关键词： 滑坡   机器学习   滑坡易发性   三峡库区   深度学习  

摘要： 中国山区多、地形复杂,构造发育、地质灾害隐患分布广泛。滑坡作为山区最具灾难性的地质灾害之一,严重威胁着人民群众的生命及财产安全。构建滑坡易发性模型能够量化滑坡发生的可能性,对制定防灾措施、减少潜在风险具有重要作用。由于经验驱动模型难以量化,且往往依赖主观判断,近年来,滑坡易发性模型的精度与准确度在从经验驱动和统计理论模型向新兴机器学习方向发展的过程中得到提升。对目前滑坡易发性评价常用的机器学习模型进行综合评述,并针对三峡库区的案例研究,对不同的机器学习技术进行广泛分析和比较。机器学习模型通过结合实地调查资料和历史数据,可绘制滑坡易发性地图,辅助制定滑坡减缓策略。根据滑坡易发性预测模型的准确性和效率,评价几种常用算法的优势和局限性。结果表明,与一些常用的滑坡易发性制图方法相比,基于树结构的集成算法模型性能更好。此外,高质量的数据库十分重要,深度学习算法的更多应用还有待进一步研究探索。

关键词： 十九届六中全会   意义价值   学习贯彻路径  

摘要： 党的十九届六中全会创造性地运用马克思主义世界观和方法论,提出一系列新思想、新观点、新结论,实现了马克思主义中国化多方面的重大创新。文章尝试从马克思主义哲学高度,运用马克思主义哲学世界观与方法论,系统深入研究和探讨全会的意义价值和学习贯彻路径。

关键词： 图像生成   生成对抗网络   隐空间   可控生成  

摘要： 探索生成对抗网络隐空间的语义信息是当前生成对抗网络图像可控生成方向的研究热点。目前的研究在探索隐空间的语义时往往每次只学习某一个属性对应的语义方向,而这种方式没有考虑不同语义方向之间可能发生纠缠的问题,因此在控制生成图像某一属性变化时会影响到其他属性。为了解决此类问题,提出了一种基于正交约束的多语义学习方法,该方法在同时学习多个语义方向的训练过程中加入正交约束以减少不同语义方向之间的关联性,从而避免了不同语义方向间的纠缠问题。基于大规模生成对抗网络(BigGAN)模型在ImageNet数据集进行了水平平移、垂直平移和亮度等多语义方向的同步学习实验。实验结果表明,提出的方法能有效同时学习隐空间的多个语义方向,实现图像多个属性可控生成,同时能有效地保持不同语义方向之间的独立性。

关键词： 机器学习   小样本学习   特征嵌入函数   嵌入学习方法  

摘要： 为了解决机器学习在样本量较少的情况下所面临的巨大挑战,研究人员提出了小样本学习的概念。在现有的小样本学习研究工作中,嵌入学习方法取得了不错的效果,引发了大量关注。根据训练特征嵌入函数时结合任务特征信息的方式,将嵌入学习方法划分为单一嵌入模型和混合嵌入模型两大类。依据划分的类别,对现有的嵌入学习方法的研究工作展开进行研究。汇总了现有的小样本标准数据集,阐述了每一类嵌入学习方法的表现,分析了影响小样本学习性能的因素。讨论嵌入学习方法目前面临的挑战,并展望未来的研究方向。

关键词： 变量序   K2算法   v-结构   邻居集  

摘要： 针对K2算法存在的序依赖性问题,提出了能够从给定数据集中有效学习变量序的启发式算法(H-vnK2)。具体而言,基于PC算法学习的v-结构知识以节点块的形式快速准确修正部分父子节点顺序,获得部分节点的最优序;基于PC算法学习的邻居集知识以距离阈值启发式策略进一步从全局最优角度修正父子节点顺序,获得所有节点的最佳序。实验表明,在标准数据集Asia、Alarm网络上,所提算法显著优于对比算法,其中与性能最好的基于因果效应的方法相比,准确率平均提升了7%,增量最高能达到33.3%,可以学习到更准确的网络结构。

