关键词： 脓毒症   脓毒症相关肝损伤   机器学习算法   预测模型   分类回归树   随机森林   支持向量机   朴素贝叶斯  

摘要： 目的分析脓毒症相关肝损伤(SRLI)患者的预后,并使用8种机器学习方法建立脓毒症患者入住ICU后发生SRLI的预测模型。方法纳入MIMIC-IV数据库中满足脓毒症诊断标准且无肝脏、胆系基础疾病的患者。根据肝酶≥5倍正常值上限(ULN)或胆红素≥2.0 mg/dL将患者分为SRLI组和非SRLI组。采用卡方检验、多因素Logistics回归分析及倾向性评分匹配法分析2组患者死亡风险。采用8种机器学习算法[Logistics回归、分类回归树(CART)、随机森林(RF)、支持向量机(SVM)、K-近邻(K-NN)、朴素贝叶斯(NBM)、极端梯度提升(XGBoost)、梯度提升树(GBDT)]构建SRLI预测模型并进行验证。结果卡方检验(P<0.001)、多因素Logistics回归分析(P<0.05)、倾向性评分匹配分析后Log-rank(P<0.05)均显示SRLI增加患者死亡风险。SRLI预测模型中,RF算法的曲线下面积(AUC)最高为0.866,其后依次是GBDT(AUC=0.862)、Logistics回归(AUC=0.859)、SVM(AUC=0.837)、NBM(AUC=0.830)、CART(AUC=0.771)、XGBoost(AUC=0.764)、K-NN(AUC=0.722)。结论SRLI增加患者死亡风险。RF算法构建预测模型有较高的诊断价值。

关键词： 渗透学习   中华优秀传统文化   自相矛盾   课堂实录  

摘要： 陈晓艳系嘉兴市名师,华东六省一市(山东、安徽、江苏、浙江、福建、江西、上海)课堂教学展评一等奖获得者。《自相矛盾》一课在第七届华东六省一市小学语文教学观摩研讨活动中作课堂展示。授课对象为江西科技学院附属小学五(3)班学生。此次活动由华东六省一市小语会主办。

关键词： 在线学习   意义建构   影响因素   逻辑机理  

摘要： 基于Z大学学情调查问卷,以建构主义学习理论为基础,采用Ordered-Logit模型分析自主学习、学习共同体、情境创设对在线学习效果的影响,并运用逐步回归法检验意义建构的中介效应。研究表明:自主学习、学习共同体、情境创设均对在线学习效果产生显著的正向影响,且意义建构在自主学习、学习共同体、情境创设三者与学习效果之间起到部分中介作用。研究发现强调了意义建构对于高校在线学习的重要性,提出基于建构主义学习理论的在线教学设计,进一步丰富了在线学习影响机制研究,有助于明确学生学习、教师教学、社会支持等提升在线学习效果方面的着力点,对提高我国教育教学质量有参考意义。

关键词： 新型城镇化   可解释机器学习   农民工   落户意愿  

摘要： 当前,中国以农民工为主体的农业转移人口的城镇落户意愿不高且呈现下降趋势,落户政策供给与落户需求意愿存在结构性错配。本文以推拉理论为基础构建分析框架,使用2017年中国流动人口动态监测数据,利用可解释机器学习方法,对农民工落户意愿的影响因素进行考察,并根据城镇规模进行异质性分析。在区分暂居意愿、长居意愿、定居意愿和落户意愿的基础上,讨论农民工城镇落户意愿的渐进形成过程。研究发现:中间阻碍因素和城镇户籍拉力是影响落户意愿的两个主要方面,其中的中间阻碍因素主要体现为社会融入程度。不同规模城镇的农民工,落户意愿的影响因素以及影响因素的重要程度存在差异。从趋势上看,城镇规模越大,城镇户籍拉力的影响越强,农民工所在农村的户籍拉力的影响越弱。农民工居留意愿的影响因素存在显著的阶段性差异,流入时长、有无自有住房与地区服务差距分别是影响长居意愿、定居意愿与落户意愿的首要因素。本文研究结论有助于全面理解农业转移人口落户意愿形成机理,并为进一步完善市民化政策提供参考。

