关键词： 联邦学习   粒子群算法   通信成本   数据异构   隐私保护  

摘要： 联邦学习是一种新兴的面向隐私保护的分布式机器学习框架,其核心特点是能够在不获取客户端原始数据的条件下实现分布式机器学习。客户端利用本地数据进行模型训练,然后将模型参数上传至服务端进行聚合,从而确保客户端数据始终得到保护。在此过程中,存在频繁的参数传输导致的通信成本高昂问题和各客户端所拥有的非独立同分布异构数据问题,两者严重制约了联邦学习的应用。针对上述问题,提出了一种基于粒子群优化的面向数据异构的联邦学习方法——FedPSG,将客户端传输到服务器的数据形式由模型参数转变为模型分值,在每轮训练中只需要少部分客户端向服务器上传模型参数,从而降低通信成本;同时,提出了一种模型再训练策略,使用服务器数据对全局模型进行二次迭代训练,通过缓解数据异构问题对联邦学习的影响来进一步提升模型性能。模拟不同的数据异构环境,在MNIST,FashionMNIST与CIFAR-10数据集上进行实验,结果表明FedPSG能够有效提高模型在不同数据异构环境下的准确率,并且验证了模型再训练策略能有效解决客户端数据异构问题。

关键词： 抑郁症   机器学习   深度学习   自然语言处理   预测模型   综述  

摘要： 在维普、万方、知网、Embase、PubMed和Web of Science数据库中检索2019~2023年间有关机器学习方法预测抑郁症发病风险的文献,系统性地总结这些算法的特点、研究领域、模型效能和当前应用所面临的问题和挑战。研究共纳入92篇文献,结果显示,机器学习预测抑郁症发病风险的模型效果较好,最佳预测模型的AUC值为0.6030~0.9976。未来应当建立多中心、前瞻性的融合多模态的动态预测模型,为抑郁症的临床诊断提供更可靠的依据。

关键词： 党纪学习教育   使命任务   实践进路  

摘要： 新时代,在全党范围内深入开展党纪学习教育,是巩固和拓展主题教育成果的有效途径,也是深学细悟习近平总书记关于党的自我革命重要思想的重要举措。高标准高质量开展好党纪学习教育,有助于加强党的纪律建设、推动全面从严治党向纵深发展。全体党员、干部要深刻领悟新时代开展党纪学习教育的重大意义和使命任务,形成“全链条”“全维度”“全周期”持续发力的党纪学习教育格局,践行好高标准高质量开展党纪学习教育的实践之策。

关键词： 跨学科主题学习   研学旅行   核心素养   实践育人  

摘要： 跨学科主题学习与研学旅行的深度融合是学生持续地开展学习实践的过程,是系统地建构知识体系的过程,是核心素养全面发展的过程。跨学科主题学习与研学旅行的深度融合需要创设一个由开放的“校内场域”和“校外场域”共同构成的、循环的“学习—实践—反思”的学习场域,并从设计、实施和评价的全过程进行深度融合,形成稳定的、闭合的、持续的学习系统,实现“1+1>2”的育人效果。

关键词： 土壤   花生   镉   随机森林   预测模型  

摘要： 通过采集我国14个省份花生主产区的100组土壤-花生样品,分析土壤-花生系统镉(Cd)污染特征及土壤理化性质,基于机器学习方法建立花生Cd富集系数预测模型并识别花生富集Cd的重要影响因素。结果表明,采集的全国范围土壤样品总体以酸性为主,有60%的土壤pH<6.50,花生籽粒Cd含量均值为0.27 mg·kg^(-1),富集系数均值达到2.42。利用全国以及南北方产区分组数据构建的随机森林模型(R^(2)=0.930~0.966)对花生Cd富集系数的预测性能均明显优于相应的多元线性回归模型(R^(2)=0.471~0.657)。随机森林模型分析结果表明不同区域相对重要性较高的特征变量有所差异,影响北方产区花生Cd富集系数预测最重要的特征变量为土壤游离锰氧化物、游离铁氧化物含量和pH,而影响南方产区花生Cd富集系数预测最重要的特征变量为土壤游离锰氧化物、黏粒、游离铁氧化物和有机质含量。研究表明,相较于传统多元线性回归模型,随机森林模型对花生Cd富集系数的预测性能更为优越,为田间大尺度下土壤-花生系统中Cd的迁移预测提供了新的视角和解决方案。

