关键词： 机械臂   复杂操作任务   分层强化学习   子目标   自回归隐马尔可夫模型   SAC算法  

摘要： 在面对复杂任务时,传统强化学习方法存在状态空间庞大、奖励函数稀疏等问题,导致机械臂不能学习到复杂的操作技能。针对上述问题,提出一种基于分层强化学习的机械臂复杂操作技能学习方法。首先,底层运用基于Beta过程的自回归隐马尔可夫模型,将复杂操作任务分解为多个简单的子任务;其次,对每个子任务运用SAC算法进行技能学习,得到每个子任务的最优策略;最后,根据底层得到的子任务最优策略,上层通过基于最大熵目标的改进强化学习算法学习复杂操作技能。实验结果表明,所提方法能有效实现机械臂复杂操作技能的学习、再现与泛化,并在性能上优于其他传统强化学习算法。

关键词： 拓展提升   有意义的学习   质量评估指标   幼儿园保育   生活和游戏   分析解决问题   幼儿表达   关键指标  

摘要： 《幼儿园保育教育质量评估指标》中,关键指标“活动组织”的考察要点之一为:“发现和支持幼儿有意义的学习,采用小组或集体的形式讨论幼儿感兴趣的话题,鼓励幼儿表达自己的观点,提出问题、分析解决问题,拓展提升幼儿日常生活和游戏中的经验。”要真正理解这段话并在实际教育教学中落实,我们必须清楚“什么是幼儿有意义的学习”“如何支持幼儿有意义的学习”这两个问题。

关键词： 医学文献   阅读增强   文本检索   深度学习   社区问答  

摘要： 针对专业医学术语的理解问题,提出一种新的方法。结合关键词层级划分树(HST)和基于注意力机制的卷积神经网络(lwCNN),分别用于抽取医学文献的关键内容和检索与医学文献相关的社区问答。首先利用关键词层级划分树对医学文献中的内容划分得到不同的片段,并对各个片段中的内容抽取代表性关键词,进而使用lwCNN对社区问答数据进行检索并做相关性排序,最后生成注解并链接到对应的文本片段中,藉此帮助读者理解医学文献。实验结果表明:本文方法相比经典的信息检索算法和优秀的深度学习算法,有更好的检索效果,它的P@5、MAP和MRR评价指标值均优于对比算法。

关键词： 苜蓿   人工草地   遥感   深度学习   随机森林  

摘要： 近年来,我国人工草地建设进入了快速发展阶段,及时、准确地获取大区域范围内人工草地空间分布信息,有助于提升草业宏观管理的数字化水平。以内蒙古阿鲁科尔沁旗的苜蓿人工草地为例,基于Sentinel-2多时相遥感图像,结合苜蓿光谱反射率随刈割期变化的规律,利用ENVI NET 5深度学习模型提取苜蓿人工草地空间分布信息,并与面向对象的随机森林模型提取结果进行了比较。结果表明:(1)深度学习方法提取的2020年和2021年苜蓿草地的用户者精度分别为100.00%和98.80%,制图精度分别为98.42%和100.00%,总体精度分别为99.17%和99.33%,Kappa系数分别为0.98和0.99。随机森林模型的用户者精度分别为98.90%和96.61%,制图精度分别为97.82%和94.48%,总体精度分别为98.28%和94.68%,Kappa系数分别为0.94和0.90。深度学习模型提取的苜蓿人工草地空间分布信息各项精度指标均优于随机森林模型。(2)深度学习方法提取结果中的噪声像元较少,简化了复杂的分类后处理流程。此外,深度学习模型无需逐年建模,普适性强。综上所述,深度学习模型可以精确、便利地提取研究区域苜蓿人工草地信息,具有在类似地区大面积推广应用的潜力。

关键词： 自我革命精神   大学生党员   自主学习  

摘要： 自我革命是中国共产党区别于其他政党的显著标志,是党最鲜明的品格与最大的优势,而自我革命精神是从党的自我革命历程中凝练出来的,对于党员实现自我发展具有根本性指导意义的精神形态,应该被不断地学习与贯彻。本文旨在从中国共产党自我革命精神的内涵出发,分析大学生党员自主学习自我革命精神的深刻意义。

关键词： 机器学习   木材识别   定量解剖   计算机视觉   化学指纹图谱   DNA条形码  

摘要： 随着全球林产品贸易量的剧增和木材非法贸易活动的加剧,珍稀濒危树种保护成为国际社会关注的焦点。发展科学准确的木材识别方法是保护全球森林资源、促进林产品国际贸易健康发展的重要途径。近年来,随着木材科学领域与计算机技术的不断交叉融合,机器学习方法被引入木材树种识别研究领域,促进了木材识别新技术的发展,突破了传统方法无法实现木材“种”水平精确快速识别的技术瓶颈,逐渐成为木材树种识别方向的研究热点。文中综述近年来机器学习方法在定量解剖、计算机视觉、化学指纹图谱、DNA条形码等木材树种识别研究中的应用,并讨论现存的问题及发展方向,以期为木材树种识别研究提供参考。

