关键词： 基因   半监督   网络表示学习   随机游走   多网络   自编码器   功能预测  

摘要： 直接定义在网络邻接矩阵上运行的特征提取方法存在着结构信息提取不充分的问题。基于此,提出一种融合多网络表示学习特征的基因功能预测方法。利用随机游走模型捕捉基因网络的拓扑结构特征,基于此特征使用一个半监督自编码器学习基因节点的低维表示。应用卷积神经网络融合多网络基因节点的低维表示信息预测基因功能。实验结果表明,在人类和酵母菌数据集上该方法能够提高基因功能预测的效果。

关键词： 习近平新时代中国特色社会主义思想   自我牺牲精神   无产阶级运动   理论与实践统一   实践家   深刻领悟   革命斗争   锻炼  

摘要： 兼备理论力量和革命实践的锻炼,始终和人民站在一起无产阶级领袖的巨大作用还表现在,把正确理论的力量与无产阶级运动的实际组织结合起来,经受过长时期革命斗争的锻炼与考验,使理论与实践统一于一身,取得人民的充分信任与衷心爱戴。无产阶级优秀的实践家,坚持正确的政治纲领和政治路线,有着英勇无畏的自我牺牲精神,并置身于革命的实践之中,与人民群众始终保持最密切的血肉联系,时刻把握时代的脉搏,及时提出指导运动的正确路线、方针和政策,得到广大群众的承认和公认,并享有崇高的威望。

关键词： 叠后地震数据   测井数据   提高分辨率   深度学习   UNet   GRU  

摘要： 现有的地震资料提频方法大部分都有各自的局限性,根据已有方法的优缺点,本文尝试将深度学习技术应用到提高地震资料分辨率中。首先,在UNet深度学习方法的基础上,井震结合,以测井声波时差和密度曲线建立合成地震记录,以井上合成地震记录为标签,以井旁地震道数据为输入数据,建立井旁地震道数据与井上合成地震记录的训练模型,用来提高地震资料的中高频信息;其次,利用GRU实现原始地震记录中低频趋势的保留,将UNet和GRU结果组合在一起,实现既提高了中高频信息又保护了地震数据中的低频信息;然后开展模型训练,将模型应用到三维地震数据体上开展计算,提高地震资料分辨率。相对以往方法,提取出的信息更加丰富。通过理论模型和实际数据应用,表明本文方法在提高叠后地震资料分辨率方面有效。

关键词： 工业大数据   隐私保护机器学习   联邦学习   数据分析  

摘要： 随着工业大数据技术的发展,制造企业通过收集和分析生产数据,获取在预测、诊断等方面的优化方法。然而制造企业受限于建模和算力等技术瓶颈,难以高效地实现数据分析,在联合其他参与方共同协作时即需要承担信息泄露的风险,又难以保证模型的性能无损。针对这些场景问题,提出基于数据隐私保护的多方无损线性模型学习方法。首先搭建多方协作计算框架,设计了数据单向加密算法来保护数据出场的隐私安全,各协作方分别基于加密数据进行线性模型的训练。随后,研究分析线性模型与数据集的关联特性,提出线性模型无损聚合算法。最后,在典型工业场景数据集上进行方法验证,试验结果表明提出的框架可以获得性能无损的全局模型,并实现数据持有方的隐私安全保护。

关键词： 自监督学习   无标签数据   乐高采样   全局特征   局部特征  

摘要： 基于卷积神经网络的自监督表示学习因可处理无标签数据而在近来获得广泛应用,然而由于其较慢的收敛速度和较差的细节提取能力导致计算量大和性能较低。为解决上述问题,提出一种基于乐高采样策略的有效且高效的自监督表示学习方法。该方法首先引入乐高采样策略,通过在原始图像中采样较小补丁以增加样本数量,同时使用较小补丁拼接的图像以维持较少的计算量,其次引入了一个局部细节对比分支来平衡局部细节特征和全局语义特征之间的关系,最后使用多种损失函数共同优化模型。在CIFAR和3个细粒度分类数据集上对比验证了方法的有效性。实验结果表明,本方法较MoCo等方法能够获取更为全面的全局信息和细节信息,并且在下游线性分类、目标检测等任务中获得更好的分类准确率和检测平均精度,且具有较好的视觉效果。

关键词： 语音信号处理   语音识别   鲁棒语音识别   自监督学习  

摘要： 提出了一种基于一致性自监督学习的鲁棒自动语音识别方法。该方法通过使用语音信号仿真技术,模拟一条语音在不同声学场景下的副本;在通过自监督学习方式学习语音表征的同时,极大化一条语音在不同声学环境下对应语音表征的相似性,从而获取到与环境干扰无关的语音表征方式,提高下游语音识别模型的性能。在远讲数据集CHiME-4和会议数据集AMI上的实验表明,所提的一致性自监督学习算法能够取得相比已有的wav2vec2.0自监督学习基线算法30%以上的识别词错误率下降。这表明,所提方法是一种获取噪声无关语音表征、提升鲁棒语音识别性能的有效方法。

关键词： 物理概念   物理意义   浮力  

摘要： 物理概念的学习不能限于公式的数学表述、定义的简单记忆及其在问题解决中的生搬硬套,而是要在“物理本质”“先决条件”“情境解释”三个维度上生成物理意义,从而实现学生对概念的深度理解。为了探索中学生生成物理意义的情况,以“浮力”概念为例,基于三维结构模型编制测试问卷,对八年级学生进行了调查。结果显示,学生对“浮力”概念的物理意义生成情况尚不理想,在“先决条件”维度上的生成相对较好,其次是“物理本质”维度,而“情境解释”维度最不理想。

关键词： 神经网络   多任务学习   特征共享   任务权重  

摘要： 传统多任务学习在网络模型和任务权重方面灵活性偏低,不足以应对复杂场景。为此,提出一种自适应网络模型和任务权重的多任务学习方法。首先,运用决策方法学习多任务网络模型结构;其次,利用多任务损失函数动态调整任务权重;最后,在学习到的网络模型和任务权重下训练网络权重,达到特征共享和任务权重之间的权衡。实验结果表明,相比于固定的网络模型和任务权重,提出方法提高了语义分割和表面法线预测性能。

关键词： 径流预测   物理机制   循环神经网络   长短时记忆网络   效果评价  

摘要： 径流预测是流域防洪减灾、水资源优化配置的重要依据。本文构建了基于物理机制模型与深度学习方法耦合的径流预测混合模型,将CaMa-Flood全球水文模型分别于循环神经网络(RNN)和长短时记忆网络(LSTM)进行耦合,从而构建了VIC-CaMa-Flood-RNN(VCR)和VIC-CaMa-Flood-LSTM(VCL)两种径流预测混合模型。选择西江流域武宣站、梧州站两个水文站在2010-2016年期间的径流进行模拟实验,评估了物理机制模型、深度学习模型和两种混合模型在径流和洪水预测中的性能。结果表明,VCL模型相比于VCR模型能够更好地模拟径流和洪水,物理机制模型与深度学习方法的耦合可有效提高径流预测和洪水预测的准确性。

关键词： 学习方法   反馈机制   信号检测   数学分析  

摘要： 本文研究了在数学分析大班授课的模式下作业反馈的实施方法与效果.本研究随机选取志愿者学生参加作业反馈效果的实验,实验组采取了作业快速批改与二次批改等改进措施,对比组采取传统的作业批改模式.一个学年的实验结果显示,实验组学生的平均成绩明显高于其他非实验组的成绩,组间均值和方差都存在显著性差异.比值比例法检验也证实了改进措施与成绩提升之间的因果关系.