关键词： 软件测试   软件缺陷预测   项目内缺陷预测   跨项目缺陷预测   机器学习  

摘要： 软件缺陷预测技术是建立在软件历史信息基础上的预测模型,判断软件模块是否存在软件缺陷,从而实现测试资源的优化分配,实现软件测试工作效率的提高。随着软件缺陷预测技术的快速发展,许多机器学习方法相继被引入进来,以期提高软件缺陷预测的能力。文章针对基于机器学习的软件缺陷预测方法,系统地进行了分类和总结。

关键词： 统计   分类思想   反思  

摘要： 小学数学人教版教材在一年级就开设了“分类与整理”单元,但一些教师对“什么是分类思想”“分类的标准是什么”“教材中哪部分知识隐含着分类的思想方法”“如何有效地让学生感悟数学分类的思想方法”等方面存在困惑,导致在教学中只是为了让学生掌握如何分类,而缺少让学生体会分类的意义及其必要性。基于此,文章以前后两次执教“分类与整理”为切入口,阐述了教师应该如何在课堂中有效地渗透分类的思想方法,从而培养学生的数学素养,提高学生解决问题的能力。

关键词： 人工智能   人机对抗   博弈论   机器学习   博弈学习  

摘要： 近年来,人机对抗智能技术作为人工智能领域的前沿方向取得了一系列突破性的进展,如AlphaGo和DeepStack分别在围棋和二人无限注德州扑克中击败了人类专业选手.这些突破离不开博弈论和机器学习的深度结合.本文通过梳理当前人机对抗智能技术领域的重要工作,深入分析博弈论和机器学习在其中发挥的作用,总结了面向人机对抗任务的博弈学习研究框架,指出博弈论为人机对抗任务提供博弈模型和定义求解目标,机器学习帮助形成稳定高效可扩展的求解算法.具体地,本文首先介绍了人机对抗中的博弈学习方法的内涵,详细阐述了面向人机对抗任务的博弈学习研究框架,包括博弈模型构建、解概念定义、博弈解计算三个基本步骤,之后利用该框架分析了当前人机对抗智能技术领域的典型进展,最后指出了人机对抗中的博弈学习未来发展可能面临的挑战.本文梳理总结的人机对抗中的博弈学习研究框架为人机对抗智能技术领域的发展提供了方法保障和技术途径,同时也为通用人工智能的发展提供了新思路.

关键词： 睡眠脑电信号   脑电功能连接性   不规则目标   目标检测   睡眠呼吸暂停综合征  

摘要： 睡眠呼吸暂停综合征(Sleep Apnea Syndrome,SAS)是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病,无法识别发病具体时段.针对这一局限性,本文提出一种新的SAS识别模型SD-FCE(SAS Detection based on Functional Connectivity of Electroencephalography),该模型具备识别不规则发病时段的能力.首先,为提取发病时段的神经系统异常,本文利用脑电功能连接性构建脑电功能连接矩阵.其次,为识别发病的具体时段,本文基于目标检测算法改进,针对SAS设计不同的预选框将不规则目标网格化,以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究,SD-FCE模型的识别结果更利于医学诊断,同时性能优于以往其它类似模型.

关键词： 立场表达   致谢文本   学科差异   机器学习   学术论文  

摘要： 语言的立场表达无处不在,它是开展语言研究的一种重要角度。本文采用Hyland(2005)和Biber(1999)的立场框架理论,搭建适用于致谢文本立场分析的理论框架,通过机器学习方法──支持向量机揭示自然学科和人文学科致谢文本的立场表达差异。研究发现:总体上,人文学科立场表达频次要高于自然学科;人文学科更倾向于采用态度立场(情感态度、评价态度);自然学科更倾向于采用认知立场(模糊限制语);在指示立场方面,人文学科更倾向于使用第一人称而自然学科更倾向于使用第二人称。研究结论指出,不同学科间的立场差异与学科自身属性以及研究范式息息相关,这为深入了解学科之间的语言表达差异提供了思路和方法。

关键词： 似是而非   深度学习   案例   辨析   探究   核心素养  

摘要： 在教学过程中,合理、恰当地使用有些似是而非的解答,有效地引导学生进行辨析与探究,不仅有利于学生进行深度学习,加强对数学的理解,同时还能高效发展学生的学科核心素养,本文结合两个具体案例进行说明.

