关键词： 5G无线通信   信道建模   信道参数   卷积神经网络   贝叶斯优化   超参数   深度学习  

摘要： 深度学习是解决5G无线信道建模中参数学习问题的有效手段,但学习网络的超参数选择对网络性能的影响较大,而常规的手动调参方法往往难以达到令人满意的学习效果,为此提出一种基于卷积神经网络(CNN)的5G无线信道参数学习方法,其中CNN网络超参数采用贝叶斯优化进行自动设置。利用仿真软件Wireless InSite建立了5G无线通信室外场景数据集,针对不同信道参数设计了相应的卷积神经网络,通过实验对比分析了贝叶斯自动寻优和手动调整超参数的学习效果,结果表明本文方法优势明显。

关键词： SOFM神经网络   需求模式识别   动态预测   航空消耗件  

摘要： 企业状态不稳定性、消耗件故障规律不确定性及需求特征的动态性,特别是新冠疫情期间航空公司航班的大量停飞和逐渐恢复导致固定单一需求预测方法存在较大偏差。基于平均绝对误差和均方误差进行不同需求模式预测方法筛选,构建自组织特征映射网(self-organizing feature map,SOFM)对需求时间序列聚类,提出不同聚类模式和预测方法映射关系并实现数据与方法动态自适应。此自适应预测框架能够实现不同航材需求模式识别、多预测方法决策及同一航材多阶段动态预测。通过某航空公司实例验证表明该自适应框架具有较好的应用效果,适用于各类型的消耗备件需求预测。

关键词： 深度学习   大局观   思维工具   如何构建   做笔记   意义建构   阅读理解   集思广益  

摘要： 什么是深度学习?深度学习就是要持久理解,并且是学生自己获得这种理解。如果教师要为深度学习而教,那么就应该有一种“大局观”,也就是围绕大概念来组织教学。学生如果能理解大概念,就像有了一个良好的消化系统,能理解专家结论,这就是我们所说的“少而深”的学习。反之,如果学生没有理解大概念,那么就很难理解专家结论,就成为一种“多而浅”的学习,只是一味地堆积专家结论,随着时间的推移,专家结论就都忘了。那么接下来的问题是如何构建深度学习,书中提供了七种思维工具,即概念化、做笔记和做总结、比较、阅读理解、预测和假设、可视化和图示表征以及集思广益和移情理解。这里我们选取其中三种加以介绍。

关键词： 中兽医   中药学   学习方法  

摘要： 针对畜牧兽医专业学生学习中药学存在的问题,结合中兽医课程特点,分析了中药学学习内容的重点,总结出对比归纳记忆法、药对记忆法、取类比象记忆法、微课记忆法等11种中药学习记忆方法。通过在教学过程中的实施应用,帮助学生快速、全面掌握中药学知识,激发学生学习兴趣,并学以致用。

关键词： 习近平   学习和实践马克思主义   显著特征   重大意义  

摘要： 习近平总书记关于“学习和实践马克思主义”的重要论述,作为马克思主义中国化史、特别是习近平新时代中国特色社会主义思想的极为重要的部分,是新时代学习和实践马克思主义最具有独创性的全面系统论述。习近平“学习和实践马克思主义”的重要论述具有显著的特征,它是跨世纪的历史经验总结,鲜明彰显了坚定不移的共产主义世界观,鲜明彰显了人民至上的根本立场。习近平“学习和实践马克思主义”的重要论述具有重大意义。

关键词： 党的十八大以来   《决议》   全面从严治党   百年历程   六中全会精神   坚持自我   学习领会   加强自身建设  

摘要： 党的十九届六中全会审议通过的《中共中央关于党的百年奋斗重大成就和历史经验的决议》(以下简称《决议》),鲜明贯穿党的初心使命主线,深入研究党加强自身建设、推进自我革命的百年历程,充分肯定党的十八大以来在全面从严治党上取得的历史性、开创性成就,把“坚持自我革命”概括为党百年奋斗的十条历史经验之一,要求全党必须铭记生于忧患、死于安乐,常怀远虑、居安思危,继续推进新时代党的建设新的伟大工程,这是在新的历史条件下对全党发出的动员令。

