关键词： 新时代   党的二十大精神   大学生  

摘要： 党的二十大报告指出,要把青年工作作为战略性工作来抓,用党的科学理论武装青年。高校应在遵循贴近学生、贴近课堂、贴近实践原则的基础上,从“点”入手,抓点促“线”,以线带“面”,立“体”落实,探寻学习党的二十大精神的实践路径,创新学习形式,丰富内容载体,以党的二十大精神为动力推进立德树人根本任务落地见效。

关键词： 债券市场   违约风险   文献综述   机器学习  

摘要： 自刚兑打破以来,我国债券市场违约趋于常态化,迫切需要加强对信用债违约风险的识别和防控研究。本文系统梳理了债券违约风险的影响因素,包括宏观经济、金融市场、企业特征、债券特征四大方面,并总结了适用于债券违约风险预警的模型。进一步,本文指出有必要将前沿机器学习方法应用于信用风险的精准识别与智能预警,具体可以使用文本分析深入挖掘债券违约风险影响因素,运用机器学习算法推动债券违约风险预警模型的迭代创新,旨在为坚守不发生系统性金融风险的底线,维护经济金融稳定,推动金融市场高质量发展提供政策参考。

关键词： 慢性非传染性疾病   糖尿病症状   代谢性疾病   机器学习   高血糖   相关并发症   全球范围   预测分析  

摘要： 糖尿病是以高血糖为特征的一种代谢性疾病,血糖高大多是由胰岛素分泌缺陷或其生物作用受损引起,患糖尿病时持续存在的高血糖,会损害各种组织,特别是脑、肾、心脏、神经等[1]。目前,糖尿病是全世界最主要的慢性非传染性疾病之一[2]。新版糖尿病地图指出,在全球范围4.63亿糖尿病患者中,有2.319亿未诊断,未诊断率为50.1%,其中绝大多数为2型糖尿病患者。中国有超过6500万糖尿病患者尚未确诊,这些患者没有明显的糖尿病症状,如果不能早发现、及时干预,将增加糖尿病相关并发症的风险,从而极大地增加糖尿病相关医疗保健费用[3]。在糖尿病相关方面的预测分析研究领域,目前更多的是采用机器学习(machine learning,ML)的方法。

关键词： 异构图神经网络   局部建模   多通道机制  

摘要： 现有的异构图神经网络通常忽略了存在于邻居节点之间潜在的语义联系,这使得节点表征无法蕴含多样化的局部特征。为了解决这个问题,文中提出了一种基于局部建模进行表征学习的方法L2NH,该方法首先构建邻居节点之间的协方差矩阵,并通过关系编码将边的类型信息融入到矩阵中,然后基于局部网络特征值分解提出了一种多通道机制来使得节点表征蕴含多样化的局部特征,最后,实验表明,该方法能够有效地提升节点分类的效果。

关键词： 高分辨率遥感卫星影像   位置精度   多元线性回归   支持向量回归   随机森林  

摘要： 提出了利用机器学习对高分辨率影像的位置精度进行建模分析的方法。实验提取上海市资源三号遥感影像中心城区与郊区空间纹理统计特征,用作解释变量,构建位置误差回归模型,对比分析不同机器学习模型之间拟合差异,并进行实验验证。结果表明,支持向量回归模型整体拟合精度最优,其在两块实验区域拟合均方根误差(rootmean squares error,RMSE)均在0.9 m左右,随机森林(random forest,RF)模型在郊区也有较好拟合结果。与常规方法相比,机器学习方法更有效,平均绝对误差(mean absolute error,MAE)相差较小,预测结果对异常值较小的样本可信度更高。所提出方法可通过模型预测影像逐像素位置误差,为精细地物信息提取和精度控制提供技术支持。

