关键词： 多智能体   强化学习   意图交流   注意力机制  

摘要： 对于部分可观测环境下的多智能体交流协作任务,现有研究大多只利用了当前时刻的网络隐藏层信息,限制了信息的来源.研究如何使用团队奖励训练一组独立的策略以及如何提升独立策略的协同表现,提出多智能体注意力意图交流算法(Multi-agent attentional intention and communication,MAAIC),增加了意图信息模块来扩大交流信息的来源,并且改善了交流模式.将智能体历史上表现最优的网络作为意图网络,且从中提取策略意图信息,按时间顺序保留成一个向量,最后结合注意力机制推断出更为有效的交流信息.在星际争霸环境中,通过实验对比分析,验证了该算法的有效性.

关键词： 智能交通   交通事故风险预测   对比学习   自适应图神经网络   数据增广  

摘要： 高速公路的交通事故风险预测对智能交通和公共安全具有重要意义。现有方法通过挖掘历史事故的时空特征预测交通事故风险。但是,在高速公路事故风险预测中仍存在以下两个挑战。首先,事故具有不均衡的空间分布,相邻路段的事故分布差异可能较大,而相隔较远却具有相似拓扑连接关系路段的事故分布可能较相似。另外,由于事故的偶发性,其在时间维的分布非常稀疏,因此在捕获事故影响因素时缺乏足够的样本。针对第一个挑战,使用自适应图卷积网络以数据驱动的方式学习路段间的空间相关性;此外,根据Mixup策略进行数据增广以生成足够多的事故风险样本解决事故数量稀疏的问题,然后用对比学习方法以更好地区分风险与非风险样本,以实现更准确的事故风险预测。基于桂林市高速公路网真实交通数据集的实验结果表明,相比于最优方法,该方法的平均绝对误差指标降低了18.3%,平均准确率、召回率指标分别提升了8.1%、6.9%,因此,该方法可以更准确地预测高速公路事故风险。

关键词： 代谢相关性肝病   生物钟基因   生物信息学   机器学习  

摘要： 目的 探究生物钟相关基因在代谢相关性肝病(MAFLD)中的表达及其意义。方法 从GEO数据库中筛选MAFLD数据集GSE89632及GSE48452,基于R语言对51个生物钟相关基因进行差异表达分析,比较生物钟基因在MAFLD患者及正常样本之间的表达情况。同时分析差异基因的基因本体论(GO)及京都基因与基因组百科全书(KEGG)功能富集通路。进一步利用机器学习算法最小绝对收缩和选择算子(LASSO)和随机森林分析筛选特征基因,通过R软件进行受试者工作特征(ROC)曲线分析,并在数据集GSE48452中进行验证。结果 生物钟差异基因主要富集于昼夜节律、Hippo信号通路及Hedgehog信号通路等通路。通过机器学习筛选的特征基因NFIL3、PER2及通过特征基因构建的模型具有较高的诊断价值,曲线下面积(AUC)分别为NFIL3(AUC:0.968)、PER2(AUC:0.869),模型(AUC:0.973)。结论 生物钟相关基因可通过调节人体昼夜节律和相关代谢通路参与代谢相关性肝病的发生发展,其中生物钟基因NFIL3、PER2为MAFLD的特征基因。

关键词： 深度学习   中学地理教学   知识的基础   人工神经网络   自身思维   意义与策略   充分理解   教育领域  

摘要： “深度学习”的概念源于人工神经网络研究,运用于教育领域是指个体在充分理解知识的基础上,结合自身思维方式批判性地接受新知识,进而将其融入既有知识体系,并应用于具体问题的解决。

关键词： 智能制造   设备维护   诊断模型   智能故障诊断   数据样本   数据增强   机械部件   研究热点  

摘要： 在现代化的智能制造中,关键机械部件的故障往往会导致复杂的工业设备出现损坏甚至停机.智能故障诊断可为高效的设备维护提供指导,进而减少停机,降低生产损失,已成为当下学术界与工业界的研究热点^([1,2]).其中,基于深度学习的方法近年来取得了显著的效果.然而,实际工业场景中往往难以获取充足的故障数据样本用于深度诊断模型的训练,进而限制了此类方法的实际应用.

