关键词： 初中数学   引导方案   教学方法  

摘要： 随着新课程标准的实施,初中数学教材发生了显著的变化,新教材更加注重学生数学核心素养的培养和实际应用能力的提升.面对新的教材和教学要求,教师要结合新教材的特点、教学目标和学生的学习现状探究有效的学习方法引导方案,以此帮助学生更好地适应新教材的要求,熟练地掌握数学知识,进而培养学生的数学核心素养,促进其全面发展.

关键词： 文本摘要生成   少样本学习   迁移学习   预训练模型   适配器   元学习  

摘要： 针对多域少样本文本摘要任务中迁移学习面临的诸多挑战,尤其是源域数据的多样性以及目标域数据的数据稀缺性问题,提出了一种创新的学习方法,名为元适配器整合学习方法(meta-adapter integration learning,MAIL)。MAIL使用基于Transformer的预训练模型作为基础模型,融合适配器模块限制模型参数及层数,并采用元学习方法微调适配器。此外,为了增强在不同领域间的迁移和泛化能力,设计了一种元适配器整合算法,旨在最大化利用多域信息,增强模型跨领域泛化能力。实验结果显示,MAIL在标准文本生成评价指标上超越现有主流模型,并能有效应对跨领域迁移中常见的灾难性遗忘、任务干扰和训练不稳定等问题。

关键词： 小学科学   高阶思维   项目式学习  

摘要： 本文深入分析了小学科学教学方式,以及项目式学习的效果和高阶思维的素养发展。本文透彻研究了以高阶思维为中心的项目式学习方法,着重指出了它们在提高学生求知兴趣与才能方面的明显成效,并探讨了如何借助恰当计划和高效执行提升学生的学习成效及科学素质。分析了项目实验工作计划在提升学生探索能力方面的关键性作用,并着重指出了周密规划的实验工作如何切实推进学生科学素质的提高和学业成就的加强。随后,本文透彻分析了项目式教学方法在小学科学高阶思维教学中的实施,并阐述了怎样借助把科学原理与现实社会议题融合,引发学生的思考。

关键词： 文物保护   艺术价值   传统艺术   科学价值   历史价值  

摘要： 在漫长的岁月中,时间或多或少地会在文物艺术品身上留下印记。有些印记会为文物艺术品增添几分古朴的韵味,有些则可能会伤害文物艺术品的生命。病害文物艺术作品承载着历史价值、科学价值与艺术价值,对人们学习、研究传统艺术具有重要作用。在修缮过程中对文物艺术作品进行的研究,以及修缮后的文物艺术作品本身,为传统艺术的学习和研究提供了深刻的科研经验和实物例证。因此,病害文物艺术作品的留存、保护与修缮工作对于传统艺术研究具有重要意义,本文将对此展开探讨。

关键词： 知识图谱   知识表示学习   邻域粒度   三支决策  

摘要： 提出了一种基于邻域粒度与三支决策理论的知识表示学习方法,该方法采用2阶段的框架式增强算法,第1阶段通过知识表示学习方法拟合知识图谱中的节点与关系,映射其中蕴含的语义信息进入低维向量空间;第2阶段,通过划分低维向量表示的邻域粒度,捕捉和利用语义信息中的潜藏相似关系,并辅以三支决策对邻域粒度所挖掘的相似语义信息进行精准的划分,再将所挖掘出的潜藏信息对模型进行重训练,提升知识表示学习方法的准确性与鲁棒性。本文选定5种经典的知识表示学习模型,并在4个公开的大型知识图谱数据集上进行实验,通过实验结果验证了本方法的有效性。

关键词： 惯性约束聚变   机器学习   迁移学习   神经网络  

摘要： 近年来，机器学习（ML）方法已成为惯性约束聚变（ICF）研究的重要手段，但其算法在该领域的科学化、系统性综述仍显不足。本文列举了近年来惯性约束聚变研究中所涉及到的机器学习算法，介绍了常用算法的原理、特点和应用场景，给出了若干典型应用案例，分析了此领域的发展趋势。

