关键词： 领域知识   图像滤波器   卷积神经网络   结构关系   多示例学习  

摘要： 近年来,深度学习方法已经在很多领域取得了巨大的成功,但这类方法完全抛弃了知识,在面对复杂问题如图像盲去模糊问题时,效果非常不好。为此,我们将先验知识与深度学习方法结合,开展了预定义卷积滤波器网络、基于图卷积网络的多示例学习方法和新方法在医学影像分析上的应用等课题的研究。这些新研究获得了很好的效果,打开了融合知识的深度学习方法研究的新思路,提供了医学影像分析及相关应用的一个基础支撑。 卷积神经网络(CNN)广泛地应用于很多领域,然而,在处理很多实际问题时,特别是医学影像分析,我们需要添加一些特定任务的领域知识。在本文中,我们结合领域知识提出了一个新的卷积神经网络:预定义卷积滤波器网络(PCFNet),该网络中第一个卷积层的卷积核被参数可训练的图像滤波器核替换。在可训练参数减少的情况下,我们从理论的角度分析了 PCFNet能够达到与普通卷积神经网络相同的逼近精度。实验结果表明,预定义卷积滤波器网络在CIFAR10/100数据集上获得了很高的准确率,超过了很多卷积神经网络框架,这说明新网络的有效性。另外,预定义卷积滤波器网络在手写体识别数据集(USPS)和医学图像数据集(IDRiD)上获得了最先进的结果,这说明对于一些特殊任务的处理,如手写体识别和医学图像分类,当选择合适的图像滤波器时,该网络优于普通卷积神经网络。 多示例学习(MIL)是一类学习从示例包到包标签的映射的方法,而示例间关系是学习这个映射的重要因素。在本文中,我们结合数据中蕴含的结构知识提出了一个新的多示例学习方法:基于图卷积网络的多示例学习(GCN-based MIL)。我们首先利用示例间的结构关系建立包的图结构,然后利用图卷积网络和图注意力机制学习包的嵌入。基于连续函数关于变量排列不变性的基本定理,我们理论地证明了基于图卷积网络的多示例学习方法具有排列不变性。实验结果表明,GCN-based MIL在5个多示例学习基准数据集上获得了很高的准确率,超过了其他多示例学习方法,这体现了我们的方法的有效性。另外,GCN-based MIL在4个医学图像数据集上获得了很高的准确率和AUC,超过了其他相关方法,这体现了我们的方法更适合处理医学高分辨率图像分类。 此外,我们利用融合先验知识的深度学习方法解决了两个实际的医学影像分析问题:骨折检测和皮肤病变图像分析。在骨折检测上的实验结果表明,基于Faster R-CNN和Schmid卷积滤波器网络的两阶段方法得到了很高的召回率和F1分数,超过了其他两阶段方法,这体现了我们的方法对骨折线的高敏感度,从而获得了更加准确的骨折识别率。在黑色素瘤检测与病变区域分割任务(ISIC 2017任务)上的实验结果表明,基于图卷积网络的多示例学习方法分别获得了0.93的AUC和0.699的JA,超过了其他相关方法,这说明我们的方法能有效地辅助黑色素瘤的诊断。

关键词： 核心素养   初中数学   有效探究   学习方法  

摘要： 在初中数学课程阶段,教师只有努力地培养学生的核心素养,才能够打造有效的教学内容,丰富学生的课堂生活。因此,本篇文章将会从多媒体技术、合作小组、情景创设和以学生为主体四方面展开论述,就进一步提高学生的直观想象能力、推算技巧、逻辑推理能力和主动探究能力进行分析。

