关键词： 肺癌   慢性阻塞性肺疾病   卷积神经网络   机器学习  

摘要： 目的 建立基于机器学习的慢性阻塞性肺疾病(简称慢阻肺)患者合并肺癌风险的预测模型,探索慢阻肺患者罹患肺癌的高风险因素,为早期发现慢阻肺患者肺癌发病风险提供智能预警奠定基础。方法 回顾分析2010年—2021年就诊于大连医科大学附属第二医院的共154例患者,其中慢阻肺组99例,慢阻肺合并肺癌组55例。患者均进行胸部高分辨率电子计算机断层扫描(high resolution computed tomography,HRCT)及肺功能测试。主要分析:(1)两组患者的年龄、体重指数(body mass index,BMI)、吸烟指数等基本信息、实验室检查结果、肺功能及胸部HRCT定量参数之间的差异是否具有统计学意义;(2)使用单因素和二元logistic回归方法分析慢阻肺患者患肺癌的高风险因素指标;(3)使用logistic回归和Gaussian过程等机器学习方法建立慢阻肺患者合并肺癌风险的预测模型。结果 基于统计学和logistic回归方法分析,BMI下降、全肺气肿指数增大、全肺平均密度增高、用力肺活量及凝血酶原时间百分比活动度增加是慢阻肺患者合并肺癌的危险因素。基于慢阻肺患者合并肺癌的机器学习风险预测模型,使用凝血酶原时间百分比活动度、全肺气肿指数、全肺平均密度、用力肺活量联合神经元特异性烯醇化酶和细胞角蛋白19的可溶性片段为特征,得到logistic回归和Gaussian过程的受试者工作特征曲线下面积均为0.88。结论 使用机器学习的方法建立慢阻肺患者合并肺癌风险的预测模型,可用于早期发现罹患肺癌高风险的慢阻肺患者。

关键词： 机器学习   因果推断   混杂因素控制  

摘要： 介绍医学研究中混杂因素对因果推断的影响及常见混杂因素识别方法,梳理机器学习方法在因果推断中控制混杂因素的应用,讨论应用机器学习方法在混杂因素控制中面临的机遇和挑战。

关键词： 电力负荷预测   双碳政策   节能减排   长短期神经网络   深度学习  

摘要： 2020年以来国家电力形势十分紧张,随着国家“碳达峰”“碳中和”目标的提出,绿色低碳环保发展经济体系的逐步建立,若能准确地预测出未来的电力负荷情况,并据此进行电力调度与调控,便能够达到节能减排的目的。目前,基于统计方法和人工智能方法进行电力负荷预测还存在着诸多问题。该文基于深度学习-长短期神经网络(Long Short-Term Memory,LSTM)建立电力负荷预测模型,提高电力负荷预测的准确性和稳定性。该文可以为电场提供未来一段时间内负荷的需求情况,对地区电能管理部门制定发展规划、有效管理负荷具有重要的应用价值,对响应国家节能减排政策意义重大。

关键词： 图像分类   零样本学习   生成对抗网络   域适应   特征生成  

摘要： 近年来,零样本学习备受机器学习和计算机视觉领域的关注.传统的归纳式零样本学习方法通过建立语义与视觉之间的映射关系,实现类别之间的知识迁移.这类方法存在着可见类和未见类之间的映射域漂移(projection domain shift)问题,直推式零样本学习方法通过在训练阶段引入无标定的未见类数据进行域适应,能够有效地缓解上述问题并提升零样本学习精度.然而,通过实验分析发现,这种直接在视觉空间同时进行语义映射建立和域适应的直推式零样本学习方法容易陷入“相互制衡”问题,从而无法充分发挥语义映射和域适应的最佳性能.针对上述问题,提出了一种基于间接域适应特征生成(feature generation with indirect domain adaptation,FG-IDA)的直推式零样本学习方法.该方法通过串行化语义映射和域适应优化过程,使得直推式零样本学习的这两大核心步骤能够在不同特征空间分别进行最佳优化,从而激发其潜能提升零样本识别精度.在4个标准数据集(CUB,AWA1,AWA2,SUN)上对FG-IDA模型进行了评估,实验结果表明,FG-IDA模型不仅展示出了相对其他直推学习方法的优越性,同时还在AWA1,AWA2和CUB数据集上取得了当前最优结果(the state-of-the-art performance).此外还进行了详尽的消融实验,通过与直接域适应方法进行对比分析,验证了直推式零样本学习中的“相互制衡”问题以及间接域适应思想的先进性.