关键词： 中国式现代化本质要求   党的中心任务   中华民族伟大复兴  

摘要： 党的二十大报告中首次提出了中国式现代化的九个本质要求,为新征程上继续有力推进中国式现代化作出了性质方向、科学内涵以及文明价值三个层面的指引。从三个维度理解这九个本质要求可以明确中国式现代化包括政治、经济、文化、社会和生态文明五个方面“五位一体”的全面发展的现代化方案,其价值指向则是面向全体人类,以引领人类文明进步发展为旨归。九条本质要求回答了未来要如何建设社会主义现代化强国的实践问题,对于实现中华民族伟大复兴具有重大的理论和现实意义。

关键词： 二氧化氮   臭氧监测仪(OMI)   深度学习   缺失值重建   NO_(2)浓度反演  

摘要： 二氧化氮(NO_(2))是备受关注的重要大气污染物之一,与人体呼吸系统和心血管疾病有紧密关系.卫星遥感是获得大尺度NO_(2)分布情况的有效方法,搭载于Aura卫星上的臭氧监测仪(Ozone Monitoring Instrument,OMI)可以反演全球尺度的对流层NO_(2)柱浓度.然而,由于观测条件(如云覆盖)和传感器物理异常影响,OMI在中国地区存在1/2以上的缺失数据,严重限制了数据的应用价值.本文首先基于深度学习方法重建OMI对流层NO_(2)柱浓度缺失数据,然后结合气象资料和地面信息(如道路密度)等数据,利用梯度提升树模型估算了2018—2020年中国近地面NO_(2)浓度日均值,最后使用机器学习解释性算法评估了OMI数据对近地面NO_(2)估算的适用性和敏感性.结果表明:OMI数据缺失值的重建效果和近地面NO_(2)估算精度良好,OMI缺失数据重建值与原始数据的交叉验证R^(2)为0.81,近地面NO_(2)浓度估算值与中国环境总站监测值交叉验证R^(2)为0.84;气象要素对近地面NO_(2)的敏感性最高,特征重要度为36.7%,OMI对流层NO_(2)柱浓度的特征重要度约为8%.

关键词： 电离层VTEC   时序预测   长短期记忆网络   单步预测  

摘要： 基于CODE分析中心2017—2018年的全球电离层模型(Global Ionospheric Model,GIM)格网数据,结合地磁Dst指数和太阳活动指数F10.7,提出了预报电离层天顶方向的总电子含量VTEC值的长短期记忆网络LSTM模型,并分别在平静期和磁暴期下对(5°N,120°E)、(30°N,120°E)、(55°N,120°E)三个网格点进行电离层VTEC单步预测。该文将模型预测结果与电离层模型产品值进行对比,绝对误差平均小于2 TECU,并用多个指标对预测结果进行评价,分析了模型在不同纬度和不同电离层环境下的预报精度。

关键词： 异质图   图神经网络   图结构学习   自监督学习   图对比学习  

摘要： 异质图神经网络作为一种异质图表示学习的方法,可以有效地抽取异质图中的复杂结构与语义信息,在节点分类和连接预测任务上取得了优异的表现,为知识图谱的表示与分析提供了有力的支撑.现有的异质图由于存在一定的噪声交互或缺失部分交互,导致异质图神经网络在节点聚合、更新时融入错误的邻域特征信息,从而影响模型的整体性能.为解决该问题,提出了多视图对比增强的异质图结构学习模型.该模型首先利用元路径保持异质图中的语义信息,并通过计算每条元路径下节点之间特征相似度生成相似度图,将其与元路径图融合,实现对图结构的优化.通过将相似度图与元路径图作为不同视图进行多视图对比,实现无监督信息的情况下优化图结构,摆脱对监督信号的依赖.最后,为解决神经网络模型在训练初期学习能力不足、生成的图结构中往往存在错误交互的问题,设计了一个渐进式的图结构融合方法.通过将元路径图和相似度图递增地加权相加,改变图结构融合过程中相似度图所占的比例,在抑制了因模型学习能力弱引入过多的错误交互的同时,达到了用相似度图中的交互抑制原有干扰交互或补全缺失交互的目的,实现了对异质图结构的优化.选择节点分类与节点聚类作为图结构学习的验证任务,在4种真实异质网络数据集上的实验结果,也表明该异质图结构学习方法是可行且有效的.与最优对比模型相比,该模型在两种任务下的性能均有显著提升.