摘要： 随着新课改的推进，小组合作学习得到广大小学语文教师的认可，为教师提供了新的教学思路。它能激发学生的学习兴趣，促使学生主动接受知识，同时对所学的内容进行思考和探究，助力学生提高学习语文的能力与素养。那么，如何在小学语文教学中高效开展小组合作学习呢？本文对此展开了探讨。

关键词： 探究性学习   小学体育教学   应用策略  

摘要： 由于新课程改革的推进,加强锻炼学生体质逐渐受到了教育领域的广泛关注。小学阶段是我国教育体系的起始点,想要获得良好的教学效果,应引导学生主动探索,学会思考。探究性学习是一种新型的教学形式,通过探究性学习可以锻炼学生的实践能力,促使学生塑造健全的价值理念。在这一背景下,围绕小学体育教学中的探究性学习方法进行研究,就显得十分必要。

关键词： 链路预测   相似性指标   监督学习   Node2vec   图神经网络  

摘要： 链路预测是研究复杂网络领域的热点问题,也是研究节点之间关系或可能连边的重要方法,且在很多复杂网络如蛋白质相互作用网络、食物链网络等的分析中具有非常重要的作用。传统的链路预测算法主要利用节点间的相似性特征,然而单一的相似性指标缺乏对节点对之间关系的全面考虑。因此,本文深入探讨如何更好地利用这些信息,以提高预测的准确性和效率。首先,本文分析了基于单个相似性指标的链路预测。分别选取了8个相似性指标在Karate、Jazz、Celegans、USair、Dolphins、Facebook六个公开的网络数据集上进行链路预测的实验,得到基于单个相似性指标的预测的AUC值,便于后面进行算法间的对比分析。其次,将链路预测问题转化为二分类问题研究了基于监督学习算法的链路预测效果。为了充分利用节点间的相似性特征,本文将节点间的8个相似性指标作为节点间的特征向量,分别使用Logistic回归算法和XGBoost集成算法在上述6个数据集上进行实验并与单个相似性指标算法进行对比。结果显示XGBoost算法在Karate、Jazz、Dolphins、Facebook四个数据集上取得了较高的AUC值,Logistic回归算法在Celegans数据集上取得较高的AUC值。最后,为了更方便、高效地得到节点间特征向量,本文采用Node2vec算法提取节点的邻域信息得到特征向量,并分别使用图卷积神经网络和图注意力神经网络进行链路预测,得到基于Node2vec的图卷积神经网络(N-GCN)链路预测算法和基于Node2vec的图注意力神经网络(N-GAT)链路预测算法。通过实例分析比较不同链路预测方法的AUC值,发现基于N-GCN和N-GAT的链路预测方法的AUC值较基于单个相似性指标的有监督的机器学习算法的AUC值有提升,且N-GCN链路预测算法在Karate、Jazz、Celegans和USair四个网络上取得最优AUC值,N-GAT预测算法在Dolphins和Facebook这两个网络上取得最优AUC值。

关键词： 股票分类   Boruta算法   Copula熵   机器学习   交互作用  

摘要： 股票市场是股票发行和交易的场所,良好的股票可以帮助公司吸引投资者投资以此来获取资金运作,同时投资者也可以通过投资良好的股票获得投资收益。因此良好的股票深受投资者青睐。本文针对ST股票类别非平衡和特征众多的特点,对数据进行SMOTEENN重采样的预处理与特征选择操作,之后通过六个经典的机器学习模型进行ST股票分类预测。主要研究内容与结果如下所示: (1)针对数据集问题,本文主要从数据层面入手,通过已有的数据接口,选择较为全面的139个特征,分别包括了财务指标和技术面因子,合理概括了投资者选择股票投资的依据。 (2)针对特征选择的问题,本文主要从特征选择角度出发,使用Boruta算法与Copula熵方法进行结合,前者可以刻画目标变量与特征变量之间的关系,后者刻画了变量之间的非线性关系。通过对比单纯使用Boruta算法,结果发现Boruta-Copula熵的特征选择在六个机器学习模型中的测试集的表现较为出色,证明了本文特征选择算法的具有一定的有效性。 (3)针对模型选择与解释的问题。本文在经典的逻辑回归建模来预测ST股票分类的基础上,使用XGBoost、ADABoost、Light GBM、Catboost、MLP五大模型对经过非平衡处理和特征选择后的数据进行建模预测,并且同时应用Optuna框架进行调优和交叉验证避免过拟合的结果。综合召回率、准确率、运行时间等指标的评估,最终选择XGBoost模型作为本次建模的最终模型。之后应用SHAP理论进行模型的解释与分析,探究特征变量之间的交互作用,并使用加入交互作用的变量进行再次建模,实验表明,加入交互作用的变量能够更加准确合理的提高ST股票分类的精度,验证了模型的有效性。

关键词： 军士学员   教学效益   教学方法   学习方法  

摘要： 本文以雷达士官学校发电与供电专业的军事职业技术教育学员和专业课程为例，针对该专业军士学员学习质量不高、教学效益低下的问题，分析了军士学员的心智特点，提出了相应的教学方法手段和学习方法建议，对军士学员教学效益的提高具有一定的实践指导意义。

