乙烯共聚物(ABS)零件拉伸性能的影响,对比了人工神经元网络(ANN)、随机森林(RF)和梯度提升算法(GB)3种机器学习方法预测拉伸性能的准确性。结果表明,ANN预测拉伸强度和断裂伸长率的相关系数R仅为0.883 5和0.892 4,在训练和测试数据集上,预测的均方误差(MSE)在5~10和20~24之间;RF预测的R值为0.913 6和0.924 0,MSE在3~8和15~20之间;GB预测准确性最高,R值为0.975 9和0.981 2,MSE最低,在1~4和8~10之间。在10种工艺参数中,在采用RF模型时,拉伸性能的显著影响因素为填充密度、壁厚、填充线条方向和顶底厚,在采用GB模型时,拉伸性能的显著影响因素为填充密度、壁厚、层高和填充线条方向。填充密度是影响拉伸性能最显著的因素,对GB预测结果的影响显著性达到80%左右,远大于RF模型中的40%。

关键词： 肌肉骨骼系统   工作相关肌肉骨骼疾患   工作负荷因素   社会心理因素   机器学习  

摘要： 目的探讨工作负荷因素与社会心理因素对工作相关肌肉骨骼疾患(work-related musculoskeletal disorders, WMSDs)的影响, 构建预防决策辅助集成学习模型, 并提出具有临床意义的筛查方法。方法于2022年10月, 用整群抽样方法选取光电企业1 071名工人为研究对象。采用调查问卷收集工人的一般情况、工作负荷因素、社会心理因素和WMSDs发生情况。采用logistic回归、极限梯度提升树(Extreme Gradient Boosting, XGBoost)、集成学习和分类链模型探究影响WMSDs的关键因素, 并使用曲线下面积(area under the curve, AUC)评估模型表现。结果光电企业工人过去1年WMSDs发生率为47.7%(511/1 071), 其中多部位WMSDs发生率为54.4%(278/511)。logistic回归分析显示, 久坐、人员短缺、颈部前倾是工人WMSDs发生的危险因素(P<0.05)。XGBoost识别影响WMSDs的关键社会心理因素为情绪低落、精神紧张、自认幸福水平、心理平静和安宁。基于有序标签顺序的集成分类链模型分析颈、腰、肩、背、肘和髋臀部位WMSDs时具有一定效能(AUC>0.7)。结论工作负荷因素是光电企业工人WMSDs发生的主要危险因素, 社会心理因素也有潜在影响。构建分类链模型, 可精准识别多部位WMSDs发生情况, 工作负荷因素-社会心理因素交替预防策略具有重要公共卫生意义。

关键词： 视听零次学习   视频分类   注意力机制   KL散度  

摘要： 视听零次学习需要理解音频和视觉信息之间的关系,以便能够推理未见过的类别。尽管领域做出了许多努力并取得了重大进展,但往往专注于学习强大的表征,从而忽视了音频和视频之间的依赖关系和输出分布与目标分布不一致的问题。因此,该文提出了基于Transformer的视听广义零次学习方法。具体来说,使用注意力机制来学习数据的内部信息,增强不同模态的信息交互,以捕捉视听数据之间的语义一致性;为了度量不同概率分布之间的差异和类别之间的一致性,引入了Kullback-Leibler(KL)散度和余弦相似度损失。为了评估所提方法,在VGGSound-GZSL^(cls),UCF-GZSL^(cls)和ActivityNet-GZSL^(cls)3个基准数据集上进行测试。大量的实验结果表明,所提方法在3个数据集上都取得了最先进的性能。

关键词： 气滞证   机器学习   辨证   诊断模型  

摘要： 目的建立基于机器学习方法的气滞证及其亚型证候辨证决策网络模型。方法基于中医证候临床诊断量表—气滞证及其亚型证标准,纳入498例符合气滞证候患者,采用annaconda 3.8.8软件进行气滞证辨证模型的构建,分别采用支持向量机(SVM)、随机森林(RF)、BP神经网络(BP-NNs)以及XGBoost算法进行建模,并优化相关参数。评价指标采用ROC曲线下面积、平均准确率、精确率、召回率、F值、运行速率,综合评价模型优劣,择优构建模型。结果XGBoost算法的平均准确率及ROC曲线下面积分数最高,分别为74.3%、0.94;随机森林算法的平均准确率及ROC曲线下面积为74%、0.93;BP神经网络平均准确率及ROC曲线下面积为70.9%、0.92;支持向量机平均准确率及ROC曲线下面积为71.4%、0.92。结论通过XGBoost算法构建气滞证辨证决策网络模型具有良好的诊断及证型辨别能力,且具有较高的准确率,机器学习技术的应用在中医传统证型的决策诊断模型构建具有方法学上的可行性。

关键词： 情境卷入   主题意义   对话教学  

摘要： 基于主题意义的对话教学,以《义务教育英语课程标准(2022年版)》为指导,以主题意义为主线,依托文本语篇,从优化情境,提炼主题明方向、活动卷入,通过主题内化、多维评价,升华主题促语用,帮助学生借助情境,设计全员参与的活动,引导学生主动探究对话课主题意义,实现对语篇的感知、内化和迁移运用。

关键词： 课后复习   课堂笔记   学习方法   课前预习  

摘要： 快乐访谈快乐姐姐:你能取得不错的成绩,有什么好的学习方法和习惯吗?昕宸:首先,课前预习很重要,它能让我初步了解课程内容。其次,课堂笔记是关键,我会认真记录老师讲的每一个知识点。最后,课后复习时,我的法宝是“不懂就问,追根究底”。

关键词： 投影重构   领域适应   字典对学习   图像识别  

摘要： 图像识别中数据来源复杂,不同领域的数据在分布上存在差异等问题.为提高跨领域图像的识别能力,提出了一种基于投影重构的领域适应字典对学习方法.该方法采用交叉重构技术构建新的源域和目标域,使用综合和分析字典对来对齐不同领域的样本,并利用字典原子与类信息的关联将判别信息从源域传递到目标领域;同时,通过分析字典约束项提高字典的判别性,通过源域目标域的分类判别项最小化每类数据的分类误差和最大化类间差异,达到提高稀疏系数的判别性的目的.利用Caltech-256和Office数据集进行的实验结果表明,所提方法在Surf特征单源域和多源域实验中分别获得54.99%和58.64%分类精度;在深度特征单源域和多源域实验中分别获得91.43%和92.66%分类精度.

关键词： 知识图谱   知识表示学习   邻域粒度   三支决策  

摘要： 提出了一种基于邻域粒度与三支决策理论的知识表示学习方法,该方法采用2阶段的框架式增强算法,第1阶段通过知识表示学习方法拟合知识图谱中的节点与关系,映射其中蕴含的语义信息进入低维向量空间;第2阶段,通过划分低维向量表示的邻域粒度,捕捉和利用语义信息中的潜藏相似关系,并辅以三支决策对邻域粒度所挖掘的相似语义信息进行精准的划分,再将所挖掘出的潜藏信息对模型进行重训练,提升知识表示学习方法的准确性与鲁棒性。本文选定5种经典的知识表示学习模型,并在4个公开的大型知识图谱数据集上进行实验,通过实验结果验证了本方法的有效性。