关键词： 图像处理   肺结节   卷积神经网络   计算机辅助诊断   深度学习   分割   分类  

摘要： 肺癌是世界上死亡率最高的恶性肿瘤疾病,对其进行早期诊断可以显著提高肺癌患者的生存率。深度学习能够提取医学图像的隐含层特征,并完成医学图像的分类及分割任务,因此应用深度学习方法实现肺结节的早期诊断任务成为研究热点。首先对肺结节诊断领域广泛使用的几个数据库进行介绍,然后结合近几年国内外发表的相关文献整理了深度学习框架应用于肺结节分割和分类的最新研究进展,总结并分析了各类算法的基本思想、网络架构形式、代表性改进方案以及优缺点等。最后讨论了深度学习在肺结节诊断过程中面临的一些问题并给出结论,并对发展前景进行了展望,以期为今后该领域的应用研究提供参考,从而加快该领域研究的成熟和临床落地应用。

关键词： 医疗知识图谱   评论情感分析   深度学习   推荐系统  

摘要： 近年来,随着互联网的普及和大数据分析等技术的发展,人们对移动医疗服务的需求越来越迫切,具体表现为根据症状确定自己患有的疾病以及根据疾病选择服务质量较好的医院及医生。为了解决上述问题,基于知识图谱和深度学习技术设计并实现了一种问诊推荐系统。基于互联网开放的医疗数据,构建了“疾病-症状”知识图谱,帮助用户根据症状自查,并以知识图谱嵌入模型训练知识图谱中实体的嵌入向量表示,根据向量的欧式距离相似度选取最相近的疾病实体丰富推荐选项,两者结合实现疾病诊断服务。同时,基于社交媒体的评论数据,结合现有的医疗服务质量评价指标,使用了深度学习的分析方法,自动给出医生的服务质量多维度的评分,为用户提供医生医院推荐服务。最后,通过构建测试集以及设计调查问卷等方式,验证了疾病诊断服务和医生医院推荐服务的准确率分别达到了74.00%和90.91%。

关键词： 权力清单   公共行政   公共性   新行政法   规范形式  

摘要： 近年来权力清单制度作为法治政府、“互联网+”政府建设的重要举措正在向多领域延伸,但由于清单本身的新颖性及弱规范性,导致权力清单的性质,清单与法的关系尚未明确。这既源于当下我国国家行政与社会行政领域的实践变迁,也受制于我国行政法学的理论回应,即随着公共行政的规范性与公共性增强,行政法法概念的外延也随之扩张。因而需从新公共行政的本土视野出发,在破除狭隘国家行政思想的基础上认清行政法法概念理论的变迁趋势,结合地方实践现状剖析兼具规范性与公共性的权力清单,明确作为一种新行政法规范形式的权力清单体系正在形成。

关键词： 华侨华人   党史学习教育   海外统战工作   人类命运共同体  

摘要： 华侨华人在建党百年历史进程中作出了巨大贡献,建立了不朽功勋。党史学习教育要注意把这部分人、这部分历史纳入其中,进一步凝聚华侨华人思想共识,激发爱国爱乡热情。华侨华人在中国日益走向世界舞台中央的大变局中必将继续发挥着独特的重要作用。海外统战工作要注意与党史学习教育有机结合起来,面向华侨华人讲好党史故事、讲好中国故事,进一步汇聚华侨华人力量积极参与中国现代化建设,同心共筑中国梦,推动构建人类命运共同体向纵深发展。

关键词： 大气细颗粒物浓度估算   深度学习   卫星遥感   光学气溶胶厚度  

摘要： 提出一种基于深度学习方法的地面PM_(2.5)浓度时空估算模型(PM_(2.5)-DNN),该模型基于葵花-8卫星反演的AOD数据,结合PM_(2.5)监测站和气象站点观测数据对北京市地面PM_(2.5)浓度进行了逐时的高精度模拟,同时将PM_(2.5)-DNN模型的模拟性能与当前的主流方法进行了对比研究.结果表明,使用PM_(2.5)-DNN模型估算的北京地区1km分辨率每小时地面PM_(2.5)浓度与地表监测站观测数据对比的一致性较好,模型估算精度可达到R^(2)=0.88,性能优于当前的主流方法.本文所提出的方法适用于区域尺度PM_(2.5)浓度时空分布细粒度建模与估算,采用端到端的训练方式构建模型,为精细的PM_(2.5)浓度估算提供了一个简便而有效的方法模型.

