关键词： 非天然地震   深度学习方法   微震检测  

摘要： 利用深度学习方法对2022年6月1日至8月31日大同非天然地震试验台网8个台站、山西及周边邻省地震台网32个固定台站的连续波形进行微震检测,产出非天然地震自动编目结果。自动编目结果和人工编目结果的对比显示,自动编目产出非天然地震事件数量是人工编目的7.9倍,检测匹配率达86.9%;发震时刻偏差1 s以内的占总匹配事件的91.5%;震源位置偏差在5 km以内的占83.0%;M L震级偏差在±0.3以内的占81.1%;震源深度偏差在2 km以内的占60.1%。分析认为,实时智能处理系统对大同矿区非天然地震目录完整性有较大程度的补充,定位精度较高,可应用于大同矿区非天然地震检测、活动性分析及定位等工作。

关键词： 债券违约预警   机器学习   看门人   地区经济   营商环境   信息含量  

摘要： 债券市场安全涉及国家的金融安全,近年来因我国债券违约频发而备受关注。基于我国债券市场特征、财务困境和制度经济学理论,引入财务信息和非财务信息变量并使用传统统计方法和机器学习方法可构建一批债券违约预警模型。研究发现:第一,对比传统统计方法构建的债券违约预警模型,基于机器学习构建的债券违约预警模型具有更高的预测准确度。第二,在使用财务信息变量的基础上引入非财务信息变量,债券违约预警模型的预测准确度大幅提高,表明非财务信息为预警模型提供了有效的增量信息。具体来说:(1)作为债券市场重要的“看门人”,审计和评级机构都能提供债券违约的预警信息,但违约前一年审计意见提供的预警信息的重要性高于信用评级提供的预警信息;(2)发债企业的所有制、上市状况及其所属地区的经济与社会环境如社会资本和营商环境对于债券违约预警具有重要作用;(3)货币政策信息对于债券违约预警也具有重要作用;(4)预警模型帮助投资者大幅降低“踩雷”的概率,极大提高了债券投资的安全性。

关键词： 人工智能   监督学习   线损   检测模型  

摘要： 目前,线损数据异常检测工作主要依赖人工定义和实现的规则进行数据质量的校验和治理,该方法存在一些弊端:一是单一规则难以发现需从数据本身的特征、跨数据项的业务连线性分析等多个方面综合分析才能发现的数据问题;二是规则的阈值难以确定,太严会导致误报漏报,太松会导致告警洪流。本文改变依赖业务规则进行线损异常数据识别的工作思路,将机器学习和人工智能应用到数据治理过程中,对比评估了多种人工智能监测模型,基于混合算法建立了分线线损数据异常检测模型。结果表明,数据异常发现能力和处理比率明显提高。

关键词： 高中化学教学   研究性学习方法   研究  

摘要： 化学是高中阶段的核心课程,而在学习这门课程的过程中,探索则是十分重要的一个组成部分。从传统的教学模式来看,虽然能辅助学生掌握知识,但是对于学生知识掌握的促进效果十分有限。因此,高中化学教师也需要积极地创新教学方法,优化教学手段,有意识地在高中化学教学中融入研究性学习的方法,在为学生传授知识的同时,也引导学生掌握探索化学世界的方法,使得教学的需求以及学生的发展需求能真正得到满足。文章就从高中化学教学中研究性学习方法应用的意义以及策略两个方面出发,针对这一问题进行了讨论。

关键词： 卫星影像   立体匹配   DSM   深度学习   高分七号  

摘要： 立体匹配是利用卫星影像生成DSM的重要步骤,近年来基于深度学习的立体匹配方法有较好的性能,然而,由于模型预测的视差范围固定有限及缺少训练数据,深度学习很少直接用于大场景卫星影像的立体匹配。本文提出了一种分层动态匹配策略,根据上一层匹配结果来动态确定本层影像分块的区域,使左右核线影像块的视差相对较小,利于深度学习模型进行预测;本文提出了一套卫星影像立体匹配样本制作方案,利用人工编辑的DSM或LiDAR点云获取视差真值,构建了一个高分七号立体匹配数据集。使用该数据集和现有数据集训练Stereo-Net和DSM-Net并基于分层匹配策略,实现了结合深度学习技术的高分七号影像高质量DSM生成。3个城市的影像试验表明,本文方法匹配的视差图的平均视差绝对误差为1像素左右,错误视差像素比例不超过3.8%,生成的DSM质量优于传统方法。

