关键词： 农业气象   相关模型   机器学习   研究进展  

摘要： 为探究机器学习方法在农业气象相关模型领域的应用进展,对机器学习与农业气象相关模型的结合研究进行了回顾与总结。观测设备的快速发展显著提升了数据的可用性和多源性,为机器学习与模型的结合奠定了坚实的数据基础;同时,机器学习理论研究的不断深入推动了算法的优化与创新,为机器学习与模型的结合提供了强有力的算法支持。作为一种高效的数据拟合与分析手段,机器学习在农业气象相关模型领域展现广阔的发展前景。通过机器学习方法,模型的准确性和普适性得到了显著提升,为农业气象研究提供了新的技术路径和方法支撑。

关键词： 跨域推荐   冷启动推荐   元学习   长短期偏好   多级注意力  

摘要： 为解决跨域推荐方法过度依赖重叠用户、在冷启动场景中由于数据稀疏导致泛化能力差两个问题,利用元学习快速适应数据稀疏任务的优势,提出一个基于跨域元学习框架的冷启动用户表示学习方法。设计一个多级注意力融合机制,门控循环单元(gate recurrent unit, GRU)获取用户的短期偏好,多级特征注意力融合源域中用户的长短期偏好,获取用户的广义表示。设计一个元网络训练映射函数的初始化参数,将用户在源域中的偏好转移到目标域,获得冷启动用户在目标域中的初始嵌入表示,并以此进行推荐,取得较好结果。利用亚马逊数据集构建了3个跨域推荐任务并进行广泛试验,试验结果表明,本研究模型在平均绝对误差和均方根误差评价中均优于其他基线模型。

关键词： 类腐殖质   氧化潜势   源解析   机器学习   小样本学习.  

摘要： 水溶性类腐殖质(water-soluble humic-like substances,HULIS_(WS))是大气颗粒物中一类危害人体健康的有机物.氧化潜势(oxygen potential,OP)可以用于衡量颗粒物对细胞内分子的氧化能力,精确解析HULIS_(WS)的OP来源可以助力有害污染物的精准减排工作.本文于2016年秋、冬季节在东北平原逐日采集了大气细颗粒物(PM_(2.5))样品,并使用正定矩阵因子分解(positive-definite matrix factorization,PMF)模型量化了PM_(2.5)中HULIS_(WS)来源的变化特征.尽管此前很多研究解析了HULIS_(WS)中OP的潜在来源,但传统源解析方法难以准确拟合OP与物质来源关系,导致其解析结果存在较大不确定性.随机森林(random forest,RF)是一种可以拟合非线性关系的机器学习算法,可以对OP来源进行解析.然而,RF算法在较小样本训练下通常会增加泛化误差,导致模型不确定性较大.针对这些问题,本文提出并验证了一种通过强化RF模型对特征变量的识别来提升其泛化能力的小样本学习(few-shot learning,FSL)方法[FSL-RF].通过FSL-RF拟合HULIS_(WS)的OP与PMF源解析结果来建立来源与OP的关系,并使用置换变量重要性量化了各来源对OP的贡献.结果表明,生物质燃烧贡献了HULIS_(WS)浓度和HULIS_(WS)中OP的72%和63%.此外,烹饪排放贡献了4%的HULIS_(WS)浓度,对HULIS_(WS)中OP的贡献为19%.目前,尽管生物质燃烧仍然是东北地区大气HULIS_(WS)对人体造成细胞损伤的主要方式,但对烹饪排放的减排对人体细胞损伤的控制更加有效.

关键词： 图对比学习   课程学习   相似度   节点分类  

摘要： 针对现有的跨级别的节点级图对比学习中负样本随机生成的问题,提出了一种基于课程学习的节点级图对比学习方法 .所提方法利用图同构网络提取样本的图级表示,用评分函数计算原始数据与负样本图级表示的相似度,并将负样本按相似度进行排序,最后在模型中按序引入负样本进行训练,并在下游任务中进行引文网络的节点分类.在引文网络数据集Cora,CiteSeer,PubMed上进行了节点分类精确度测试,与跨级别的节点级图对比学习DGI相比,分别提升了1.71%,0.45%,2.12%,表明所提出的算法能有效利用课程学习的思想提升节点级图对比学习的性能.