关键词： 医学图像分割   医学图像配准   医学图像转换   深度学习   肿瘤调强放疗  

摘要： 癌症已成为严重威胁人类健康的主要公共卫生问题。60%~70%的癌症患者需要进行放射治疗。调强放疗是当前主要的临床放疗技术。对近几年基于深度学习的影像分析与转换方法在肿瘤调强放疗计划中的应用进展及关键技术进行综述,包括计算机断层扫描(CT)、锥形束CT(CBCT)、磁共振成像(MRI)、正电子发射断层扫描(PET)引导的肿瘤调强放疗技术应用现状与发展趋势,肿瘤CT/CBCT/MRI/PET影像放疗靶区分割、影像配准以及转换深度卷积神经网络、生成对抗网络的有监督或无监督学习方法,并对未来的研究方向进行展望。

关键词： 实体识别   实体对齐   语义分析   生物医学文本挖掘   生物医学知识库  

摘要： 生物医学文本蕴含着丰富的探索价值,其为生物医学工作者进行研究提供了宝贵的领域知识.充分且高效地利用海量的生物医学文献,并从中发现重要的隐藏信息、获取专业领域知识,对生物医学研究具有重要的意义.生物医学实体链接是对生物医学文本中的命名实体进行识别,并将表示该实体的某些字符串映射到生物医学领域知识库中对应概念.生物医学实体链接任务通常面临两个主要的挑战:(1)自然语言描述的歧义性.(2)自然语言文本与生物医学知识库的异构性.传统的方法基于特征选择或规则发现,依赖于手动选择特征或定义规则,处理分阶段模型中也可能出现误差传播.因此,本工作提出了一种深度学习和知识库相结合的实体链接方法,通过深度挖掘自然语言文本的隐藏特征,及其与知识库概念图间结构的相似性,将生物医学实体识别与实体-概念对齐两个任务进行联合式处理.该方法旨在通过标准的生物医学知识库,自动获取生物医学实体的语义信息,挖掘生物医学实体之间的语义关系.实验表明,该方法在实体识别与对齐方面取得了较好的效果,显著提高了任务的精确性,在实体链接核心任务上取得了超过10%的性能提升.

关键词： 负荷恢复   深度学习   强化学习   配电系统   微网(微电网)   弹性  

摘要： 极端事件下,合理利用微网盈余电力供应配电系统中的关键负荷,可有效提升电网弹性。基于深度强化学习(DRL)技术,提出一种考虑微网参与的配电系统动态关键负荷恢复(DCLR)方法,支持以无模型的方式求解复杂问题,以提升在线计算效率。首先,分析含微网的配电系统DCLR问题,并在此基础上构建其马尔可夫决策过程,其中考虑了配电系统运行、微网运行和用户满意度等约束条件。其次,基于OpenDSS构建DCLR模拟环境,形成DRL应用所需的智能体-环境交互接口,进一步采用深度Q网络算法搜寻关键负荷恢复的最优控制策略,并定义收敛性、决策能力指标分别用于评价智能体的训练和应用表现。最后,基于改进的IEEE测试系统验证了所提方法的有效性。

关键词： ERα抑制剂   特征筛选   随机森林   支持向量机   多元线性回归  

摘要： 雌激素受体α亚型(ERα)被认为是乳腺癌内分泌疗法的重要靶标。本文采用随机森林、支持向量机和多元线性回归方法,对1974个化合物建立ERα抑制剂活性预测模型。利用方差过滤法和Lasso回归思想筛选分子描述符,使用均方误差MSE来评估模型的预测效果。采用随机森林、支持向量机和多元线性回归方法在训练集和测试集上的均方误差分别为0.475和0.553、0.653和0.792、0.709和0.801。结果表明,随机森林优于其他机器学习方法,用于ERα抑制剂的活性预测具有良好的稳健性和预测能力。