关键词： 联邦学习   隐私保护   知识蒸馏   数据异构  

摘要： 为了应对异构数据分布导致的联邦学习效率问题，提出了一种基于双向特征知识蒸馏的异构数据联邦学习方法。该方法首先将全局模型的参数抽象为特征知识和决策知识，显著减少了通信量，提升了系统的实时性和响应速度。在此基础上，通过引入相互学习机制，增强全局模型与局部模型之间的协同作用。全局模型负责聚合来自各节点的知识，而局部模型则专注于学习本地数据并贡献个性化知识。实验结果表明，该方法在处理数据异构性方面表现出色，并大幅提升了通信效率，特别适用于对实时性和低通信开销有较高要求的场景。

关键词： 异质网络   元路径   图神经网络  

摘要： 异质信息网络中由于节点类型各异，邻居信息在聚合前需投影到相同特征空间，这易导致语义混淆。同时，节点特征学习过程常面临局部拓扑结构特征与全局语义信息难以有效融合的问题。为此，提出一种分槽聚合元路径信息的异质网络图对比学习方法(Stack-Based Metapath Aggregation Graph Contrastive Learning,SMACon)。该方法基于元路径从多视角捕捉节点间的语义与结构关系，在元路径内部引入stack结构实现分槽聚合，为每类节点提供独立的消息传递过程，从而保留其类型特征空间中的信息表达；同时，在不同元路径视图上引入图对比学习，增强模型对全局图结构的理解能力；最后，通过注意力机制完成元路径与槽之间的信息聚合，得到最终节点表示。实验结果表明，S-MACon在链路预测和节点分类任务中分别达到95.61%和94.59%的准确率，显著优于现有主流方法，验证了其有效性与推广价值。

关键词： 强化学习   四足机器人   双延迟深度确定性策略(twin delayed deep deterministic policy gradient，TD3)   奖励函数   步态学习   集成网络  

摘要： 为解决四足机器人技能学习领域中双延迟深度确定性策略(twin delayed deep deterministic policy gradient，TD3)算法中存在Q值低估导致价值估计不准确，从而出现学习效果恶化的问题，提出一种随机集成TD3算法(randomized ensembled network-TD3，RE-TD3)。该算法集成多个Q值网络，并随机选取Q值网络进行评估，缓解价值估计不准确的问题，有效提高策略性能。其次，设计合适的奖励函数以正确引导四足机器人的步态学习任务。最后设置仿真实验进行验证，实验结果表明，所提算法能够使四足机器人学习到良好的运动步态，与其他主流算法对比，RE-TD3算法学习到的步态在机体稳定性上提高了33%，在奖励值上提高了32%，在行走偏离度上改善了60%。

关键词： 图注意力网络   多头自注意力机制   社交影响   对比学习  

摘要： 近年来,通过引入自注意力机制,图注意力网络(graph attention networks,简称GAT)在社交网络影响力预测上取得较好的预测效果.然而,现有的基于图注意力网络的方法往往忽略了自注意力机制中多头信息之间的协同性和差异性,缺乏对多头信息的协同挖掘与有效利用.提出一种基于多头对比学习与图注意力神经网络模型的社交影响预测方法.该方法通过引入对比学习机制,实现多头自注意力机制的输出之间一致性与差异性的对比,提升多头图注意力神经网络模型的学习能力.实验结果表明,该方法能够进一步提高社交影响力的预测效果.

关键词： 学习方法   备考策略   期末考试   记忆术语  

摘要： 期末考试让许多学生压力倍增,这完全正常。这些考试旨在检验你对本学期学习内容的掌握程度。由于不同考试的题型不同,你应该根据考试类型调整复习方法。期末考试通用备考策略研究表明某些学习方法更能有效帮助记忆。记忆术语和概念时,可尝试自测练习。写下答案后核对,持续练习直到全部正确。

关键词： 机器学习   电子哈密顿量   神经网络   量子化学计算  

摘要： 电子哈密顿量的机器学习为高效的量子化学计算提供了新途径,近年来得到了快速的发展.本文系统总结了机器学习哈密顿量的理论框架与技术路线,重点分析核岭回归、前馈神经网络和图神经网络等相关方法的特点及其适用场景.特别地,基于对称性约束的等变图神经网络显著提升了哈密顿量预测的物理一致性,而高质量的公共数据库和差值学习策略有效缓解了高精度数据稀缺问题.然而,强关联体系的可解释性建模、复杂对称性的精确保持和大体系的高效预测仍然是当前亟待突破的挑战.本文围绕网络架构、特征构造、数据集构建和损失函数设计展开详细讨论,为未来机器学习在电子哈密顿量研究中的进一步发展提供新的思考和展望.