关键词： 神经网络方法   机器学习方法   时间发展方程  

摘要： 近年来,使用机器学习方法求解微分方程在不同领域受到越来越多的关注,然而机器学习方法在求解时间发展方程上遇到许多问题。本文从数据驱动的深度学习方法和基于方程学习的深度学习方法两个方面对现阶段针对时间发展方程的机器学习求解方法进行总结,并介绍在不同神经网络架构下针对性的求解算法。总结了使用物理信息引入的神经网络方法求解时间发展方程的训练特点与最新工作,并对未来工作进行展望。

关键词： 智能多源自主导航   内嵌动力学机理   可泛化   可解释   可信性   完备性  

摘要： 智能多源自主导航系统以北斗导航为基石、以惯性导航为支撑,旨在提供高度智能化的定位导航与授时服务,通过实现即插即入、无缝衔接、无感切换、可信完备等功能,以满足复杂多变的场景需求.采用以深度学习、强化学习为代表的智能学习方法,从复杂性与多尺度视角出发,探索智能多源自主导航中的优化与协同理论,建立以精准稳定、可信安全、可泛化、可解释、内嵌动力学机理为关键要素的智能学习方法,推动构建弹性、健壮、动态、可控与可信的精准智能多源自主导航模型与方法体系,从而有力支撑国家综合定位导航与授时体系的创新发展和先进导航技术的规模化应用.

关键词： 组合零样本学习   特征解耦   通道感知   多尺度  

摘要： 阐述组合零样本学习(CZSL)技术的特点,它通过学习可见属性和对象的表示,泛化到从未见过的组合类别。现有方法通常面临属性与对象特征耦合、缺乏泛化能力的问题。针对这一问题,提出了一种多尺度通道感知解耦方法,通过在ResNet网络的不同层级嵌入通道感知解耦模块(CAD),实现了属性与对象特征在通道层面的有效分离,并兼顾浅层与深层特征的表达能力。实验结果表明,此方法在UT-Zappos和MIT-States两个主流组合零样本学习数据集上取得了显著的性能提升,为视觉组合特征解耦提出了新的思路。

关键词： 意义建构   学习机制   教师培训  

摘要： 基于建构主义学习理论,教师培训应根据经验与需求,激发教师学习内驱力,创设环境与形式,提供教师学习外驱力.从内容与形式、主观与客观,双向促进参训教师在培训中对习得知识的意义建构,使培训成为连接学习与内化的桥梁.

关键词： 审辩式学习   意义建构   “五学”课堂   转化思想  

摘要： 审辩式学习的基本环节包括“问学(以问启学)、探学(以探入学)、辩学(以辩立学)、用学(以用成学)、融学(以融创学)”。文章以“间隔排列(探索规律)”一课为例,论述将“五学”课堂作为学习路径,运用“观察”“猜想”“验证”“概括”“转化”等方法,鼓励学生积极、自主、理性地开展分析、比较、推理和评价等认知活动,引导学生在审辩式学习中发展审辩思维与合作探究能力,以形成良好的学习品质和人格气度。

关键词： 深度强化学习   渗透测试   攻击路径规划  

摘要： 渗透测试是一种评估网络系统安全程度的重要方法,以攻击者的角度模拟入侵行为,发现系统内潜藏的漏洞利用路径。针对渗透测试攻击路径规划训练中存在的路径规划质量不高和收敛困难等问题,提出一种改进的攻击图深度双Q网络算法(MulVAL Double DeepQ Network,MDDQN)。首先,利用MulVAL构建树形攻击图,再基于深度优先搜索攻击图路径,获得目标系统中所有可达路径,然后根据搜索结果建立传递矩阵。利用传递矩阵指引智能体进行学习,通过深度双Q网络算法训练,最终得到对于目标系统渗透测试攻击规划的最优路径。在不同规模的渗透测试环境下对算法进行了测试,实验结果显示,相较于传统DQN算法,MDDQN算法提前约300回合达到收敛,证明了算法能够提升攻击路径规划的效率。