关键词： 心血管成像   冠状动脉内成像   图像序列   运动伪影   运动补偿   神经网络   无监督学习   弹性配准  

摘要： 血管内超声（IVUS）和光学相干断层成像（OCT）是诊断冠状动脉粥样硬化性病变的重要手段，但心脏运动和血流搏动会产生运动伪影，影响图像质量。为解决这一问题，本文提出一种无监督深度学习方法，用于抑制IVUS/OCT图像序列中的运动伪影。设计一个深度神经网络，包含特征提取、上采样、运动估计和运动校正模块，实现连续回撤导管采集的图像序列到去伪影图像序列的映射。利用临床IVUS/OCT图像进行无监督训练，实验结果表明，该方法能显著提高纵向视图中管壁边缘的平滑度，标准差和帧间差异度指标得到显著改善。与其他方法相比，本文方法可使平均帧间差异度提高约23%，标准差提高约24%。该方法有效解决了IVUS/OCT图像序列因运动伪影造成的质量下降问题，优化了图像视觉效果。

关键词： 提示学习   对比学习   互信息   注意力张量   去噪   无监督  

摘要： 中文无监督对比学习面临多重挑战。首先，中文句子结构灵活多变，语义模糊性较高，使得模型难以准确捕捉深层语义特征。此外，在小规模数据集上，对比学习模型的特征表达能力不足，难以充分学习到有效的语义表示。同时，数据增强过程中可能引入多余噪声，进一步加剧训练的不稳定性。这些问题共同限制了模型在中文语义理解上的表现。为了解决这些问题，提出一种基于提示学习和互信息(MI)的无监督对比学习(unsupervised Contrastive learning for Chinese with Mutual Information and Prompt Learning, CMIPL)方法。首先，采用提示学习的数据增强方式来构建对比学习所需的样本对，在保留全部文本信息和顺序的同时增加文本多样性，规范样本的输入结构，并为输入样本提供提示模板作为上下文，引导模型对细粒度语义进行更深入的学习；其次，在预训练语言模型输出表示的基础上使用提示模板去噪方法去除数据增强所引入的多余噪声；再次，将正样本结构信息融入模型训练体系之中，对增强视图的注意力张量进行MI的计算，将注意力MI引入损失函数，通过最小化损失函数，优化模型注意力的分布，最大化增强视图结构的对齐，使模型更好地拉近正对的距离。在ATEC、BQ、PAWSX三个公开中文文本相似度数据集构建的小样本数据上进行了对比实验。实验结果表明，所提方法的平均性能最佳，特别是在训练集数据量较少的情况下表现尤为突出，在使用1%和10%样本量的条件下，与基线对比学习模型SimCSE(Simple Contrastive Learning of Representations)相比，平均准确率和斯皮尔曼等级相关系数（SR）分别提高了3.45、4.07和1.64、2.61个百分点，验证了CMIPL在小样本中文无监督对比学习领域的有效性。

关键词： 小样本学习   深度学习   决策理论   图像分类   关系网络   不确定性分析   特征提取   粗糙集理论  

摘要： 针对小样本学习中数据稀缺性的问题，以及传统二支决策方法仅提供接受或拒绝两种选择的局限性，本研究提出了一种多级决策优化的小样本学习方法。首先提出多粒度特征提取模块对样本进行处理，构建具有不同粒度的特征层来获取不同感受野的语义信息，从而实现精确决策；然后提出多分支自适应特征细化模块来提升局部与全局的关键区域特征表示；通过关系网络计算获取各个尺度参数，构建恰当的相似度度量矩阵，输入到提出的多级决策优化模块中，使得模型能够根据不同粒度层的特征自适应地调整决策中的不确定区域。最后，通过在MiniImageNet和TieredImageNet两个公开数据集上进行实验验证，分类准确率均有一定提升，实验结果验证了本方法的有效性。

关键词： 气滞证   机器学习   辨证   诊断模型  

摘要： 目的 建立基于机器学习方法的气滞证及其亚型证候辨证决策网络模型。方法 基于中医证候临床诊断量表-气滞证及其亚型证标准，纳入498例符合气滞证候患者，采用annaconda3.8.8软件进行气滞证辨证模型的构建，分别采用支持向量机（SVM）、随机森林（RF）、BP神经网络（BP-NNs）以及XGBoost算法进行建模，并优化相关参数。评价指标采用ROC曲线下面积、平均准确率、精确率、召回率、F值、运行速率，综合评价模型优劣，择优构建模型。结果 XGBoost算法的平均准确率及ROC曲线下面积分数最高，分别为74.3%、0.94；随机森林算法的平均准确率及ROC曲线下面积为74%、0.93；BP神经网络平均准确率及ROC曲线下面积为70.9%、0.92；支持向量机平均准确率及ROC曲线下面积为71.4%、0.92。结论 通过XGBoost算法构建气滞证辨证决策网络模型具有良好的诊断及证型辨别能力，且具有较高的准确率，机器学习技术的应用在中医传统证型的决策诊断模型构建具有方法学上的可行性。