关键词： 火焰面生成流形   多任务学习   残差神经网络   火焰面模型   机器学习   数值模拟  

摘要： 为实现神经网络对火焰面模型数据库的高精度替代,以残差神经网络为主体,采用多任务学习方法进行训练,并结合fmFoam求解器以Sandia D扩散火焰为对象,对该方法训练出的神经网络模型精度进行了验证。结果表明:采用多任务学习方法可有效提高神经网络对火焰面数据库的预测精度。相比于仅使用残差神经网络方法,采用多任务学习方法训练的神经网络可将各物理量预测结果的皮尔森系数由0.9990提升至0.9999,对质量占比前10组分预测结果的平均相对误差至少可降低81.1%;基于OpenFOAM对Sandia D火焰进行数值模拟,其计算结果在中心轴线以及各轴向位置的径向线上与传统方法基本一致,仅在反应进度变量源项上存在小范围差异;以传统查表方法为基准,FGM-MTL计算的温度及主要燃烧产物在中心轴线上的峰值相对误差最大为0.98%,峰值位置相对误差最大为2.37%。

关键词： 中华文明   中华民族现代文明   中国式现代化  

摘要： 建设中华民族现代文明是新时代新的文化使命之一,是中华文明的现代性转型。中华文明的五个突出特性的核心在于生生、求是、文字、兼容、中和,它是建设中华民族现代文明的精神家园。建设中华民族现代文明是中国现代文明的新样态、社会主义文明新范式以及世界现代文明的新版本。

关键词： 列宁   《青年团的任务》   青年   学习方法  

摘要： 1920年,列宁在《青年团的任务》中围绕青年学习问题进行了集中探讨和系统论述,明确指出青年一代担负着真正建立共产主义社会的历史使命,必须善于学知识、增才干、强本领。他立足苏俄社会主义建设实践要求和青年自身实际,从“围绕目标学、深入思考学、联系实际学、批判辩证学、依靠组织学”五个方面规划了行之有效的青年学习方法,以切实提高青年学习的质效性和投身共产主义建设的积极性、主动性、创造性。深刻领悟与科学借鉴列宁的青年学习方法论,对于激励和引导新时代青年勤于学、善于思、慧于心、敏于行具有深刻的现实镜鉴作用。

关键词： 测井岩相分类   机器学习   线性回归分类   支持向量机   一维卷积神经网络  

摘要： 目前,在基于测井数据的岩相分类研究中,机器学习算法是一个研究热点.然而,实际上钻井取心极少,岩相样本匮乏,机器学习算法就会遇到过拟合问题,从而导致测井岩相分类效果不佳.因此,本文研究小样本环境下不同机器学习算法在测井岩相分类工作中的预测效果.以北美Panoma油气田数据集为例,通过逐步减少训练样本数量,建立了四种训练模式.同时,选用三类有代表性的有监督学习算法,以评估小样本环境下不同算法的预测效果,包括基于一般梯度下降的线性回归分类算法、支持向量机算法和一维卷积神经网络算法.在综合评价算法的预测效果时,选用了岩相分类准确率、总体岩相分类F1值、各岩相分类F1值以及有效识别最大相数.结果表明,随着训练样本数量的减少,三种算法的预测效果并未呈现线性下降趋势,且一维卷积神经网络较另外两种算法表现更为稳健.

关键词： 链路预测   移动社交网络   强稀疏性   深度学习  

摘要： 链路预测是利用深度学习技术分析网络数据,挖掘网络中潜在的节点关系,通常应用于网络安全、信息挖掘等领域。通过预测网络中节点间的链路,可以识别社交工程攻击、欺诈行为和隐私泄露风险。但移动社交网络的拓扑结构随时间变化,链路稀疏,影响预测准确性。为了解决移动社交网络中链路预测的强稀疏性问题,提出基于深度学习的预测方法,即面向强稀疏性移动社交网络的链路预测深度学习方法(deep learning-based method for mobile social networks with strong sparsity for link prediction,DLMSS-LP)。该方法综合运用了图自编码器(graph auto-encoder,GAE)、特征矩阵聚合技术以及多层长短期记忆网络(long short-term memory,LSTM),旨在降低了模型的学习成本,更有效地处理高维和非线性的网络结构,并且捕捉移动社交网络中的时序动态变化,进而增强模型对现有链路生成可能性的预测能力。对比其他方法在AUC(area under curve)和ER(error rate)指标上有明显提升,体现了模型对不确定链路预测的高准确率和强鲁棒性。