关键词： 人脸表情分析   表情识别   局部遮挡   深度学习  

摘要： 在真实环境下遮挡是准确分析识别人脸表情的主要障碍之一。近年来研究者采用深度学习技术解决遮挡条件下表情误识别率高的问题。针对遮挡表情识别的深度学习算法和遮挡相关的问题进行归纳总结。首先,概括局部遮挡条件下表情识别的发展现状、表情的表示方式以及研究遮挡表情用到的数据集;其次,回顾遮挡表情识别深度学习方法的最新进展和分析遮挡对表情的影响;最后,总结主要技术挑战,研究难点及其可能的应对策略。目的是为将来的遮挡表情识别研究提供更有益的参考依据和基准。

关键词： 空间目标   光谱数据   密度聚类   生成对抗网络   卷积神经网络  

摘要： 随着近年来光谱探测仪器灵敏度、精确度和易用度的不断提升,光谱技术已经深入到各行各业的物质成分的鉴定与分析中。对于空间目标的光谱观测是传统光学观测的重要拓展之一,因其具有的非接触、无损伤等优点而备受关注,然而由于观测条件所限,空间目标的光谱数据量极小,通过传统方法对其进行分类分析达不到较好效果,必须探求提高分类精度的方法。首先,通过1.2 m空间目标光学望远镜上搭载的光谱相机终端获取空间目标高光谱图像;再通过天文学测光IRAF方法,提取空间目标的一维光谱数据;为对空间目标光谱进行分类,提出一种结合多种深度学习方法解决小样本数据量的空间目标分类问题。该方法应用密度聚类方法将空间目标粗糙分类,一维生成对抗网络方法增加空间目标数据,一维卷积神经网络方法将空间目标精细分类,三者组合进而达到较好的实验效果,整体精度约为79.1%(基于密度聚类、过采样、一维卷积神经网络方法组合、基于K-means、一维生成对抗网络、一维卷积神经网络方法组合和基于K-means、过采样、一维卷积神经网络方法组合的整体精度分别约为78.4%,77.9%和77.2%)。粗糙分类模型中,密度聚类方法比K-means方法整体精度平均高出约为0.67%;数据增广模型中,一维生成对抗网络方法比过采样方法整体精度平均高出约为1.52%;精细分类模型中,一维卷积神经网络方法二层网络比三层网络整体精度平均仅高出约为0.003%,但是运算时间更长。四种组合方法精度均高于单一方法。实验结果表明本文提出的组合方法在小样本空间目标类别未知情况下,可实现细分类且精度较高,为实现空间目标极小数据量下的图谱一体化分析,提供一定参考价值。

关键词： 小学数学   深度学习   概念教学  

摘要： 教学中,教师应确立深度学习视域,引领学生经历概念生成的过程,引导学生从数学概念表象进入数学概念本质,促使学生主动理解、建构与把握数学概念,提高学生利用数学概念解决数学问题的实践技能,发展学生的数学学习力与核心素养。文章以“比例的意义”的教学为例,探讨了深度学习视域下小学数学概念教学的策略。

关键词： 不平衡学习   循环神经网络   卷积神经网络   语音情感识别  

摘要： 像传统机器学习一样,样本的不平衡分布会影响深度学习分类器的预测能力,在语音情感识别环境下,情感数据的不平衡分布是一种常态。基于卷积循环神经网络和注意力模型,提出一种随机平均分布的集成学习方法(Redagging),用来消除样本的不平衡分布。Redagging按照机会均等原则,等概率地把训练样例随机放入子训练样本,通过降低样例重复率提升基分类器的性能,进而增强综合分类器的预测能力。在IEMOCAP和EMODB情感数据库的实验表明,从未加权平均召回率和F1值两个方面,Redagging都优于Bagging和其他不平衡学习方法,验证了其有效性。

关键词： 工程管理   安全系统工程   工程风险评估与管理   学习方法  

摘要： 《安全系统工程》和《工程风险评估与管理》是工程管理专业的核心课程,从《安全系统工程》及《工程风险评估与管理》课程中的学习要点入手,对一系列系统分析方法及风险管理理论在风险管理中的运用进行耦合分析并探讨适用的学习方法。最终得出:自主地将《安全系统工程》和《工程风险评估与管理》中的理论方法,如事故树和层次分析法等定性、定量方法进行耦合学习,有助于学生更加系统地研究与管理建设工程项目的风险。