关键词： 行政行为   行政行为可诉性   行政行为可裁判性   诉的利益  

摘要： 行政行为是贯穿于行政实体法、行政程序法和行政救济法的一个基础性概念,是行政法学体系的构造支点。作为行政诉讼客体的行政行为不同于行政过程中的行政行为,它的概念演变与行政诉讼受案范围大小之间具有十分密切的关系。行政诉讼客体经历了从“争议”到“行为”,又从“具体行政行为”到“行政行为”的过程。作为行政诉讼客体的行政行为有其自身特定的内容。凡是纳入行政诉讼受案范围的行政行为,都是具有可诉性的行政行为,但可诉性不包含诉的利益。凡是具有可诉性的行政行为,并不当然有可裁判性,可裁判性包含了诉的利益。在范围上,行政行为大于可诉性的行政行为,可诉的行政行为大于可裁判的行政行为。

关键词： 混合增强   数据增强   深度学习   正则方法  

摘要： 混合增强学习是一种在深度学习中常用的数据增强方法,将输入-标签对按一定比例线性插值混合,生成新的有价值中间样本以扩充样本空间,进而提升深度模型在整体数据上的泛化性。由于其可扩展性强、计算资源要求少,且正则、泛化性能优异,已在图像分类、文本分类等多个任务中被广泛研究与应用。本文对主要混合增强学习方法进行了分类介绍,综述其标志性研究进展。

关键词： 初中英语   学习方法   趣味学习   学生兴趣  

摘要： 在初中英语学习中,趣味性是激发学生学习兴趣和提高学习效果的重要因素。因此,我们需要不断探索新的趣味学习方法,让学生在轻松愉快的氛围中提高英语水平。

关键词： 机器学习   神经网络   物理信息   深度能量法   应力分析  

摘要： 采用机器学习结合计算力学分析了带孔薄板的应力问题,其中数据驱动神经网络依赖于输入数据,通过学习数据中的模式来进行预测。物理信息神经网络通过嵌入平衡方程,提高了准确性和泛化能力。深度能量法根据最小势能原理构造损失函数,计算效率和准确性明显更优,给出了其在双向均匀拉伸和非均匀拉伸下的Von Mises应力和误差云图,误差不超过5%。与机器学习的交叉有力地促进了计算力学研究范式的创新,并不断拓展其深度和应用范围。

关键词： 小样本学习   图像分类   知识蒸馏   迁移学习   集成学习  

摘要： 针对样本数量过少易造成深度模型在训练数据上过拟合的问题,提出一种融合知识蒸馏与迁移学习的小样本学习方法。该文设计多代蒸馏网络结构,提高浅层网络对小样本图像的特征表达能力;通过改进的迁移学习结构调整少量参数,进一步提升网络的泛化能力;结合多分类器对经过蒸馏和迁移得到的网络进行融合。在三个数据集上的实验结果表明,所提方法能够有效提高模型在新任务上的分类性能,使得小样本预测结果更加准确。

关键词： 联合学习   仿人智能图式   主动推理   主动感知  

摘要： 针对自主机器人在学习过程中会受限于训练时的输入数据以及感知空间与运动空间之间割裂的问题,提出一种感知运动联合学习方法。该方法通过仿人智能图式理论建立感知运动系统,将系统分为感知图式、关联图式和运动图式,并基于主动推理建立感知图式与运动图式之间的关联。针对机器人的主动探索与主动学习过程,设计了关联模型与认知模块,提出了联合学习算法,结合主动感知进行机器人的自主学习。实验结果表明,采用联合学习方法,在仿真实验和实物实验中,感知精度分别可以提升22.32%与12.00%,并且运动到相同目标位置的时间大幅缩短,运动轨迹也更加平滑。实验证明了所提的联合学习方法能够提高机器人的认知能力和自学习能力,并且可以自主优化识别精度与运动轨迹。