关键词： hydrological simulation   long short-term memory   extreme gradient boosting   support vector regression   SWAT_Glacier model   Tianshan Mountains  

摘要： The accurate simulation and prediction of runoff in alpine glaciated watersheds is of increasing importance for the comprehensive management and utilization of water *** this study,long shortterm memory(LSTM),a state-of-the-art artificial neural network algorithm,is applied to simulate the daily discharge of two data-sparse glaciated watersheds in the Tianshan Mountains in Central *** other classic machine learning methods,namely extreme gradient boosting(XGBoost)and support vector regression(SVR),along with a distributed hydrological model(Soil and Water Assessment Tool(SWAT)and an extended SWAT model(SWAT_Glacier)are also employed for *** paper aims to provide an efficient and reliable method for simulating discharge in glaciated alpine regions that have insufficient observed meteorological *** two typical basins in this study are the main tributaries(the Kumaric and Toxkan rivers)of the Aksu River in the south Tianshan Mountains,which are dominated by snow and glacier meltwater and *** comparative analysis indicates that simulations from the LSTM shows the best agreement with the *** performance metrics Nash-Sutcliffe efficiency coefficient(NS)and correlation coefficient(R^(2))of LSTM are higher than 0.90 in both the training and testing periods in the Kumaric River Basin,and NS and R^(2) are also higher than 0.70 in the Toxkan River *** to classic machine learning algorithms,LSTM shows significant advantages over most evaluating *** also has high NS value in the training period,but is prone to overfitting the *** with the widely used hydrological models,LSTM has advantages in predicting accuracy,despite having fewer data ***,LSTM only requires meteorological data rather than physical characteristics of underlying *** an extension of SWAT,the SWAT_Glacier model shows good adaptability in discharge simulation,outperforming the original SWAT model,but at

关键词： 党史学习   学习研讨   习近平法治思想   坚持和完善   王波   深刻认识   专题学习   理性认知  

摘要： 把所思所悟所得转化为理性认知和实践动力6月11日,省人大常委会党组理论学习中心组召开党史学习教育专题学习会,围绕系统掌握中国共产党推进马克思主义中国化形成的重大理论成果,结合深入学习习近平法治思想、习近平总书记关于坚持和完善人民代表大会制度的重要思想,坚持不懈用党的创新理论武装头脑、指导实践,推动新时代我省人大工作高质量发展进行集体学习研讨。省人大常委会党组书记、主任李玉妹主持会议并讲话。省人大常委会副主任王衍诗、秘书长王波等6名同志作了学习交流发言。

关键词： 行人再识别   跨模态   协同学习   精细化特征   多源特征   信息融合  

摘要： 跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨干卷积网络中提取多尺度和多层次特征,实现精细化特征协同学习,以增强特征的判别能力来应对类内变化。设计了模态共有与特有特征协同模块和跨模态人体语义自监督模块,达到多源特征协同学习的目的,以提高多源异质图像信息的利用率,进而解决模态差异。在SYSU-MM01和RegDB数据集上验证了该方法的有效性和先进性。

关键词： 溢流   早期预测   CNN-LSTM融合网络   深度学习   钻井特征参数  

摘要： 目前的人工神经网络和贝叶斯网络等方法无法连续长时间准确早期预测溢流。为此,针对钻井现场数据特点,提出基于CNN-LSTM融合网络的溢流工况预测深度学习方法,结合溢流的关键参数变化,融合多特征数据尽早发现溢流征兆,从而实现溢流工况早期预测。将采集的所有钻井特征参数用于模型训练和溢流预测,准确率高于单独的CNN结构或单独LSTM结构。为进一步提高模型效率和使用较少现场参数,有针对性地筛选了与溢流紧密相关的一些钻井参数进行试验,结果表明采用CNN-LSTM融合的网络结构优于单独的CNN或单独LSTM结构,预测准确率可达到89.55%。对某钻井数据的预测分析结果表明,该方法能够提前10 min准确预测溢流的发生,可为后续采取相应措施争取到宝贵时间。

关键词： 实体关系抽取   Bi-LSTM   CNN   集成学习   MLP  

摘要： 基于神经网络的实体关系抽取模型已经被证明了它的有效性,但使用单一的神经网络模型在不同的输入条件下,会表现出不同的结果,性能不太稳定.因此本文提出一种利用集成学习思想将多个单一模型集成为一个综合模型的方法.该方法主要使用MLP (MultiLayer Perceptron)将两个单一模型Bi-LSTM (Bi-directional Long ShortTerm Memory)和CNN (Convolutional Neural Network)集成为一个综合模型,该模型不仅可以充分利用两个单一模型的优势,而且可以利用MLP的自学习能力与自动分配权重的优势.本研究在SemEval 2010 Task 8数据集上取得了87.7%的F1值,该结果优于其他主流的实体关系抽取模型.

关键词： 分层合作学习   成长课堂   有意义的学习  

摘要： 分层合作学习作为成长课堂的主要学习方式,指向更有意义的学习。分层合作学习的流程主要包括问题设计、自主先学、分层合作、互动展示、问题归类、整项训练等。分层合作学习形式有“1+x”和“串组合作”等,要以教师指导、学生围听、学会倾听来优化、引领、促进分层合作学习。

关键词： 中医院校   女生   外科   优势   劣势   学习方法  

摘要： 中医院校女生通过考研等方式接触中西医结合专业,学习外科专业知识时,需要了解自身在外科学习中的优势和劣势,进而规避劣势、发挥优势,找到学好外科知识、提高自身学业水平的方法和途径。在外科专业学习中,中医院校女生要注重培养自身良好的自学能力、临床医学思维能力、动手实践能力,努力成为中西医结合专业人才。

关键词： 深度强化学习   经验回放机制   二次采样   深度Q网络  

摘要： 为了提高强化学习算法训练过程中信息价值高样本的回放频率,缩短算法训练时间,本文提出一种二次采样方法。对经验池中随机采集批量样本进行分层,将每层中样本的TD_error分布采样,用二次采样得到的样本训练深度Q网络,并将二次采样方法采用在DQN算法中,利用OpenAI Gym平台上测试其效果,分析算法参数对学习性能的影响。实验结果表明:相较于DQN算法,该方法能提高更有信息价值样本以及表现优秀样本的被选概率,提高Agent的学习速度,减少Agent与环境的交互次数,改善Agent的学习效果。

关键词： 模型   病害   双模态   联合表征学习   少样本   开放环境   病害识别  

摘要： 基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。

关键词： 智慧学习   材料科学   学习效果  

摘要： 智慧学习作为一种新型学习范式在教学活动中具有积极的意义。结合材料模块课程采用电子版无声教学和纸质版有声教学结合的方式对智慧教育进行了相关探索,发现智慧教育在学习效果方面能有效提高学生学习的参与度和满意度。对于未来的发展,智慧学习需要简单便捷的教学平台,需要学生更大的参与度,另外智慧学习生态链需要延伸,这些对于其它本科生工科教育具有积极的参考意义。