关键词： 苹果树叶病害   图像分类   小样本学习   离群点剔除  

摘要： 针对苹果树叶病害样本数量少且缺乏足够的标签,导致苹果树叶病害早期发现分类困难的问题,提出一种苹果树叶病害图像分类的小样本学习方法.先根据图像间的特征向量距离和样本点密度,找出样本中的离群因子,将离群因子剔除后,求取嵌入空间中支持集的平均值,再根据查找样本与该值的关系进行分类.实验结果表明,该小样本学习方法能明显提高模型的分类性能和收敛速度,分类准确率较高,平均分类准确率达97.62%,对苹果树叶锈病、黑星病、混合病害、健康树叶4类的分类准确率分别达98.01%,97.32%,96.30%,98.85%,且对样本不平衡、背景不均匀等数据集有较强的鲁棒性.

关键词： 遥感图像   目标检测   哈希学习   低秩约束  

摘要： 随着遥感图像数据的迅猛增长和日趋复杂化,当前主流的图像检索方法步骤固定、缺少学习能力,严重制约了其图像检索性能。基于此提出了一种基于哈希学习方法的遥感图像快速目标检测新方法,在监督离散哈希方法基础上,针对遥感图像成像过程中产生的仿射变换影响目标的快速解译的情形,构建了仿射不变哈希模型,通过将具有隐藏的相同语义信息的仿射变换样本约束到相似的二值码空间,实现分类精度的提升。以数据驱动的遥感图像目标检测策略为指导,利用条件随机场的标签重分配优势改进漏判和误判情况,提升检测精度。利用超图的高阶数据表达能力挖掘遥感图像的复杂关系,从而得到高质量的哈希码,完成检索工作。

关键词： 电子病历   医学事件   表示学习   疾病预测  

摘要： 利用电子病历数据进行疾病预测是时下的研究热点,医学事件是电子病历的重要组成部分。由于电子病历数据具有异质、高维的特性,且对时间的依赖性比较强,获得良好的医学事件表示存在一定困难,因此文章提出一种基于形变-时控长短期记忆网络(Mogrifier-Time Long Short Term Memory Network, MT-LSTM)的医学事件表示学习方法。通过在MIMIC-Ⅲ数据集上进行多项对比实验,结果表明MT-LSTM模型可获得优良的医学事件表示,有助于疾病预测任务的进行,证明了该方法的有效性。

关键词： 专家系统   数据的挖掘   入侵检测   神经网络算法  

摘要： 本文针对于数据的挖掘展开分析,研究机器的学习方法,展开入侵检测技术的细致分析,将技术的应用定义和方法提出,保证信息的合理检测,为后期的研究工作提供考量内容。

关键词： 定常偏微分方程   深度学习   动态权重   高精度   两重网格  

摘要： 随着机器学习在多个领域的研究取得进展,物理信息神经网络为偏微分方程的求解提供了新思路,但该方法难以获得高精度的数值解.结合物理信息神经网络与两重网格求解偏微分方程的思想,提出了基于两重网格的深度学习方法求解定常偏微分方程.针对神经网络求解多目标问题,采取了动态权重策略平衡损失函数中各项之间的数值差异,有效缓解了梯度病态现象.最后,给出了若干数值实验,验证了结合动态权重策略的深度学习方法在提高计算精度上的有效性.

关键词： N5/NiCrAlY   卷积神经网络   图像识别   高温氧化腐蚀  

摘要： 利用深度学习方法,将图像处理技术运用于NiCrAlY涂层/Ni基高温合金服役过程中微观形貌的图像特征信息识别和检索。以NiCrAlY涂层/N5合金为研究对象,基于获取的3600张64×64像素的截面特征图像数据集,采用深度学习技术搭建对基体的TCP相、基体与涂层的界面、氧化层这三类特征进行分类识别。分别训练有二、三层卷积层的卷积神经网络实现这三类特征的分类识别与滑动窗口检索定位。选用RMSProp优化器,配合二、三层卷积层的神经网络的测试集识别准确率分别为98%、90.67%。利用Adam优化器训练三层卷积层的卷积神经网络的测试集识别准确率为99.17%,并且此网络在检索1024×943像素图像的三大特征时表现最佳,检索正确率达到100%。