关键词： 黄铜矿   深度学习   矿物定量   黄屯铜金矿床  

摘要： 长期以来,产业链上游或前端(找矿勘查)至中下游或后端(采选冶)始终采用有价元素作为定量指标。然而,由于有价元素赋存矿物的多样性(同一种元素可以赋存于多种矿物相态产出),采用元素定量往往造成产业前端的资源储量评价和后端的资源回收评价出现很大偏差。显然,由于选矿工艺过程主要是回收赋存可回收元素的目标矿物,采用目标矿物含量代替目标元素含量作为定量指标更加合理。基于上述原因,针对可回收目标矿物,采用人工智能图像识别技术,进行目标矿物快速准确的定量方法非常值得深入研究。安徽黄屯铜金矿床属于热液型矿床,其中Cu是主要回收资源之一,黄铜矿是Cu的主要赋存矿物相。选择矿区5条勘探线13个钻孔合计114件样品,采用显微图像深度学习方法,进行了黄铜矿识别与定量。结果显示,基于深度学习的人工智能图像识别技术可以准确识别黄铜矿并进行准确定量,而且黄铜矿矿物定量比Cu元素定量更能反映铜资源的空间变化规律和空间分布特点,对指导深部铜矿或相关矿种(金矿)找矿、矿床勘探、采掘和选别、提高资源综合利用效率均具有重要意义。

关键词： 认知架构   ACT-R   遗忘曲线   间隔重复算法   学习规划  

摘要： 间隔重复学习方法在辅助学生自主学习方面发挥了重要的作用;然而传统的间隔重复算法在间隔控制上过于僵化,导致学生每日的学习任务量差异明显,进而影响学习效率。为了提升自主学习效率,提出了一种基于ACT-R(Adaptive Control of Thought-Rational)的认知间隔重复学习方法。首先,基于ACT-R规划学习过程,模拟学生学习行为并提取主导模型记忆变化的激活参数;其次,提出了遗忘曲线切割算法,将遗忘特性反映到学习规划之中,并提取记忆留存率与推荐复习间隔等参数;最后,基于二者所得学习参数,针对特定的学习任务动态地生成间隔重复学习规划。实验结果表明,相较于传统的间隔重复学习算法,基于ACT-R的认知间隔重复学习方法可以合理有效地安排自主学习任务,每日学习任务量更加均衡,每个任务的学习时间分布也更加合理。

关键词： 复数及其运算   学习共同体课堂   高中数学  

摘要： 学习共同体课堂作为一种创新型的师生互动模式,强调师生以合作者的身份共同参与知识建构。通过结构化合作与交流机制,双方实现认知资源的互补与个体能力的提升。在思维碰撞的过程中,产生的认知冲突与观点融合,能有效激活集体智慧生成,形成教学相长的良性生态。学生在学习共同体中进行合作交流、信息共享、相互监督,可以培养他们良好的学习习惯和团队合作精神。基于此,本文以“复数及其运算几何意义的应用”教学为例,通过构建学习共同体课堂来提高学生的数学思维能力和自主探究能力。

关键词： VTE   神经外科   机器学习   Caprini量表   Boruta  

摘要： 目的 构建基于机器学习算法的神经外科静脉血栓栓塞症(venous thromboembolism, VTE)风险预测模型。方法 采用过采样技术对数据进行平衡,应用Boruta算法进行关键特征变量筛选,然后利用AdaBoost、GBDT、LightGBM、SVM四种机器学习方法构建预测模型,并利用准确率、精确度、召回率、F1分数进行模型性能评估,综合对比四个模型的性能,选取最佳模型,并进行模型变量重要性分析。结果 Boruta方法最终将C1(年龄)、C3(体质指数(BMI>25 kg/m^(2)))、C7(下肢肿胀)、C8(卧床的内科患者)、C10(严重肺病,包括肺炎(<1个月))、C16(其他危险因素)、C18(大型开放手术(>45 min))、C20(限制卧床(≥72 h))、C21(恶性肿瘤(现患或既往))、C31(DVT/PTE史)、C33(脑卒中(<1月))、C35(多发性创伤(<1个月))确定为关键特征变量。利用AdaBoost、GBDT、LightGBM、SVM四种机器学习方法构建预测模型,GBDT是表现最佳的模型,准确率是0.967,精确度是0.967,召回率0.954,F1分数是0.954。年龄、下肢肿胀、卧床的内科患者、体质指数(BMI>25 kg/m^(2))、大型开放手术(>45 min)是神经外科VTE最重要的风险因素。结论 基于机器学习和Caprini评估量表构建的风险预测模型具有较高的模型性能,能够有效缩减评估指标,提升VTE评估的准确性和效率。