关键词： 小样本学习   图像分类   元学习   点云   原型网络  

摘要： 随着科技的发展,深度学习在许多领域广泛应用并取得了许多成果.深度学习在处理大量样本的情况下,具有模型准确率高、学习能力强、处理速度快等优点.然而实际应用中,许多领域由于数据采集困难、采集成本高或标注困难,无法获取大量样本.因此在小样本情况下,研究如何训练一个准确度高的预测模型很重要.针对小样本分类问题,本文基于元学习思想,开展对算法的研究.本文主要工作如下:(1)基于元学习中的原型网络,提出了解决小样本图像分类问题的加权聚合原型网络.该网络根据类别中每个样本的综合距离对样本赋予权值,之后利用加权求和的方法求得了类别原型.这样求得的原型称为加权聚合原型,它能更好的表示类别特征,提高网络分类准确率.同时,采用了三元损失函数缓解样本间特征相差过大导致分类错误的问题.在Omniglot、Mini Image Net和CUB-200数据集上进行了分类实验,与MAML、原型网络和Matching nets等经典网络对比,加权聚合原型网络表现优秀,分类准确率最高.(2)将加权聚合原型拓展到三维点云分类问题中,提出了一个用于解决点云分类的加权聚合原型点云网络.该网络是基于加权聚合原型的思想,并结合Pointnet模型的框架和点云数据集的特点提出的.网络根据点云之间的不同距离关系,学习局部点云之间的权重,对局部点云中的邻近特征进行加权聚合,生成了各类别的局部特征.该局部特征能更精准的表示点云的特征信息,提高网络分类准确率.在Model Net40、Shape Net parts和Model Net40Few-数据集上进行了分类实验,与Pointnet、SCN、DGCNN等网络相比,网络取得了优秀的结果,点云分类的准确率最高.针对小样本学习中,网络分类准确率低,特征提取不明显等情况,本文基于元学习思想提出了加权聚合原型,提高了网络分类准确率.并将提出的加权聚合原型从二维图像拓展到三维点云,将小样本学习方法与点云分类模型结合,提高了点云分类准确率.

关键词： 软生物特征估计   特征重构   网络正则化   自适应注意力   元学习   跨域跨任务学习  

摘要： 软生物特征(Soft Biometrics)是指人体外部或内部可测量的、非唯一的、不精确的个体特征,例如年龄、人脸吸引力、身高、体型等。这些特征一般用于个体识别、行为分析、安全检测等领域,与传统的生物特征如人脸、指纹、虹膜相比,软生物特征具有较高的隐秘性、广泛的适用性等优点,还可以增强对人类主体的识别、验证和描述,因此在深度学习领域中受到越来越多的关注。然而,深度学习方法需要充足、高质量的数据和标签,而软生物特征估计任务还面临着数据隐私、数据权限、生物保护主义等更严峻问题,很难获得大规模带标签数据来支持神经网络的优化。同时,软生物估计任务不是简单的分类或回归问题,难以仅使用分类或回归方法解决。因此,本文从样本不足问题出发,结合软生物特征估计任务的特点以及各领域方法的优势,在样本的表征学习和估计方法两方面进行了改进和创新。具体地,本文的主要贡献如下:(1)针对训练数据不足问题,本文提出了一种基于独立性和一致性损失的重构特征估计方法。该方法在独立性与一致性损失的共同约束下,结合特征分离与重构网络,将与估计任务相关的特征分离,并与不同的人脸特征进行重构,以产生大量新特征样本用于正则化训练,有效缓解了样本不足问题。同时,软生物特征估计既不是简单的分类问题也不是完全的回归问题,对于不受人脸特殊属性约束的估计特征,使用标签分布和有序回归结合的方法优化,在CACD、Mega Age-Asian和SCUT-FBP5500数据集上的均方差结果分别降低了0.24、0.24、0.031。(2)为了将基于重构的表征学习方法应用于更广泛的领域,提出了一种基于注意力机制的自适应网络正则化方法。通过注意力引导的特征重构,对网络进行正则化训练,能够充分挖掘神经网络的学习潜力,极大提高卷积神经网络的鲁棒性。该轻量化的特征重构模块能够插入到不同任务的不同模型上,进一步提高图像分类与软生物特征估计任务的预测精度,而不会增加太多的额外资源。(3)通过分析软生物特征估计任务的特点,引入元学习思想,提出了一种无序估计任务下的有序验证方法。利用元学习策略在软生物特征估计任务上构造元任务,通过大量的无序元任务训练,模拟从一组估计示例中评估查询图像估计值的过程。结合有序校验器和有序回归分类器实现任务查询和估计。此外,基于CACD、Mega Age-Asian和SCUTFBP5500数据集,验证了提出的元估计方法在不同域、不同任务间的良好跨域跨任务学习性能,为缺乏训练样本的软生物特征估计任务提供了方法支持。

