关键词： 酸性矿坑水   自组织映射网络   污染评估   聚类分析  

摘要： 酸性矿坑水(Acid Mine Drainage,AMD)是煤炭开采过程中产生的主要环境问题之一,对生态系统和人类健康构成严重威胁。该研究选取福建龙岩林坑煤矿为研究区,运用自组织映射(Self-Organizing Map,SOM)技术对研究区AMD污染特征进行系统的聚类分析,旨在准确评估该区域AMD污染现状并有效识别主要污染源。本研究利用SOM方法对37个水样的4种水质指标(pH、Fe、Mn和SO_(4)^(2-))进行综合分析,最终将水样划分为4个不同污染程度的聚类,明确揭示了不同污染程度水体的空间分布特征。各聚类按污染程度从高到低顺序,依次为聚类Ⅳ、聚类Ⅲ、聚类Ⅱ和聚类Ⅰ,其中聚类Ⅲ和聚类Ⅳ的样本表现出严重的污染特征,主要位于煤矿涌水点和煤矸石堆放区附近,是未来治理工作的重点;聚类Ⅱ的样本主要受污染水流汇入的影响;聚类Ⅰ包含样本量最多,表明该区域大部分水体受AMD影响程度有限。SOM方法为AMD污染特征的评估提供了有效工具,具有推广至其他煤矿区的应用潜力。未来研究需增加监测频率,以捕捉季节性变化对水质的影响。随着监测数据量的不断增加,SOM方法的应用潜力将更加明显。

关键词： 钢管混凝土柱   轴压承载力   机器学习   集成学习  

摘要： 为提高钢管混凝土(concrete-filled steel tube,CFST)柱轴压承载力预测的泛用性、稳定性和准确性,建立了包含矩形截面和椭圆形截面CFST柱的数据集,采用回转半径统一输入参数,利用树结构parzen估计器(tree-structured parzen estimator,TPE)和交叉验证法进行了超参数优化,建立了4种机器学习单模型和4种集成学习模型进行训练并对测试集预测。结果表明:4种集成学习模型的表现均优于4种单模型,其中,XGboost在测试集上表现出最佳性能,决定系数R^(2)达到0.987;采用沙普利加性解释(shapley additive explanations,SHAP)法对极限梯度提升(exctreme gradient boosting,XGboost)模型进行了可解释性分析,长轴回转半径、混凝土抗压强度、钢外壳厚度对CSFT柱轴压承载力影响相对较大,SHAP法还可对单个样本进行局部解释,量化各参数对结果的影响。

关键词： 网络传播   网络表示学习方法   状态估计  

摘要： 网络表示学习是对节点的网络结构的一种分布式表示方案,目前被广泛应用于节点分类、社团发现和边关系预测等任务中。然而网络表示学习对网络传播过程中节点状态的估计仍是一个开放性的问题。经典的网络表示学习方法在对该问题上的应用效果不佳,因此该文提出了基于动力学传播的采样方法,称为Step2Vec逐步采样方法。Step2Vec通过结合网络传播过程,对节点的网络结构信息进行提取并训练。该文分别将Step2Vec与其他的网络分析方法及网络表示学习方法在多个引文网络和真实传播网络上进行了节点状态估计和边关系预测的实验。实验结果表明,Step2Vec算法估计网络传播中的节点状态准确率达85.6%,且对边关系预测的准确率也具有一定提升,相较于随机游走算法平均提高了5.9%。

关键词： 电影海报   视觉语法   互动意义   美学评价   深度学习  

摘要： 近年来,应用深度学习技术进行图像美学智能评价已成为一种趋势,然而,高层级美学描述任务所需标注数据量有待增加,数据集标注质量与多样性也有待提高。为此,以视觉语法的互动意义为切入点,引入深度卷积神经网络对电影海报视觉互动意义进行评价研究。首先,使用分词工具从电影海报评议学术文献中提取视觉互动意义核心语义,并借助形态分析法,归纳出视觉互动意义与电影海报特征元素的映射关系;然后,收集优秀电影海报作品,结合专家评议,构建电影海报视觉互动意义评价数据集;最后,运用深度卷积神经网络对电影海报样本进行特征提取,建立电影海报视觉互动意义评价模型,并通过实践创作验证模型的可行性。该方法将计算机美学评价拓展到电影海报设计领域,模拟人类视觉及审美思维,构建客观的评价模型,为设计师提供更加精准的用户审美需求并为前瞻性的设计提供参考。

关键词： 农业社会化服务   乡村振兴   随机森林模型   结构方程模型   驱动因素  

摘要： 农业社会化服务是促进农村地区可持续发展的关键因素。然而,农户选择利用这些服务涉及复杂的决策过程。该研究运用随机森林模型和结构方程模型深入研究其影响因素和路径。研究发现,农户对农业社会化服务的接受程度波动较大,农户选择农业社会化服务受农户种植作物种类数量、受教育水平、农户种植作物所得等因素的制约;提升宣传效果、农户个体情况的改善在提升农户对农业社会化服务的选择上起关键作用。