关键词： 配电网   投资决策   深度学习   迁移学习   数据分布自适应   小样本  

摘要： 随着高比例清洁能源的接入以及供需交互的加深,配电网投资决策涉及清洁能源装机、自动化设备等新增要素,传统决策方法模型难以建立且求解复杂,难以满足电网精准化投资的要求。针对这一问题,首先基于已有指标体系,按照投入产出关系对常见指标进行分类,然后在此基础上提出一种面向配电网投资决策的自适应关联规则挖掘方法。该方法通过深度学习网络捕捉投资效益指标与投资项之间的关联关系,并引入数据分布自适应的迁移学习技术解决深度学习在电网投资决策过程中训练数据样本不足及电网新增投资措施缺乏实际运行样本参照的问题。通过挖掘投入-产出关联关系,构建基于投资效益机理分析的投资决策模型,最终辅助实现配电网投资规划方案的优选。基于某电网数据仿真并分析不同目标下的最优投资决策方案,实验结果表明,该自适应学习网络能有效捕捉电网多重指标下的投入产出关系,构建起投资措施与效益产出之间的桥梁,从而辅助决策者根据当地投资需求更灵活地制定投资决策方案。

关键词： 学习方法   解题能力   以生为本   良好习惯   初中物理  

摘要： 在初中物理课堂教学中,为了激发学生的学习兴趣,必须积极营造轻松愉快的教学氛围,引导学生主动参与自主合作,通过理解优化课堂思维的一些基本的概念、原则和规律,帮助学生勇于质疑,真正享受学习物理的课堂乐趣.基于此,本文就对利用问题串优化初中生物理课堂思维进行探讨,首先分析研究背景,然后论述问题串设计原则,最后提出利用问题串优化初中生物理课堂思维的方法,希望通过文章的分析能够为其他初中物理教师提供一定参考.

关键词： ERA5   机器学习   Lasso回归   随机森林   神经网络  

摘要： 基于前期ERA5逐月再分析数据,应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集,通过交叉验证和超参数调优建立初霜冻日期预测模型,利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明:特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性;Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d),神经网络模型在5月起报性能最好(RMSE为6—9 d),随机森林模型在3月起报性能最好(RMSE为8—9 d);辽宁全省大部分站点距平同号率为50%—70%,其中Lasso回归和神经网络模型为5月起报最高(约为68%),随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现,低植被覆盖比例是初霜冻日期预测关键预测因子,植被覆盖率越高越有利于地表含水量保持,降温容易产生霜冻,初霜冻日期也就越易提前,去掉低植被覆盖比例因子后模型预测效果显著下降,也表明该因子是模型建模的前期关键因子。

关键词： 基本运动技能   义务教育体育与健康课程标准(2022年版)   核心素养   幼小衔接   儿童  

摘要： 基本运动技能学习对于促进儿童全面发展具有关键性作用,也是国际体育领域的研究热点。《义务教育体育与健康课程标准(2022年版)》首次将基本运动技能作为主要课程内容,对新时代体育教学提出了新要求。研究表明,基本运动技能学习具有促进儿童身心健康全面发展、帮助儿童与社会建立联系、为儿童专项运动技能奠定基础和增强体育课程逐步进阶的内部逻辑的意义。因此《义务教育体育与健康课程标准(2022年版)》对儿童基本运动技能学习提出了具体要求,体现在课程目标、内容要求、学业要求和教学提示四个方面。未来需要基于幼小衔接构建一体化目标体系,设计完整教学内容;开发并运用基本运动技能测评工具;采用合适的方法保障教学实施。