关键词： 抑郁症   人工智能   预测   血细胞分析参数  

摘要： 通过机器学习算法挖掘常规检验的血细胞分析参数,构建抑郁症诊断及与焦虑症鉴别诊断的预测模型。利用2020—2021年北京朝阳医院和河北医科大学第一医院血细胞分析参数进行研究,收集研究对象22项血细胞分析检验项目及年龄、性别参数,探索采用支持向量机、决策树、朴素贝叶斯、随机森林和多层感知器多种机器学习技术构建抑郁症预测模型。结果显示,基于健康人群和抑郁症组血细胞分析参数,构建的随机森林模型预测抑郁症发生准确率高达0.99,F1为0.975,受试者工作特征曲线下面积和平均精准度分别为0.985和0.967。血小板参数变化是影响抑郁症发生的重要因素。而基于抑郁症组和焦虑症组的血细胞分析数据,构建的随机森林鉴别诊断模型显示出最高的预测准确性(0.68)和AUC(0.622)。年龄和血细胞参数及红细胞平均体积对该模型贡献最大。综上,本研究通过挖掘血细胞分析项目,初步建立了抑郁症预测及与焦虑症的鉴别诊断模型,显示了机器学习模型在精神疾病中更为客观的评估价值。

关键词： 政策效应评估   异质性处理效应   机器学习   大数据  

摘要： 对公共政策的准确评估,是制定科学公共政策的重要前提,科学的公共政策将有助于促进国家治理体系和治理能力现代化。异质性政策效应评估作为一种新兴的研究范式,其重要性在政策效应评估文献中已经获得广泛认可。本文总结了异质性政策效应评估的重要价值,以及代表性传统方法的逻辑和局限性。在此基础上,文章重点梳理了机器学习方法在异质性政策效应评估中的重要价值和具体应用:更好地筛选和切分异质性变量、更好地评估多重异质性政策效应、更好地估计个体政策效应等。本文也指出机器学习在异质性政策效应评估的算法可接受性、过程可检验性以及结论稳健性中存在局限性。进一步,文章提出了异质性政策评估和机器学习的重点发展方向:引入和发展机器学习方法,重视异质性政策评估的政策价值及提升机器学习的可接受性;结合传统分析范式,拓展机器学习在异质性政策评估中的新模式;规范研究数据的采集和处理,推动数据和代码的公开透明等。

关键词： 机器学习   高空数据质控   XGBoost  

摘要： 【目的】建立一套基于机器学习方法的探空数据的自动化质量控制检测算法模型,为提高大气探空数据质量控制的效率及质量提供参考。【方法】本模型使用大气探空观测原始数据,以三西格玛准则完成初步质控,基于三西格玛准则检测结果标记生成机器学习数据集,应用XGBoost机器学习算法完成最终质控模型的构建。【结果】实现了对大气探空观测数据温度、气压、湿度、仰角、方位角、斜距素数的异常数据检测,模型异常数据检测精确率96.7%,识别率比人工检测提高了43.5%。【结论】模型对要素异常值检测具有较好的效果,较人工识别性能有明显提升。

关键词： 学习任务群   作业链   教学特征   任务群坐标模型   目标结构模型  

摘要： 作业链是适应学习任务群教学的系统化作业建构,作业链的高度结构化、强力关联性、丰富实践性等特征为学习任务群视域下的作业链模型建构提供了依据,有利于充分发挥作业链在学习任务群教学过程中目标的找位、补位与越位功能,情境的择定、整合与优化功能和学习过程的驱动、构成与联动功能,从而提升作业的课程地位,优化学习任务群教学策略,发展学生的学习力和学科素养。

关键词： 案例学习   临床应用解剖   神经外科   实习   自我导向学习  

摘要： 目的了解案例结合临床应用解剖学习方法在神经外科临床实习中的效果评价。方法以在汕头大学医学院第一附属医院实习的2014级和2015级学生作为试验组(58人),2013级学生作为对照组(48人)。试验组建立神经外科临床实习生学习小组,实施案例结合临床应用解剖学习方法;学习小组每周2次,共4次,每次包括4个环节。对照组采用传统带教方法。两组学生在神经外科实习开始和结束时分别填写《自我导向学习倾向性量表》;试验组学生在神经外科实习结束时填写案例结合临床应用解剖学习方法的《学生满意度调查表》。采用SPSS 20.0进行t检验。结果实习前,两组学生的自我导向学习能力的差异无统计学意义(t=0.25,P=0.807)。实习后,试验组(t=-6.49,P<0.001)和对照组(t=-4.68,P<0.001)学生的自我导向学习能力总分均较实习前有所改善。其中,试验组学生在六种学习因子上均较实习前提升,而对照组学生在喜爱学习和学习动机这两种学习因子上与实习前差异无统计学意义;而且,试验组学生的自我导向学习能力总分(t=2.17,P=0.032)、效率学习因子(t=3.81,P=0.001)、学习动机因子(t=4.20,P=0.001)均较对照组高。试验组学生对“案例结合临床应用解剖学习方法”的总体评价为满意。结论“案例结合临床应用解剖学习方法”对提高学生的自我导向学习能力有正向作用,尤其体现在改善学习效率和学习动机上;而且学生对学习模式的满意度高。