关键词： 知识表示学习   二元关系   多元关系   链接预测  

摘要： 知识表示学习旨在将知识库中的实体和关系转化为机器能够理解和处理的形式,从而提升模型的分析与推理能力。针对传统二元关系知识表示学习的局限,如忽略高阶关系、缺乏扩展性和有限的表达力,多元关系知识表示学习方法应运而生。全面综述了多元关系知识表示学习方法。梳理和分析了知识表示学习相关综述工作;阐释了知识表示学习和链接预测的基本概念,并根据超图、角色、超关系这三种表示形式,定义了多元关系知识表示学习任务;从基于平移距离、张量分解、卷积神经网络、图神经网络和其他类型五类方法,展示了该领域的研究进展;介绍了常用的数据集与评价指标,并通过链接预测任务评估了不同模型的性能;探讨了目前方法存在的问题和挑战,并对未来的研究方向提出了展望。

关键词： 有意义学习场   建构策略  

摘要： “有意义学习场”是在建构主义理论基础上,针对传统教学中忽视场域教学功能而提出的一种观点。以“三会”思想统领,建构有意义学习活动的场域,包括由浅薄到深厚的认知场,由初级到高级的能力场,由低阶到高阶的价值场,以评价助力高质量学习场。关注学生,关注四基、四能、素养的有意义进阶,形成适应未来社会生活的必备品格和关键能力。

关键词： 农民非农创业   机器学习   乡村振兴   城乡异质性  

摘要： 基于2020年CFPS数据,采用逻辑回归、决策树、随机森林、梯度提升决策树、支持向量机和神经网络等机器学习模型,系统分析了个体、家庭及地区特征对农民非农创业的影响,以挖掘影响农民非农创业的主要因素。研究发现,集成学习方法优于传统模型,随机森林和梯度提升决策树表现最佳。在所有特征变量中,家庭保险支出、家庭存款、土地出租、互联网接入、个体受教育程度和年龄是影响农民非农创业的主要因素。此外,偏依赖图展示了主要特征变量对农民非农创业的具体预测模式,并发现家庭保险支出、家庭存款、个体受教育程度和年龄特征对农民非农创业的影响具有显著非线性。城乡异质性分析表明,家庭保险支出和家庭存款在不同地区均显著影响非农创业;乡村地区土地流转的促进作用较突出,而城镇地区个体年龄的影响更为显著。

关键词： 共热解   聚乙烯   生物质   机器学习   热解气  

摘要： 为了更好地预测生物质和聚乙烯(PE)共热解过程中的气体产率,本研究整理了生物质和PE共热解文献中气体产率的数据集,采用机器学习方法建立了PE-生物质共热解气体收率的预测模型,并采用特征重要性和偏依赖分析方法来量化输入因素与气体产率之间的关系。在不同输入数据集的情况下,梯度提升决策树模型(GBDT)、K-近邻模型(KNN)和随机森林模型(RF)在训练数据和测试数据中均表现出良好的通用性和准确性。GBDT模型的训练结果显示,均方根误差(RMSE)为1.19,决定系数(R^(2))为0.99,在预测气体产率时,RMSE为3.86,R^(2)为0.91。生物质的氮含量和灰分含量在共热解过程的气体生成中发挥了最重要的作用,其次是加热温度和塑料与生物质的质量比。

关键词： 财务状况   预测   线性回归   XGboost  

摘要： 以统计报表为基础有效地预测企业财务状况,有助于相关职能部门科学预判企业运行情况,为政策制定、规划实施和国民经济建设提供重要参考。本文从企业财务定报的内生特点出发,以机器学习方法捕捉报表特征,将线性回归和XGBoost有效融合,实现了B203表主要财务指标的整体预测,也为统计部门优化经济运行监测机制提供了科学工具。

关键词： 健康素养   预测模型   机器学习   范围综述  

摘要： 目的对应用机器学习方法构建的健康素养预测模型的种类、构建方法和预测效果进行范围综述,为该类模型的改进和应用提供参考。方法检索中国知网、万方数据知识服务平台、维普中文科技期刊数据库、PubMed和Web of Science,收集建库至2024年5月1日发表的应用机器学习方法构建健康素养预测模型研究文献。采用预测模型偏倚风险评估工具进行文献质量评价,对纳入文献的基本特征、模型构建方法、数据来源、缺失值处理、预测因子和预测效果等进行综述。结果检索获得文献524篇,最终纳入22篇,发表时间为2007—2024年。涉及48个健康素养预测模型,其中25个偏倚风险为高风险,占52.08%,主要问题集中在缺失值处理、预测因子选择和模型评价方法。模型构建方法包括回归模型、基于树的机器学习方法、支持向量机和神经网络模型。预测因子主要包括个人、人际关系、组织和社会/政策4个层面的因素,年龄、文化程度、经济水平、健康状况和互联网使用的出现频率较高。14篇文献进行了模型内部验证,4篇进行了外部验证。42个模型报告了受试者操作特征曲线下面积,范围为0.52~0.983,区分度良好。结论应用机器学习方法构建的健康素养预测模型展现了较好的预测能力,但研究在偏倚风险、数据处理和验证规范性等方面存在不足。

