关键词： 偏标记学习   半监督学习   一致性正则化   伪标记方法   图像分类   深度学习  

摘要： 大部分偏标记学习方法假设所有训练样本都具有候选标记集,然而在许多现实场景下存在大量无标记样本.如何同时利用偏标记和无标记样本所隐含的信息构建学习模型,是偏标记半监督学习研究的关键问题.针对只含有少量标记样本、偏标记样本和大量无标记样本的图像分类问题,运用一致性正则化方法和伪标记方法建立深度学习模型.对于偏标记和无标记样本,基于其弱增强的输出结果生成伪标记,且偏标记样本的伪标记限制于其候选标记集中.研究设计了新的损失函数,包含3个损失项,可以同时利用数据中的监督信息、弱监督信息和无监督信息.为了提高参与训练过程样本的可靠性,只选择高置信度伪标记的样本来计算两种增强后的输出交叉熵损失.实验结果说明,该方法(CR-SSPL)比现有半监督学习SOTA方法FlexMatch和偏标记学习代表方法具有更高的精度和稳定性,收敛速度也有明显提升.

关键词： 包容性   终身学习   巴厘宣言   技能培育   数字技术  

摘要： 面对气候、人口变化及数字化转型的挑战,包容性终身学习的价值进一步彰显。为此,2023年7月3日至6日,联合国教科文组织终身学习研究所协同印度尼西亚政府在巴厘岛召开“如何实现终身学习包容性”的主题会议,发布《巴厘宣言:拥抱包容——全民终身学习路线图》,旨在将教育转型峰会和《马拉喀什行动框架》概述的包容性终身学习愿景转化为切实可行的实践方略。该宣言呼吁从包容性学习环境、包容性社会结构、包容性终身教育政策和包容性学习方式四个维度构建包容性终身学习生态系统,完善融通且贯穿终身的包容性技能培育机制,建立协调一致且负责任的治理机制,健全监测、问责及公共投资。

关键词： 大学物理   中学物理   学习方法   差异化  

摘要： 物理类课程作为所有理工类学科的基石,是所有理工科学生的必修课,其重要性不言而喻.然而从中学物理到大学物理的学习方式、教学习惯和课程难度的转变使得部分大一新生难以适应.基于大学生视角,从大学物理与中学物理差异化角度出发,针对学生心态、教师教学方式、学生学习习惯3个方面进行了研究与探讨,并提出了解决方案,以期对中学物理与大学物理的有效衔接提供教与学两方面的参考.

关键词： 机器学习   矿井突水   矿井水防治   理论体系   大数据  

摘要： 致灾机理、危险性评价、灾变预测共同构成矿井水防治理论体系基本内容,其在过去20多年里快速发展,目标是理解矿井水行为特征,预测演化趋势,服务矿区水害防治工作。机器学习是大数据时代进行数据分析和挖掘的有力工具。将机器学习应用于矿井水防治理论体系研究,已得到相对广泛的关注。针对理论体系的3项基本内容,重点讨论了机器学习在各内容建设中的具体应用,主要包括:根据不同水害类型分类简述致灾机理研究现状,指出机器学习应用暂为空白的原因为其不具备做出假设的能力。认为未来致灾机理研究方法依然以传统方法(理论分析、数值模拟、相似模拟等)为主,机器学习促进地质数据获取与处理,对机理研究作出贡献;分析方法优势,指出机器学习作用于危险性评价的主要方式为非结构化数据的处理及丰富评价方法;分析基于物理和基于数据的单一预测模式弊端,论述物理模型与数据驱动相结合的必要性,相应给出“模型-数据”双驱动预测模式的3种实现形式,并讨论了基于图像的灾变预测方法可行性。随着生产数据及地质数据的丰富,机器学习方法可推动理论体系研究快速发展,并为矿井水防治学科系统方法论研究作出贡献。

关键词： 项目化   综合性学习   意义   实践  

摘要： 以项目化形式开展初中语文综合性学习实践,提供支架式过程指导,创设真实的任务情境,设计多元的任务路径,构建过程化的评价体系,使教师有“法”、学习有“趣”、教学有“效”,实现项目化驱动综合学习,助推学生语文能力提升。

关键词： 多模态表示   多模态融合   多模态学习   协同表示   自适应融合  

摘要： 多模态机器学习是一种新的人工智能范式,结合各种模态和智能处理算法以实现更高的性能.多模态表示和多模态融合是多模态机器学习的2个关键任务.目前,多模态表示方法很少考虑样本间的协同,导致特征表示缺乏鲁棒性,大部分多模态特征融合方法对噪声数据敏感.因此,在多模态表示方面,为了充分学习模态内和模态间的交互,提升特征表示的鲁棒性,提出一种基于样本内和样本间多模态协同的表示方法.首先,分别基于预训练的BERT,Wav2vec 2.0,Faster R-CNN提取文本特征、语音特征和视觉特征;其次,针对多模态数据的互补性和一致性,构建模态特定和模态共用2类编码器,分别学习模态特有和共享2种特征表示;然后,利用中心矩差异和正交性构建样本内协同损失函数,采用对比学习构建样本间协同损失函数;最后,基于样本内协同误差、样本间协同误差和样本重构误差设计表示学习函数.在多模态融合方面,针对每种模态可能在不同时刻表现出不同作用类型和不同级别的噪声,设计一种基于注意力机制和门控神经网络的自适应的多模态特征融合方法.在多模态意图识别数据集MIntRec和情感数据集CMU-MOSI,CMU-MOSEI上的实验结果表明,该多模态学习方法在多个评价指标上优于基线方法.