关键词： 肺结节   计算机辅助诊断   卷积神经网络   注意力机制  

摘要： 肺癌的发病率在我国逐年增长,给人类的健康带来了严重的威胁。肺部CT诊断已被证明是一种降低癌症发病率的有效方法,可以帮助医学专家在出现任何迹象或相关症状之前诊断出疾病。肺结节是肺癌的早期特征表现,一般以结节大小作为肺部肿瘤良恶性的评价标准,但初期的肺结节很小,即使是经验丰富的放射科医生也很难发现,这给肺癌的早期治疗带来了挑战。此外,由于肺部CT数量较大,需要大量有经验的医生长时间的筛查CT图像,给医生的工作带来了巨大负担。传统的计算机辅助诊断在结节检测任务上已经取得了较好的效果,但相比基于深度学习的肺结节检测方法,在检测精度方面还有待提高,检测效果相对较差。本文在现有深度学习方法的基础上提出了一个基于YOLO-v3和3D卷积神经网络改进的肺结节检测系统,不仅提高了肺结节任务的检测精度,还能减少传统方法中一些不必要的流程,进而提高了模型的检测速度。整个系统的检测流程可分为肺结节检测和肺结节假阳性筛查两部分。在肺结节检测阶段,本文在YOLO-v3的基础上进行了模型改进和模型优化。首先,在Dark Net53网络的残差模块中引入空间注意力模型来筛选图像中可能的肺结节区域,进而精准地定位肺结节的位置;然后,在残差模块中引入稠密连接的思想,目的是实现对图像特征的重复利用,生成高质量的图像特征表示,还能减少模型的参数;最后,在扩大图像分辨率时添加了反卷积操作,得到具有更强语义信息的图像特征表示来预测结节。在肺结节假阳性筛查阶段,本文提出使用3D卷积神经网络来捕获肺结节的全局上下文信息,并在网络中引入自注意力模型对特征进行细化,采用残差网络跳跃链接的思想将细化后的特征表示与原始特征融合,生成具有更强语义信息的结节特征表示来筛查假阳性结节。本文提出的方法在LUNA16数据集上进行了训练和测试,并对实验结果进行分析。实验结果表明,本文的模型取得了较高的准确率和召回率。

关键词： XGBoost模型   广义线性模型   可解释的人工智能技术   车险定价  

摘要： 目前机器学习方法在诸多领域得到了广泛的应用,并取得巨大进展,但由于存在不可解释、不透明的缺点,制约了其在非寿险精算领域的实际应用。与此同时,我国商业车险市场化改革放大了保险公司的自主定价权,从而对其定价能力提出了更高的要求。因此可解释的人工智能技术在机器学习精算模型中的应用研究,将有助于机器学习方法在非寿险精算领域的推广,为保险公司提供了一种新的定价思路。本文主要是通过可解释的人工智能技术,研究机器学习精算模型的车险费率厘定过程,并以传统的广义线性模型为基准,说明机器学习精算模型的车险费率厘定过程及其预测结果具有合理性。首先,基于法国第三方责任险的车险保单数据freMTPL2freq和freMTPL2sev,对被保险人在一个保险年度的车险累积索赔额进行建模,并通过均方根误差来评价损失预测模型的预测精确度。然后,使用置换特征重要性方法、importance方法、interaction方法等可解释的人工智能技术,对损失预测模型中的“黑盒子”过程进行可视化、透明化,阐述损失预测模型的具体工作原理。最后,将XGBoost模型与广义线性模型进行对比,说明XGBoost模型的预测过程是合理的。基于车险费率厘定的国内外研究现状,本文提出以下两个创新点:第一,运用机器学习方法中的XGBoost模型,直接对车险累积索赔额进行预测。近年来,机器学习方法逐渐被应用于非寿险精算领域,其中的XGBoost模型更是在各大赛事中崭露头角,目前XGBoost模型主要应用于车险索赔频率及索赔强度的预测问题中,而较少有学者将其用于车险累积索赔额的预测中。因此本文在不考虑索赔是否发生的情况下,运用XGBoost模型中的线性回归对车险累积索赔额进行预测,并将其预测结果与广义线性模型进行比较。第二,运用importance、interaction、waterfall等可解释性方法,综合分析XGBoost模型在车险定价中的“黑盒子”过程。本文在对损失预测模型的可视化过程研究中,使用了 XGBoost模型特有的可解释性方法,与一般的可解释人工智能技术相比,importance方法、interaction方法以及waterfall方法,不仅涉及了车险费率厘定因子的重要性和边际效应分析,还详细且直观的阐述了车险费率厘定因子间交互效应的重要性。损失预测模型的实证结果表明:(1)当以均方根误差作为模型性能的评价指标时,XGBoost模型的预测精确度高于广义线性模型;(2)在可视化损失预测模型的“黑盒子”过程中,以广义线性模型为基准,车险费率厘定因子的重要性分析及边际效应分析结果表明,XGBoost模型的车险费率厘定过程及其结果具有合理性;(3)通过置换特征重要性方法对车险费率厘定因子的重要性分析,可以得出结论,XGBoost模型与广义线性模型中的车险费率厘定因子重要性排序基本一致,其中最重要的车险费率厘定因子是驾驶员风险因子,其次是车辆风险因子,最后是环境风险因子。

