关键词： 跨领域   最大均值差异   流形正则化   非线性  

摘要： 近年来,深度学习模型在跨领域分类学习中得到了广泛应用。边缘降噪自动编码器(mDA)因其采用线性结构获取最优解且训练速度快,被广泛使用。然而,mDA在特征表示学习中对特征空间非线性关系刻画不足,且在构建新的特征空间时未充分考虑领域间的分布差异。因此,文章提出了基于双重约束的非线性跨领域特征表示学习方法(FNDC)。该方法在重构误差中引入核函数,以捕捉特征空间的非线性关系;同时将最大均值差异(MMD)和流形正则化(MR)作为双重约束,以减少跨领域的分布差异,并保持特征映射后空间的相对位置关系。实验结果表明,该方法在跨领域文本分类任务中的表现优于现有的基线算法。

关键词： 序列推荐   扩散增强   对比学习   多视角意图  

摘要： 针对意图驱动的序列推荐中出现的数据稀疏性和意图信息提取不足问题,提出了一种基于扩散增强的多视角意图对比学习方法(DMVRec)。为学习原始项目间的购买意图相关性,在扩散模型反向过程中,通过融合原始序列意图信息和无分类器指导策略来预测高斯噪声。利用原始项目间的购买意图相关性信息指导反向过程的去噪,以得到增强序列的意图预测值,并利用余弦相似度计算每个位置下的增强项目。通过切分用户交互序列和聚类算法来构建意图监督信号,并分别在宏观和微观视角下利用意图对比学习来捕捉隐藏的用户意图信息。通过在四个公开数据集下实验,充分体现了DMVRec方法的优越性。其中,对比最先进基线,在HR@5指标上,提升7.03%,在NDCG@5指标上,提升4.53%。

关键词： 真实图像去雾   生成对抗网络   全局特征提取子网   多尺度特征融合子网  

摘要： 现有的大多数基于大气散射模型的去雾方法面对复杂和非均匀雾去除依然存在伪影、颜色失真、去雾不彻底等问题,针对以上问题提出一种新的基于生成对抗网络的图像去雾算法D-GAN(Dehazing-GAN)。该网络的生成器通过全局特征提取子网GFES(Global Feature Extraction Subnet)来提高网络特征利用率,并且使用多尺度特征融合子网MSFFS(Multi-Scale Feature Fusion Subnet)来增强网络对不同尺度细节的重建能力。实验表明,该文提出的生成对抗网络模型在非均匀去雾任务中具有良好的鲁棒性,相比FFA、SFNet、GCANet等方法在客观评价指标PSNR、SSIM上表现更优,并且在主观评价上表现更好。

关键词： 跨学科主题学习   培智学校   课程教学改革  

摘要： 跨学科主题学习作为培智学校教育改革的重要突破口,在培养学生核心素养、促进教师专业发展、深化课程创新等方面具有重要意义。针对培智学校教师在跨学科主题学习教学实践中的问题,提出整合性:强调学科知识的横向联系;情境性:关注教学场域的融合生活;协作性:构建教学联盟的深度参与等原则。建议在开展跨学科主题学习时建构整合“学科+X”的教学内容,创设回归生活情境的学习环境以及设计指向学生发展的多元评价方式,从而促进特殊学生全面健康适宜发展。

关键词： AI   知识导航   基础医学   重点学科   学习方法  

摘要： 你是否憧憬过这样的学习方法:像跟着地图导航漫游一般,解锁一个个新的知识点,拥有专属学习报告,重难点一目了然……兰州大学(简称“兰大”)积极探索通过推动知识图谱、AI助教,赋能学校一流重点学科——基础医学。让我们一起来看看这个医学数智课堂是如何打造的!

关键词： 有源配电台区   太赫兹设备指纹   联邦学习(FL)   设备识别  

摘要： 为提升对有源台区内海量分布式电力设备的安全管理能力,提出一种面向有源台区的电力设备太赫兹指纹识别防篡改与分簇联邦学习协同方法。首先通过特殊的工艺制作电力设备太赫兹标签,提供物理防伪基础;进而提出一种双分支多模态卷积神经网络识别设备指纹是否存在异常篡改;最后设计了一种分簇联邦学习(FL)训练方法,避免因隐私问题导致的防篡改识别模型的数据难以共享共用,并实现有源台区内多设备太赫兹指纹数据的分布式联合建模与高效协同训练。实验结果表明,本文所提方法的指纹识别精确度达到90%以上,比传统直方图相似度算法识别精确度提升了212%。本文所提方法在提高设备指纹识别精确度、增加训练效率和数据可用不可见等方面均具有显著优势,为电力设备的安全监测及预防攻击提供了新的技术路径。

关键词： 空间目标   数据增强   生成对抗网络   风格迁移网络   深度学习  

摘要： 针对航天领域深度学习的监督训练数据集难以完全模拟真实地球背景与目标纹理的问题,提出一种基于深度学习的数据增强方法。首先,基于梯度惩罚式Wasserstein生成对抗网络生成虚拟太空背景图像,通过学习原始图像中的地球背景信息并生成相似的虚假纹理,丰富地球纹理变化;同时,训练一种随机化风格迁移网络对数据集的目标表面纹理风格进行随机生成。该网络在保留空间目标结构和图像高维语义信息的基础上,提高目标纹理的多样性。最后,在光照一致性约束下对生成的地球背景和表面纹理风格化的目标进行融合,构建完整的增强图像数据集。对位姿估计网络进行仿真实验;结果表明,利用该方法构建的增强数据集相比原始训练集,网络的位姿计算精度得到显著提升。

关键词： 网瘾预测   学业预测   BP神经网络   随机森林  

摘要： 针对高校学生网瘾和学业预警需求,设计包括学生成绩、设计人口学、个体行为、社会关系和网瘾等调查问卷作为研究数据,提出基于BP神经网络和随机森林两种机器学习方法的学生网瘾及学业预警研究,并分析重要影响因素,为精准干预提供依据。经仿真对比,选取BP神经网络和随机森林算法训练网瘾和学业预测模型,准确率分别达到92.286%和92.742%。为学校学生管理教师及学生提供预警机制,具有一定的学术和应用价值。

关键词： 项目式学习   地理实践力   深度学习   水循环过程  

摘要： 《普通高中地理课程标准(2017年版2020年修订)》指出,根据学生地理学科核心素养形成过程的特点,引导学生通过自主、合作、探究等学习方式,在真实情境中开展丰富多样的地理实践活动。项目式学习围绕真实情境与问题展开,学生以小组合作形式进行项目问题的探究和任务的解决,为学生的综合思维、区域认知、地理实践力等核心素养培育提供了条件。在项目式学习中,学生借助真实情境对问题进行探究,实现知识层面的深度学习,增强了地理实践体验。

关键词： 跨学科学习   小学数学   核心素养  

摘要： 跨学科学习指运用多学科的知识和方法来探讨解决问题的途径。在小学数学教学中采取跨学科学习,对促进学生核心素养的提升、学习方式的转变以及学科知识化的转型等方面都有着重要的意义。小学数学借助跨学科学习的方式,对各学科知识进行重新构建和融合,能更好地回归数学学科育人的本质,落实学生核心素养的培养。