关键词： 多角色配音   说话者判断   角色名称抽取   小样本学习  

摘要： 多角色配音技术是语音合成中一项新颖的技术,这项技术旨在先获取文本中对白的说话者,再使用与之相匹配的音色进行语音合成。该技术可用于有声小说等产品中提升用户的收听体验。多音色语音合成和说话者判断是多角色配音的重要环节,前者在工业上的应用已较为成熟,而后者的研究目前仍处于探索阶段。当前研究缺少获取匹配说话者候选项所需人物名单的步骤,且未能全面考虑所有可能的对白形式,需要进一步完善。同时,可用于研究的开源数据集也较为匮乏。为此,本文针对有声小说多角色配音项目中说话者判断的需求,研究小样本场景下小说对白中的说话者判断问题,主要工作包括: (1)提出了一种基于多模型融合的角色名称抽取小样本学习方法。首先,构建角色名称抽取小样本数据集;接着,通过分析小说中角色名称的形态特点和分布特点,根据分析得出的抽取难点分别设计了基于FLAT-CRF、MRC以及Bootstrapping的角色名称抽取模型;进而,提出了一种基于占比平均的多模型融合方法;然后,提出了小样本场景下角色名称抽取模型的优化策略;最后,通过对比实验和消融实验验证提出方法在小样本场景下的有效性。 (2)提出了一种基于召回排序结构的说话者判断小样本学习方法。首先,构建说话者判断小样本数据集;接着,归纳总结并定义了小说中对白形式的类型,并针对每一种类型提出了相应的预处理方法;然后,设计了基于MLM的对白召回模型和基于SBERT的说话者候选项排序模型;进而,提出了一种用于说话者判断的召回排序结构;再然后,提出了小样本场景下说话者判断模型的优化策略;最后,通过对比实验和消融实验验证提出方法在小样本场景下的有效性。 (3)设计并实现了一个小说说话者判断在线工具平台。首先分析平台的功能性需求,然后根据需求设计平台的总体架构及交互流程,最后分层实现平台各模块的具体功能。 实验结果表明,本文提出的说话者判断方法准确率可达到93.1%。该方法对传统方法未考虑到的对白形式进行了完善,有效解决了传统方法在缺乏大规模数据的情况下难以训练得到高质量说话者判断模型的问题,为多角色配音中获取对白说话者的环节提供了技术支撑。

关键词： 自尊   生命意义感   学习倦怠   高职生  

摘要： 目的 探讨自尊对高职生学习倦怠的影响，检验生命意义感在两者间的中介作用。方法 于2023年4～5月使用自尊量表（SES）、生命意义感量表（MLQ）、大学生学习倦怠量表对987名高职生进行问卷调查。使用SPSS 21.0软件整理数据，并进行相关分析及中介分析。结果 (1)自尊、生命意义感对学习倦怠均有显著预测作用（β=-0.456、-0.143,P<0.01）；(2)生命意义感在自尊与学习倦怠间起中介作用，贡献率达到30.26%。结论 本研究探讨了高职生学习倦怠的内在影响机制，强调关注学生的自尊、生命意义感提升，从而减少学习倦怠。

关键词： 图对比学习   图表示学习   自监督学习   图神经网络  

摘要： 图作为一种非欧式数据,常常被用来描述社交网络、生物医学、经济网络、学术引用、知识图谱、神经网络等信息。图对比学习旨在以自监督的方式学习高质量的图特征表示,有利于提升后续节点分类等任务性能。虽然图对比学习取得较大进展和广泛应用,甚至在某些场景下超过了有监督学习方法,但仍存在以下问题:基于负样本的图对比学习方法受选取的负样本数量、质量影响较大,且大量负样本显著增加时间和空间消耗;现有图对比学习方法存在维度坍缩风险;现有图对比学习方法的鲁棒性还有待提高。针对以上问题,本文提出两种无负样本的图对比学习方法,具体贡献如下:(1)针对图对比学习维度坍缩问题,提出一种基于混合损失函数的无负样本图对比学习方法。该方法设计一种方差损失项,用于约束嵌入特征维度的方差保持在阈值以上,保证每个维度同样有可能触发,避免某些维度始终处于活动或者非活动状态,从而避免表示的坍缩。然后与基于Siamese式结构设计的CCA-SSG损失融合,提出了一种混合损失函数,用于训练无负样本图对比学习模型。在公开图数据集上开展了广泛实验,结果验证了提出方法的有效性。(2)针对图对比学习鲁棒性不高的问题,提出一种基于三重分支的无负样本图对比学习方法。该方法借鉴传统神经网络中三分支对比学习方法,将其迁移至图对比学习中,提出非对称结构的三重分支模型,即由一个在线编码器和两个目标编码器构成。然后通过最大化在线编码器输出与两个目标编码器输出之间的相似度进行模型训练。在多个公开数据集上的实验结果充分验证了基于三重分支的无负样本图对比学习方法的有效性。综上所述,本文从探究图对比学习方法如何学习到高质量的图特征表示出发,针对其中的一些关键问题,提出了两种无负样本的图对比学习方法,并通过综合实验验证了所提方法的有效性。