关键词： 对比学习   多模态数据   模型归因   重度抑郁症   诊断模型  

摘要： 影像基因组学认为神经影像与基因之间存在着一定程度的相关性,利用遗传变异与影像数据进行疾病分析愈发受研究人员重视。在实践中,临床医生拥有的数据规模往往较小,但仍然希望使用深度学习来解决现实问题。考虑到不断扩大的数据规模与昂贵的标注成本,构建能够利用多模态数据的无监督学习方法十分必要。为了满足上述需求,提出了一种基于影像与基因多模态表格数据对比学习的表征学习方法(multimodal tabular data with contrastive learning,MTCL),该模型利用了静息态功能磁共振成像(rs-fMRI)和单核苷酸多态性(single nucleotide polymorphisms,SNP)数据,无需数据的任何标签信息。为了增强可解释性,模型先通过特征提取模块将rs-fMRI和SNP数据转换为表格类型结构,再通过多模态表格数据对比学习模块对多模态数据进行融合,并获得融合后的数据表征。在重度抑郁症(major depression disorder,MDD)数据上,文中提出的方法能够有效提升MDD诊断性能。此外,MTCL方法结合了模型归因方法挖掘与MDD相关的影像和遗传生物标记物,提高了模型的可解释性,有助于研究人员对疾病发病机制的理解。

关键词： 中学历史学习   历史知识   汲取智慧   历史与政治关系   以史鉴政   历史变迁   史政结合   洞察政治本质  

摘要： 在核心素养背景下,中学历史学习有了更高要求,学生不仅要掌握历史知识,还要学会从历史中汲取智慧,因此掌握恰当的学习方法至关重要。历史不仅是对过去的记录,更与当下紧密相连,尤其和政治深度交融。通过学习历史,我们不仅能更好地洞察政治本质、明晰政治发展脉络,还能领悟政治智慧,把握时代脉搏。下面笔者从以史鉴政、历史变迁、古今对照、史政结合等方面,探讨切实有效的中学历史学习方法,助力同学们提升历史学习效率,深化对历史与政治关系的理解。

关键词： 全国统一电力市场   现货市场   电价预测   机器学习方法  

摘要： 全国统一电力市场建设背景下,现货市场建设有助于推动电力资源在更大范围共享互济和优化配置。现货电价作为市场参与者的重要决策信息,对现货市场的辅助决策、市场运行监测及风险管理等至关重要。机器学习方法的快速发展为电价预测提供了可行途径。首先,分析全国统一电力市场下现货电价的特点及其影响因素,并基于现有电价研究的预测机制阐述预测模型的类别及现货电价预测面临的挑战。其次,基于数据标签、特征提取和数据流动控制等特点总结各类机器学习预测模型的研究现状,分析不同预测模型的特点及适用性。然后,分析基于机器学习的现货电价预测模型评价指标,并总结相关预测方法的模型参数训练要求及实际应用情况。最后,针对机器学习方法在电价预测研究中的挑战,对未来技术研究方向进行展望,以期对全国统一电力市场建设下的现货市场发展提供具有建设性意义的参考。

关键词： 非物质文化遗产   图像分类   上下文优化   注意力机制  

摘要： 针对中国非物质文化遗产美术作品分类中处理效率低、数据复杂等问题,提出了一种基于预训练视觉语言大模型的上下文提示微调策略,以提升小样本情况下的分类性能并应对当前任务的挑战。该方法通过引入可学习的上下文优化提示(软提示),使模型能够在少量样本条件下快速适应下游分类任务,从而有效缩短训练时间并提升收敛速度。具体而言,利用注意力机制,将由软提示生成的文本特征与预训练视觉语言模型的原始特征相结合,并通过对比损失优化嵌入表示。这一机制减少了不同特征之间的嵌入差异,避免了模型对已知类别的过度拟合,提升了在未见类别上的泛化能力。此外,保留原始特征信息帮助模型避免训练过程中遗忘基础知识,确保即便在小样本条件下,模型仍能保持较高的分类准确率。实验结果表明,所提出方法在非遗美术图像分类任务中的准确率提升了1.79%,泛化识别能力提升了10.4%,同时具备较低的计算成本。

关键词： 概念   行政学   自主知识体系  

摘要： 从概念的视角审视中国行政学自主知识体系的建构,中国学者已经从叙事研究进入理论研究,在行政学各主要知识体系中,都提出了中国化的概念。存在的问题是:概念的碎片化、评价体系存在的导向问题、教材编写落后于实践的发展。解决的途径在于,在概念的增量方面,一要建立新的知识生产方式,形成成体系的概念,主要是概念的接续研究与阐发、学派的形成;建立合理的评价体系,增强对本土学术能力、学术价值、学术成果的认同;二要在知识存量方面,对于学界已经取得的成果,要进教材、进课堂,让学生接受。