关键词： 系统性风险   强化学习   近似纳什均衡   平均场博弈  

摘要： 在大规模银行交互系统中,各银行可通过控制与中央银行的借贷率来使自身对数货币储备尽可能地接近样本均值,从而降低系统性风险发生的概率.然而当状态过程与目标函数的参数未知时,无法直接求解随机微分博弈问题得到纳什均衡.本文结合平均场博弈理论与连续时间强化学习的相关方法,构造了一组大规模银行借贷网络中的近似纳什均衡.首先通过求解向前向后耦合HJB-FPK方程,得到代表银行的平均场均衡策略;再通过所得策略的形式,设计出迭代参数的方法用以刻画参数未知时的近似最优策略;最后通过学到的参数,构造银行数量较大时的近似纳什均衡.

关键词： 远程光电容积脉搏波描记法(rPPG)   深度学习   非接触   心率测量  

摘要： 心率作为评估人体健康状况的关键生理指标,具有重要的生理意义。传统的接触式心率测量需要使用心电图仪或手环等设备,难以满足便捷日常健康监测的需求。远程光电容积脉搏波描记法(rPPG)作为一种非接触式心率检测方法,通过提取血液容积脉搏信号实现对心率和其他心动周期相关生理指标的监测,具有无创、无感和可长期监测的优势。近年来,深度学习在处理复杂图像和视频数据方面展现出显著优势,广泛应用于远程心率信号提取的各个环节。本文主要阐述了基于深度学习的rPPG心率测量的最新研究进展,总结了公开数据集,并讨论了非接触心率测量的前景以及未来研究方向。

关键词： 小跨高比   SPRC连梁   机器学习   鲁棒性   承载力预测  

摘要： 为了更方便地预测小跨高比钢板-混凝土组合(steel plate-concrete reinforced composite,SPRC)连梁的承载力,通过机器学习(machine learning,ML)的方法对SPRC连梁展开承载力预测模型研究,具有重要意义。首先收集了现有的试验数据建立了SPRC连梁数据库,在此基础上,通过极限学习机(extreme learning machine,ELM)算法、反向传播神经网络(back propagation neural network,BPNN)算法、支持向量机(support vector machine,SVM)算法、K临近(K nearest neighbor,KNN)算法、随机森林(random forest,RF)算法以及极端梯度提升(extreme gradient boosting,XGBoost)算法等6种ML算法进行了数据的回归训练。通过模型性能指标对比分析,发现基于XGBoost算法的预测模型具有最好的鲁棒性和泛化能力,相比于软化拉压杆模型(softened strut-and-tie model,SSTM)具有更高的计算精度和稳定性,并提出了基于ML方法的高精度SPRC连梁承载力预测模型。此外,还对影响SPRC连梁的承载力参数进行了敏感性分析,结果表明各特征参数对于SPRC连梁承载力的影响程度从大到小依次是:钢板配板率(ρp)、连梁截面高度(h)、连梁截面宽度(b)、跨高比(l n/h)、箍筋屈服强度(f_(vy))、纵筋配筋率(ρs)、纵筋屈服强度(f_(sy))、箍筋配箍率(ρt)、钢板屈服强度(f_(py))、混凝土抗压强度(f_(cu))。

关键词： 印尼贯穿流   海洋环流   海表面温度   深度学习   卷积神经网络  

摘要： 印尼贯穿流连接热带太平洋和印度洋,对区域和全球气候系统至关重要,但在印尼贯穿流的长期变化研究中非常缺乏长时间序列。利用第六次国际耦合模式比较计划历史模拟数据对卷积神经网络深度学习模型进行训练和测试,基于海表面温度反演了印尼贯穿流的体积输运。结果表明,该模型反演的印尼贯穿流可再现其总方差的80%左右。进而结合数据,首次构建了1870~2023年长达154 a的印尼贯穿流流量时间序列。通过与潜标观测数据对比发现,反演结果与国际努沙登拉层化和输运计划(the international Nusantara stratification and transport,INSTANT)、印尼贯穿流监测项目(monitoring Indonesian throughflow,MITF)观测数据的相关系数分别为0.56与0.69,验证了该时间序列的可靠性。使用梯度加权类激活映射(gradient-weighted class activation mapping,Grad-CAM)与注意力机制研究了该模型中影响印尼贯穿流反演技巧的敏感性区域。