关键词： 小学数学   生长数学   学习方法   思维品质  

摘要： 在新课程标准不断改革推进的过程中,小学数学的教学模式也在不断推陈出新。传统的小学数学课堂偏重于知识点的概念、定义以及例题的讲解和展示,忽略了培养小学生的数学思维和核心素养。而当前的小学数学教学则侧重于培养学生的综合能力,通过数学教学中的生长模式挖掘学生自主学习的能力,并通过分组合作、自我反思等手段提升学生的学习方法和思维品质,从不同维度提升小学生的数感、逻辑思维及空间想象等数学核心素养。

关键词： 英国经典戏剧   剧本改编   舞台排演   实践意义  

摘要： 英国经典戏剧研习项目在我院已开展了五年,该项目以大学生创新创业项目为依托,英语系师生为主要参与者,成功地将莎士比亚、萧伯纳以及王尔德等英国戏剧大师的经典作品呈现在高校舞台上。文章通过回顾五年来我系师生在英国经典戏剧项目上的实践过程,对其实践意义进行总结。

关键词： 自动目标识别   增量学习   增量特征提取   样例挑选   开集识别   预测可靠性评估  

摘要： 自动目标识别(Automatic Target Recognition,ATR)是基于传感器获取的数据识别目标的技术,能够通过模式识别、机器学习算法实现目标的类别或属性的判定,是提升传感器信息感知能力、实现传感器技术应用的关键技术之一,具有重要的研究意义。随着传感器技术的快速发展和广泛应用,海量数据被积累,而且数据量仍在不断增加。日益增多的数据必然会对目标识别能力的提升和应用范围的拓展起到积极作用,但也带来了增量数据的有效处理与高效利用问题。这要求识别算法能够在数据增量的过程中学习新的训练样本与目标类型,逐步适应传感器部署环境与数据分布的变化,获得更强的识别能力,完成更复杂更多样化的识别任务。为了使目标识别方法在数据不断增加状态下具有对知识的持续学习与推理更新能力,实现增量数据的有效处理和高效利用,本文通过分析军事目标识别中数据增量的特性,凝练了亟需解决的主要科学问题,深入开展了目标识别中的增量学习方法研究。论文的主要研究内容和贡献包括以下几个方面:(1)针对基于增量数据的模型局部稳健更新问题,提出了基于广义稀疏约束的增量非负矩阵分解方法。该方法从拆解目标函数入手,更新样本时仅计算新样本对应的新增部分,避免了在模型更新时重复计算已有样本。在此基础上充分考虑了目标稀疏特性,建立了具有与增量样本相关的广义范数约束项的目标函数,提升了计算样本的精度以及更新后识别模型的准确率。(2)针对数据增量过程中的显著样本选取问题,提出了基于类别边界样例挑选的增量学习方法。该方法从样本分布的局部统计和几何信息出发,利用羊群效应分别在类间重叠、边缘与内部区域挑选边界样例,同时在类别增量时重构训练数据分布,实现了边界样例集的更新。在增量学习尤其是类别增量中,边界样例集能够依托基于数据分布的分类器,以类别边界的形式整合已有数据的关键知识,提高了训练数据的利用效率,并在样例集规模固定的情况下提升了识别性能。(3)针对未知新类辨识与目标类型扩展问题,提出了基于类间极值距离的开集增量学习方法。该方法从开集风险函数出发,建立了能够量化新类发生可能性的包含概率衰减模型。为了更好的平衡已知类分类与未知新类拒识的性能,该方法以先验分布的距离范围为载体,建立了基于极值理论的开集分类概率模型,并结合边缘样例选择方法,仅使用类间极值距离完成建模,实现了开集增量学习。提出的开集增量分类器在类别增量过程中同时完成了训练类分类和新类辨识。(4)针对无标签新样本的更新价值评估问题,提出了基于分布可靠性评估的增量学习方法。该方法考虑了增量数据的分布扩展机制,通过计算局部密度差异评估新样本在已有数据“分布内”的可靠性,通过计算预测样本的类间混叠距离比评估其分类可靠性。“分布内”可靠性较低的新样本应被优先用于创建新类别,分类可靠性较低的新样本应被重新正确标注。基于可靠性评估的更新机制能够反映样本的更新价值,减少人工标注成本,提升ATR系统更新的收益。本文在自动目标识别方法中引入了基于增量学习的数据高效利用机制,在增量特征提取、样例学习、开集识别、预测可靠性评估等方面丰富了目标识别理论方法,为构建具备自主学习能力的自动目标识别系统提供了技术支撑。