关键词： 油菜   苗情监测   叶面积指数   叶绿素相对含量   超分辨率重建   机器学习  

摘要： 为优化养分管理和确保植株正常生长，以无人机遥感技术高效且非破坏采集田间作物苗情信息，监测油菜苗期的叶面积指数（LAI）与叶绿素相对含量（SPAD）。针对无人机因飞行高度与图像分辨率相互制约，监测效率与监测精度难以兼顾的问题。本研究采用超分辨率重建方法，融合较低飞行高度拍摄高分辨率影像，重建较高飞行高度拍摄影像，建模完成后可通过拍摄飞行影像监测LAI和SPAD。试验设置3个氮肥梯度、3个播期、3个植密度处理，在苗期利用无人机分别采集20m及40m 2个飞行高度的油菜苗影像，采用SRRestnet方法，对40m影像进行超分辨率重建。基于20m、40m及40m重建影像中提取的3种特征组合，利用偏最小二乘回归（PLSR）、随机森林（RF）、支持向量回归（SVR）3种机器学习方法对LAI和SPAD进行监测。结果表明，超分辨率重建后的图像在表型苗情监测中表现良好效果，PLSR监测LAI、RF监测SPAD的监测精度最高，且40m重建图像的作业效率相比于20m图像提高48.6%。

关键词： 皮肤性病学   皮疹   组织病理   本科教学   “学习通”平台  

摘要： 皮肤性病学病种繁多、发病机制和治疗手段多样,作为临床医学本科生学习阶段必修的一门课程,其传统的教学模式令初学者掌握困难。从皮肤病理入手联合“学习通”平台开展临床医学本科生的教学是一种培养学生整体思维的良好教学改革方法。利用“学习通”教学平台,课前发布本课程疾病的典型病理照片及病理描述,学生预习时从病理照片中找出对应疾病病变的病理描述,从而推测临床皮疹的性质、排列特征、分布特点等以及发病原因、发病机制和治疗方法;课中教师和学生互动,以皮疹组织病理为引子,将疾病发病机制、免疫学机制、病理生理、临床表现和治疗方法融合在一起,全方位提高学生对皮肤疾病知识的理解和记忆;最后进行总结,给出疾病定义、发病机制和治疗的标准答案,培养学生科学的逻辑思维和独立获取知识的能力。本文阐述皮肤病理结合“学习通”平台开展临床医学本科生皮肤性病学教学的意义及方法,希望给广大临床教育工作者提供一定参考。

关键词： 习近平法治思想   法学教育   有意义言语学习理论  

摘要： 在法学教育中融入习近平法治思想是加强新时代法学教育的总体要求与根本方法,可遵循一定的逻辑思路和实施路径。首先,明确具体目标。将习近平法治思想融入法学教育,应以培养高素质法治人才、构建科学化法学教育体系和推进协同育人课程改革为目标。其次,理清逻辑。将习近平法治思想的基本原理融入法学教育理念以奠定基础,将习近平法治思想融入教育内容以提升认知,将习近平法治思想的基本观点融入能力训练实现学以致用。最后,明确路径。遵循有意义言语学习理论的认知规律,在新旧知识相互作用的认知转变过程中融入习近平法治思想。

关键词： 无模型强化学习   策略模型   状态表示   动作表示   连续动作空间   策略搜索强化学习方法  

摘要： 策略搜索是深度强化学习领域中一种能够解决大规模连续状态空间和动作空间问题的高效学习方法,被广泛应用在现实问题中。然而,此类方法通常需要花费大量的学习样本和训练时间,且泛化能力较差,学到的策略模型难以泛化至环境中看似微小的变化。为了解决上述问题,提出了一种基于潜在空间的策略搜索强化学习方法。将学习状态表示的思想拓展到动作表示上,即在动作表示的潜在空间中学习策略,再将动作表示映射到真实动作空间中。通过表示学习模型的引入,摒弃端到端的训练方式,将整个强化学习任务划分成大规模的表示模型部分和小规模的策略模型部分,使用无监督的学习方法来学习表示模型,使用策略搜索强化学习方法学习小规模的策略模型。大规模的表示模型能保留应有的泛化性和表达能力,小规模的策略模型有助于减轻策略学习的负担,从而在一定程度上缓解深度强化学习领域中样本利用率低、学习效率低和动作选择泛化性弱的问题。最后,在智能控制任务CarRacing和Cheetah中验证了引入潜在空间中的状态表示和动作表示的有效性。