关键词： 孙犁   《区村和连队的文学写作课本》   《文艺学习》   版本   意义  

摘要： 《文艺学习》是孙犁最著名的一部文艺理论专著,它是“冀中一日”写作运动的产物,初版时题名为《区村和连队的文学写作课本》,从初刊本到定本之间共有八个版本,经历了三次较大规模的修改,是一部具有重大意义与影响的指导写作的经典之作。

关键词： 采煤机   故障诊断   深度学习   卷积神经网络   迁移学习  

摘要： 针对采煤机故障诊断过程中有效故障样本不足问题,提出变工况下采煤机故障诊断的迁移学习方法。对原始振动信号作小波变换得到时频图,利用图像增强原理凸显故障的时频特征,并对图像进行归一化后组成故障样本;利用大量不同工况下的现有故障数据组成源域数据,对卷积神经网络进行训练,以初步获取故障诊断模型;将训练后的模型迁移至采煤机故障诊断实验台,以最大均值差异(MMD)作为优化指标,利用实验台中的样本继续训练模型,实现权值微调。结果表明:振动信号经小波变换和图像增强处理后,能有效凸显故障特征;利用实验台小样本微调权值,能有效实现采煤机故障诊断的模型迁移。

关键词： 知识图谱表示学习   类别信息   层次化结构   偏序关系  

摘要： 知识图谱表示学习方法旨在将知识图谱中的实体和关系嵌入到低维连续的向量空间.由于知识图谱本身具有数据稀疏性的问题导致学习出的向量表示性能欠缺.实体的类别信息包含了丰富的语义,引入它能够更好地指导向量表示的学习.已有结合类别信息的表示学习方法要么不支持类别信息的层次化结构或者关系的类别约束,要么对层次化结构的建模过于复杂.提出一种结合层次化类别信息的表示学习方法.我们将类别嵌入到不同的向量空间,使用偏序关系建模类别的层次化结构.同时,将实体向量表示映射到类别向量空间中,要求实体与其所属类别满足偏序关系,且三元组的实体与其关系的类别约束也满足偏序关系.最后,在多个数据集上执行链接预测、三元组分类和实体分类任务的实验结果表明我们的方法相比其他基线方法学习出的向量表示性能更好.

关键词： 腺样体肥大   A/N比值   鼻咽侧位X线片   放射摄影术   深度学习  

摘要： 目的:评估深度学习方法在鼻咽侧位X线片上自动测量儿童腺样体肥大的可行性、准确性和可靠性。方法:X线图像被人工标注并分为训练、验证和测试数据集。利用训练集和验证集对多分类U-Net和Res U-Net深度学习网络进行训练,然后分别用两种方法对测试集图像进行分割。将两种方法的分割结果进行比较,选择出最佳的分割方法,并利用Matlab所构建的测量模型自动测量腺样体/鼻咽腔(A/N)比值。将自动测量方法(AMS)测得的A/N值分别与由主任医师、主治医师、住院医师手工测量的A/N值进行比较。以主任医师的测量结果为标准,计算AMS、主治医师、住院医师的准确率。结果:与U-Net相比,Res U-Net在测试集有更好的分割性能,并获得了总体上与主治医师水平相当,但比住院医师更准确的A/N结果。在对正常、中度肥大和病理性肥大腺样体的分级中,AMS的准确率分别为93.75%、93.02%和96.00%,主治医师的准确率分别为100%、83.72%和96.00%,而住院医师的准确率分别为68.75%、69.77%和84.00%。统计学分析结果显示,在正常组、中度肥大组以及病理性肥大组中AMS与主任医师、主治医师的测量结果差异均无统计学意义(P值均>0.05);AMS与住院医师在正常组和中度肥大组中的测量结果差异有统计学意义(P<0.05),在病理性肥大组中差异无统计学意义(P>0.05)。AMS所需的测量时间分别为主任医师、主治医师和住院医师手工测量时间的22%、21%和18%,AMS与主任医师、主治医师、住院医师的测量时间比较差异均有统计学意义(P值均<0.05)。结论:基于Res U-Net的自动测量方法可以快速测量腺样体A/N比值,达到主治医师的测量水平,且能够提高住院医师的测量水平,辅助各级医师减少测量所需时间,有助于临床快速、精确诊断。