关键词： 空气质量预测   AQI   ABC-SVM   特征拓展   特征筛选   自适应RBF神经网络  

摘要： 随着经济社会的发展,空气质量和空气污染问题已经是当前全社会关注的焦点和热点话题。当前,我国空气治理面临的形势十分常严峻。为此,我国政府制定出台了相应的法律法规和政策条文来解决空气污染问题。但是,从长远来看,对于空气质量的治理不仅需要法规条文,也更需要结合当前的技术手段对空气质量进行预测、分析,更加有针对性地解决问题。空气质量的预测研究应当根据所研究地区的实际情况开展调查研究。本文针对当前空气质量预测中存在的不足,分别从空气质量指数（AQI）和空气质量类别两个方面展开研究,以2015年1月1日至2021年2月28日的银川市空气质量数据和气象因素为样本数据,分别建立了银川市空气质量类别分类预测模型和银川市逐日AQI预测模型。首先利用统计分析方法对银川市空气质量进行评价,分别采用了时间序列图、直方图、主成分分析、相关性分析和逐步回归模型等方法分析银川市空气质量情况,确定了后续研究的影响因素。之后分别进行分类预测和AQI预测,在分类预测方面,以2015年1月1日至2020年11月30日的空气质量和气象数据作为训练数据,训练模型,以2020年12月银川市逐日空气质量类别数据作为测试集,验证模型准确率,进行分类预测,分别建立了随机森林、支持向量机（SVM）和人工蜂群算法（ABC）优化的支持向量机（ABC-SVM）三种模型,结果显示ABC-SVM模型预测准确率达到96.77%,更适合应用于银川市空气质量的分类预测当中。在AQI预测的问题上,本文提出了一种基于高相似性特征拓展的自适应RBF神经网络,建立了六组实验数据并筛选出高相似性特征,结果发现,前一日空气质量等级、前一日PM2.5含量和前一日PM10的含量与预测日的AQI指数表现出高相似性,也从侧面说明影响银川市空气质量的因素仍是以PM2.5和PM10为主。通过反复实验验证发现,本文所提出的AQI预测模型的拟合优度达到0.998,并且误差也有所降低。最后,根据分别建立的分类预测和AQI预测模型,对2021年1月1日至2月28日的银川市空气质量类别和AQI进行预测,验证本文所提出模型的可靠性。根据最终的验证结果,本文提出的考虑气象因素的ABC-SVM模型和基于高相似性特征拓展的自适应RBF神经网络模型是有效的,并且发现,PM2.5和PM10是影响银川市空气质量情况的主要污染物,因此还需加强对这两种污染物的预防和治理。

关键词： 初中数学   小组合作   学习方法  

摘要： 初中生已经具备一定的思维判断和逻辑理解能力,在学习中,除了需要教师的指导之外,也需要同学的配合,在实践、探索、互动中,理解、掌握知识。以初中数学为例,分析初中数学教学中小组合作学习法的使用思路,帮助学生高效学习,提高学生的学习水平。

关键词： 小学数学   学习方法   指导策略  

摘要： 随着新课程改革的深入实施,小学数学教学发生了较大的改变,新课程改革要求小学数学教育工作者在展开数学教学时,不仅仅要教授给学生相关的数学知识和数学内容,同时还需要运用多元化的教学方式,对学生进行学习方法的指导,激发出学生对于数学这门课程的学习兴趣,让课堂成为发展学生智力提高学生能力的全新的教学场所。接下来笔者将围绕小学数学学习方法指导展开探讨,希望本文的研究能够为广大读者带来一定的参考价值和阅读意义。