关键词： 机器学习方法   信用风险   评估  

摘要： 基于信用风险评估的文献随着时间的推移以及技术创新的不断更新,相关机器学习方法运用近年来也与时俱进。基于此,主要从传统的机器学习方法、近现代机器学习方法以及近三年来最新研究三个方面进行信用风险评估领域文献梳理与评述,归纳现有机器学习方法存在的问题和不足,并对未来机器学习方法在金融风控领域研究方向做出展望,提出发展趋势。

关键词： 实体关系   文本生成   少样本   持续学习  

摘要： 【目的】在少量样本情况下识别句中一对多实体关系(如包含关系、并列关系等)实例,在新增类别后保持识别效果,实现持续学习。【方法】以LaserTagger模型为基础,利用文本生成的方法识别句子中包含、并列关系实体,并通过位置特征编码、加权Loss计算的方式增强模型在少样本情况下的特征学习能力,通过模型的压缩、扩展实现多个类别的持续学习。【结果】在少量训练样本的情况下,本文方法在5个类别上的SARI值均比基线模型提高1%以上;多类别依次学习的情况下,通过模型的压缩、扩展能够较好地保留模型已学习到的知识,SARI值最高能提升16.92%。【局限】仅选取包含关系、并列关系中的5种句式类别进行实验,数据类别较少,句式结构比较简单,暂未考虑模型在更多类别、更复杂句式情况下的性能。【结论】所提方法在一定程度上能满足少样本、多类别依次学习的应用场景,具有一定优越性。

关键词： 项目化学习   项目驱动   情境   合作  

摘要： 项目化学习作为以项目为驱动的综合性学习方式,具有目标多元性、情境真实性、内容综合性、学生主体性和评价全面性等特点,有助于学生构建对客观世界的认识,有助于学生构筑良好的人际关系,有助于学生重建良好的自我经验。项目化学习在实施过程主要有确定选题、制定计划、实施项目、制作作品、交流展示和总结评价等六个流程。

关键词： 双足机器人   步态控制   深度强化学习   智能体   操作—评论   改进深度Q网络算法  

摘要： 针对双足机器人行走过程中的步态稳定控制问题,提出一种改进深度Q网络的深度强化学习方法。首先,将深度Q网络算法与确定性策略梯度相结合,提出用修正Double-Q网络优化操作—评论网络的评论网络,给出一种改进的深度Q网络;然后,建立双足机器人连杆模型,在常规的平整路面上将改进的深度Q网络用于作为智能体的双足机器人进行步态控制训练。MATLAB仿真结果表明,与深度Q网络和深度确定性策略梯度算法相比,所提算法有更好的训练速度且其回报曲线具有良好的平滑性。在CPU训练下,经过20 h左右深度强化学习能够完成智能体训练。双足机器人在较小的力矩和长距离下能够稳定快步行走。

关键词： 元学习   图神经网络   图像分类   小样本分类  

摘要： 为了解决传统分类模型泛化能力差的问题,提出了一种新的元学习方法。该方法首先引入动态特征提取模块使得分类模型能够挖掘外部的任务信息;其次,采用协同训练的方法解决由于任务驱动模块的引入而导致的计算量增大问题;最后,使用图神经网络作为分类模块充分利用样本之间的相关信息,达到进一步提高分类准确率的目的。与传统的元学习分类模型相比,该方法在MiniImageNet数据集上的准确率提高了6.81%,在CIFAR-FS数据集上的准确率提高了6.20%,实验结果表明,该方法可以有效解决传统元学习方法泛化能力差的问题。