关键词： 学习方法   心理辅导课   教学设计  

摘要： 【设计理念】小学五年级是学习的关键期,随着学习内容的加深,学生成绩会出现明显的分化现象。有些学生虽然努力,但学习成绩并未得到显著提高,原因在于没有掌握科学的学习方法。科学的学习方法不仅能帮助学生提高学习效率,还有助于学生养成良好的学习习惯,激发学习潜能。本课通过体验性活动和小组讨论,引导学生掌握科学的学习方法。

关键词： 车辆工程   深度强化学习   驾驶策略   多奖励函数  

摘要： 针对交通场景的复杂性和多变性,深度学习算法和深度强化学习方法适应性较差的问题,本文提出一种基于多感知输入多约束奖励函数的深度强化学习方法。方法的输入包括前视图像和激光雷达数据和鸟瞰图信息,多种输入信息经过编码网络得到潜在空间表示,经过重构后作为驾驶策略学习的输入,并在奖励函数的设计中综合考虑了横纵向误差、航向、平稳性、速度等多种约束,从而有效提高了场景的适应能力和策略学习的收敛速度。在仿真环境CARLA下搭建了典型的交通场景对方法的性能进行了仿真验证,并对多约束奖励机制进行了分析对比。结果表明:本文方法能实现车辆在多场景下的驾驶决策,性能明显优于同类SOTA方法。

关键词： 习近平新时代中国特色社会主义思想   中国式现代化   中国人民大学   国际事务   人类命运共同体   关系框架   全球意义   中华民族伟大复兴  

摘要： 党的二十大报告系统而深刻地问答了中国式现代化的一系列基本理论和战略问题,强调以中国式现代化全面推进中华民族伟大复兴。那么,在大国关系框架下,我们应该如何理解中国式现代化这一重要论述?中国式现代化具有哪些个球意义?与构建人类命运共同体、创造人类文明新形态有哪些联系?就此。

关键词： 政治宣言   伟大复兴   行动纲领   学习领悟   历史和人民   创新和实践   大视角   新征程  

摘要： 党的二十大,是在全党全国各族人民迈上全面建设社会主义现代化国家新征程、向第二个百年奋斗目标进军的关键时刻召开的一次十分重要的大会。习近平总书记代表第十九届中央委员会向大会作的报告,以大纵深概括伟大成就、大视角宏览伟大变革、大格局画伟大复兴,凝结了伟大的理论创新和实践创造,是新时代中国共产党人向历史和人民交出的厚重答卷,是团结动员全党全国各族人民全面建设社会主义现代化国家、全面推进中华民族伟大复兴的政治宣言和行动纲领,对党和国家事业的发展必将产生重大而深远的影响。

关键词： 党史学习教育   大学生   高校   实践路径   分析  

摘要： 党史是中国人民弥足珍贵的精神财富,大学生是社会主义建设的重要后备力量,深入推进党史学习教育,发挥党史“明理、增信、崇德、力行”的作用,对于大学树立生正确的政治立场与价值观念、推动学习习近平新时代中国特色社会主义思想,具有重大理论意义和现实意义。研究从理论与实践相结合的视角出发,总结出针对大学生进行党史教育的路径与方法,希望多渠道全方位地做好组织落实和总结提升工作,为以后的学习教育积累宝贵经验,奠定坚实基础。

关键词： 词义定义   词义消歧   双向注意力  

摘要： 词义消歧的目标是在特定的上下文中识别歧义词的正确词义。传统的监督方法主要是利用上下文的数据,而忽略了丰富的词义定义等词汇资源。最近的研究发现将词义定义整合到神经网络对于词义消歧具有显著的改进效果。提出引入词义定义的基于多粒度双向注意力机制的词义消歧模型,该模型采用字符级、词级和上下文嵌入的表示,使用双向注意力机制获取上下文和词义定义之间的交互关系,消融实验验证了模型中每个组成的重要性。实验结果表明,这种建模方式可以有效地识别歧义词的正确词义,在SemEval-13-task#12和SemEval-15-task#13公开数据集上进行了测试,F1值分别可达到68.9%和73.1%。