关键词： 创造有意义的学习经历   课程思政   卫生事业管理  

摘要： 基于迪·芬克教授“创造有意义的学习经历”理论,运用“有意义的学习分类法”和“以学习为中心”的综合性课程设计方法,指导课程思政融入卫生事业管理专业课程教学。在重构“问题教学法+混合式教学”模式开展教学的基础上,通过调查学生对教学效果的感知和评价,分析基于理论开展的教学实践的可行性和存在问题,对课程思政融入专业课教学的方法进行了创新性的探索。通过开展教学实践,实现了“知识传授-能力培养-价值塑造”的思政教学目标,凸显了学生的主体地位,取得了较好的教学效果。

关键词： 合成孔径雷达   小样本图像识别   深度表征学习   孪生自监督学习  

摘要： 现有的自监督学习算法对小样本合成孔径雷达(Synthetic Aperture Radar,SAR)图像表征能力不足,无法充分地满足自动目标识别(Automatic Target Recognition,ATR)性能的需求。因此,本文提出了一种基于孪生自监督学习的SAR ATR方法。首先,将无标注SAR数据通过孪生特征提取网络模块中的数据增强方式建立正负样本对;其次,通过孪生自监督学习模块中的对比学习头部网络和特征冗余降低头部网络,依据无监督对比学习损失函数和特征信息冗余损失函数进行联合优化,进而得到具有较好表征能力的预训练网络;最后,将自监督预训练网络权重加载到下游网络中,并通过交叉熵损失对下游网络进行小样本SAR图像有监督识别。实验结果表明,对于运动与静止目标获取和识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)数据集,本文的方法仅在3.13%的训练数据上可达82.95%准确率。本文所提方法可在无标注数据中获得较好的表征能力,有效地改善小样本SAR图像识别的过拟合问题。

关键词： 联邦学习   注意力机制   个性化联邦学习   统计异质性  

摘要： 人们对隐私保护和数据安全的日益重视,促使联邦学习应运而生,然而,传统的联邦学习算法采用平均化处理局部模型参数,而未能考虑到特征提取的相关性以及各客户端之间的数据差异性。本文基于SK注意力机制提出一种联邦学习新算法,能更好进行图像特征提取,使用户模型更加个性化,提高模型的准确度。仿真结果表明,本算法有较好的个性化学习能力,收敛速度较快。

关键词： 深度学习   计算机辅助诊断   染色体核型分析   染色体分类   染色体分割  

摘要： 染色体核型分析是细胞遗传学领域重要的实验技术,并逐步在包括生殖医学在内的诸多现代临床领域和科学研究方面得到广泛应用,但即使是经验丰富的细胞遗传学家也需要大量时间才能完成染色体核型分析。基于传统方法的染色体核型自动化分析方法精度较低,仍需要细胞遗传学家花费大量时间、精力校正。目前基于深度学习的染色体核型自动分析方法成果较多,但缺乏对该领域现状的总结、对未来发展的展望等。因此,本文对基于深度学习的染色体核型自动分析方法进行综述,归纳总结了现有的研究分析任务,挑选了具有代表性的方法并梳理解决方案,展望了未来发展方向。通过整理发现,基于深度学习的染色体核型自动化分析方法取得了很多成果,但仍存在一些问题。首先,已有的中文综述性工作仅集中于某一子领域或者调研不够全面和深入。其次,染色体核型分析任务与临床紧密结合,受各种因素制约,任务类型繁多,解决方案复杂,难以窥斑见豹。最后,现有方法主要集中于染色体分类和染色体分割任务,而诸如染色体计数、染色体预处理等任务研究成果较少,需要厘清问题,吸引更多研究人员关注。综上所述,基于深度学习的染色体核型自动分析方法仍有较大发展空间。

关键词： 研究生教育   临床技能   CDIO   临床医学教学   课程体系改革   学习方法  

摘要： 目的评估基于构思、设计、实现和运作(conceive、design、implement、operate,CDIO)模式强化临床技能课程的有效性,为优化临床技能教学方法提供参考。方法选取2020年9月新入大连医科大学附属第二医院的临床医学专业学位研究生140名参加可行性研究,分为两组进行培训,每组70名。试验组采取CDIO模式强化临床技能课程教学,对照组采取传统教学。采用客观结构化临床考试(objective structured clinical examination,OSCE)在两组学生培训初、培训3个月后和培训结束后测试临床技能水平,并在结束后邀请两组学生对学习方法进行评估,采用广义线性混合模型评价两组学生临床技能水平。结果试验组与对照组的学生在最后考试中OSCE平均成绩分别为(88.87±5.25)分和(66.84±5.61)分,差异有统计学意义(P<0.05)。主观评价结果显示,试验组在提高临床技能、团队合作技能、沟通技巧、学习兴趣及灵活性方面得分高于对照组,差异有统计学意义(P<0.05)。结论CDIO模式强化临床技能课程在临床研究生教育中更有效,可大幅提高学生的学习主动性。