关键词： 联邦学习   迁移学习   局部敏感散列   差分隐私   梯度提升树  

摘要： 联邦学习解决了机器学习的数据孤岛问题,然而,各方的数据集在数据样本空间和特征空间上可能存在较大差异,导致联邦模型的预测精度下降。针对上述问题,提出了一种基于差分隐私保护知识迁移的联邦学习方法。该方法使用边界扩展局部敏感散列计算各方实例之间的相似度,根据相似度对实例进行加权训练,实现基于实例的联邦迁移学习。在此过程中,实例本身无须透露给其他方,防止了隐私的直接泄露。同时,为了减少知识迁移过程的隐私间接泄露,在知识迁移过程中引入差分隐私机制,对需要在各方之间传输的梯度数据进行扰动,实现知识迁移过程的隐私保护。理论分析表明,知识迁移过程满足ε-差分隐私保护。在XGBoost梯度提升树模型上实现了所提方法,实验结果表明,与无知识迁移方法相比,所提方法使联邦模型测试误差平均下降6%以上。

关键词： 核动力系统   工况判别   运行预测   神经网络  

摘要： 为建立核动力系统运行工况的高精度实时判别与运行监测参数的长时间在线预测方法,本研究基于神经网络模型,针对核动力系统运行状态预判开展了两方面工作。首先,基于核动力系统过去15个时间步(步长1 s)的监测参数变化,对运行工况进行实时诊断判别,同时,采用搜索算法对判别模型的参数进行优化,提高模型对运行工况的识别精度;之后,对核动力系统的关键运行参数进行超前预测。结果表明:优化后模型的诊断判别准确率稳定在0.99以上;在100个时间步的长时间序列下能够实现对于参数变化趋势的有效预测;对比支持向量机、K-近邻、多层前馈等多种经典的算法可知,改进的循环网络——注意力机制网络联合模型在核动力系统的运行预判方面表现优异。本研究所建立的运行工况预判方法可为保障核动力系统安全运行的辅助判断决策与超实时监测感知提供工程应用参考。

关键词： 党校初心   马克思主义学习型政党   历史经验  

摘要： 中国共产党人依靠学习走到今天,也必然要依靠学习走向未来。重视学习、勤于学习、善于学习,并将学习成果运用到中国革命、建设、改革的实践中,这是我们党在百年奋斗历程中一以贯之的优良传统。从改造学习、重新学习、带头学习到革新学习,党校在马克思主义学习型政党建设历程中,始终主动担当、积极作为,坚守为党育才、为党献策初心,充分发挥党员领导干部教育培训主渠道、主阵地作用,始终以高度的政治自觉和理论清醒为党培养出一大批政治觉悟高、理想信念坚、干事能力强的人才干部队伍,为新时代继续推进党的建设新的伟大工程,跳出治乱兴衰历史周期率,走好新的赶考之路作出了重要贡献,积累了历史经验,有着重要意义。

关键词： 小学英语   非正式学习意义   实施策略  

摘要： 非正式学习是基于小学生的独立学习需求演化而来的一种学习活动,其本身带有自由性、开放性的教育特点。基于小学英语课程要求实施非正式学习,可以改变教学活动难、杂、繁的教学现状,提升小学生的英语学习效率,依靠多元育人环境实施语言教学指导工作。在小学英语教学中,教师要重视推进非正式学习的意义,依靠实践化教学、生活化教学开发多元教学活动,在整合英语知识的同时推动有效育人,提升学生的多元学习素养。

关键词： 机器学习   密码学   神经网络   网络安全  

摘要： 随着大数据、人工智能等技术的快速发展,计算能力的大幅提升威胁着基于计算困难性理论的传统密码学算法。同时,数以亿计的联网设备产生的海量数据给传统的安全解决方案带来了巨大挑战,数据安全和通信安全成为亟待解决的问题。人工智能技术的兴起为传统密码学提供了新的机遇。机器学习作为一种强大的技术,在密码学领域具有自适应性和高维表征能力,为密码学提供了有效的分析和决策工具。文章介绍了密码学领域中经常使用的机器学习方法,总结了国内外密码算法与密码分析算法的最新研究进展,分析了基于机器学习的密码学的优势和劣势,及面临的挑战与未来研究方向。