关键词： 少样本学习   多模态学习   特征解耦   属性  

摘要： 当前的多模态少样本学习方法忽视了属性间差异对正确识别样本类别的影响。针对这一问题,提出一种利用多模态交叉解耦的方法,通过解耦不同属性语义特征,并经过特征重建学习样本的本质类别特征,缓解类别属性差异对类别判别的影响。在两个属性差异较大的基准少样本数据集MIT-States和C-GQA上进行的大量实验表明,所提方法较现有方法有较大的性能提升,充分验证了方法的有效性,表明多模态交叉解耦的少样本学习方法能够提升识别少量测试样本的分类性能。

关键词： 公司债券   信用利差   SHAP解释性方法   机器学习  

摘要： 基于2008—2022年我国A股上市公司发行的公司债券二级市场月度面板数据,使用多种机器学习方法研究债券个性因素与公司个性因素对公司债券信用利差的影响与贡献。研究结果表明,信用评级、月交易天数比例、公司产权性质、公司规模为公司债券信用利差的重要影响因素,企业资产负债率、债券剩余期限、控股股东股权质押比例、资产回报率、公司所属行业、第一大股东持股比例、公司股价波动和债券换手率为公司债券信用利差的次要影响因素;公司债券信用利差预测值与信用评级、公司规模、公司产权性质显著负相关,与债券月交易天数比例显著正相关;月交易天数比例、公司产权性质、公司规模对不同信用评级组别的影响存在异质性。债券月交易天数比例和公司产权性质对AA级及以下的低信用评级公司债券信用利差影响更大,发债公司规模对不同信用评级公司债券信用利差影响的差异性较小。

关键词： 汉字文化   重大意义   传播路径  

摘要： 中华优秀传统文化博大精深,孕育了上下五千多年的汉字文化。汉字文化作为中华文明宝库中一颗璀璨的明珠,它不仅是重要的物质载体,更是文明进程的象征。从汉字文化传承民族精神的重要理论、现实意义出发,论述汉字文化传承中华文明、探究汉字文化融入新时代文化建设的重大意义,到弘扬发展汉字文化的有效途径,以及对新时代中华民族了解汉字文化史、增强民族自信心,有着十分重要的意义。

关键词： 运动想象   脑电信号   多层学习模型   字典对学习  

摘要： 面向运动想象的脑机接口(brain computer interface,BCI)能够利用自主想象的特定动作触发脑电信号直接实时控制外部电子设备。运动想象脑电信号(motor imagery electroencephalogram,MI-EEG)存在信噪比低、类内差异大、类间差异小等特点,导致MI-EEG的识别率较低且不稳定。针对该问题,提出了多层判别字典对学习(multilayer discriminant dictionary pair learning,MDDPL)方法。与基于字典学习的MI-EEG识别方法不同,MDDPL将字典对学习融入多层学习模型,通过一系列非线性方法将数据投影到更具判别力的子空间。在综合字典和分析字典的共同作用下,前一层的编码向量作为当前层的输入,同时在每一层模型上构建基于分析字典的多分类项,以保证稀疏编码的分类误差最小化,增强模型的类别区分能力。另外,对最后一层的稀疏编码施加低秩约束,以保证同类编码的紧凑性和相似性。在目标式求解中,使用交替更新策略得到每个参数的解析解,使得参数同时得到最优解。在国际BCI竞赛数据集上的实验结果表明,MDDPL方法在所有对比算法中取得了最佳的分类性能。

关键词： 联邦学习   对比学习   生成对抗网络  

摘要： 联邦学习作为一种分布式的学习机制,主要用于保护用户数据隐私安全和解决数据孤岛的难题。现有的研究存在边缘节点数据规模较小以及数据的非独立同分布所导致的模型精度较低等问题。使用对比学习的方法可以在联邦学习的参数聚合更新过程中进行本地模型更新模型梯度参数的时候能取得最接近全局模型的表现,解决了数据的非独立同分布所导致边缘模型的精度较低等问题,提高了边缘模型的表现。仿真实验结果表明,当对比损失权重为1时,模型的精度平均提高1.05%,当对比损失权重为10时,模型的精度平均提高2.14%。利用生成对抗网络的方法扩充边缘节点的数据量,解决了边缘节点数据量较少导致模型精度较低等问题。仿真实验结果表明,使用基于生成对抗网络的方法进行数据扩充,分别扩充100%和200%后,模型的精度平均提高了0.76%和1.12%。

关键词： 深度学习   中医学   机器学习   算法模型   大数据  

摘要： 深度学习是人工智能在机器学习领域的一大分支,其应用过程不需要做大量特定领域知识的特征提取便可以得到传统方式难以提取到的数据特征,完成复杂的数据分析,相对于传统机器学习更为高效准确。当前深度学习在中医学领域已有初步发展,在辅助中医诊断、构建中医诊断模型、医案数据处理等方面具备显著成果。本文基于深度学习在语音识别、数据图像处理及自然语言理解方面的优势,结合其在中医药研究中的应用现状,对深度学习的发展前景和当下存在问题进行思考讨论,认为在今后深度学习和中医药融合发展的过程中,应注意算法模型的性能水平及数据样本的数量和质量,为深度学习的发展提供规范的中医专业数据库是当前亟需解决的问题。

关键词： 深度学习   目标检测   花朵计数   草地植物  

摘要： 草原植物花朵计数可以帮助我们了解草原植物的生长状况、繁殖能力、群落结构等信息,通过人工计数方法获取草原上不同物种花朵丰度是一个费时费力的过程。本研究基于深度学习目标检测方法,在鄂尔多斯荒漠草原上10个样地和50个样方上开展检测模型训练、评估和应用。从YOLOv7的3个模型整体表现来看,YOLOv7-E6E的F1-sorce和mAP@0.5均可达到0.7以上,具有较高的识别精度。从YOLOv7的3个模型在5种花朵检测的表现来看,YOLOv7-X、YOLOv7-E6E模型在北芸香、蒙古韭、细叶韭的检测上mAP@0.5高于0.8,而3个模型中仅有YOLOv7-E6E在蒺藜、兔唇花的mAP@0.5超过0.6。从模型在50个样方的花朵计数应用来看,YOLOv7-E6E模型花朵计数的总体正确率为0.91,能满足这5种草原开花植物检测和计数的需要。综上所述,通过深度学习花朵快速计数可以提高样方尺度花期植物调查效率,但为满足大规模物种调查和计数的任务需求,仍需扩大样本量和不断改进模型结构,以提高模型植物花朵检测的整体性能。

关键词： 《中国历史》   中国古代历史   民族交融   分裂割据   政治局面   行省制度   统一多民族国家   元明清  

摘要： 【教材概述】元朝是中国古代历史上的一个重要时期。元朝的统一,结束了自唐末以来分裂割据、政权并立的局面,奠定了元明清600多年国家长期统一的政治局面;元朝首创行省制度,对后世影响深远。元朝的统一,促进了民族交融,形成了一个新的民族疾——回族;元朝的统一,开创了中外交通的新局面。总之,元朝的建立促进了我国统一多民族国家的巩固和发展。关于元朝的历史主要集中在《中国历史》七年级下册第10课到第13课。

关键词： 沉浸式学习方法   高职英语教育   英语能力  

摘要： 随着全球化的发展,英语已成为国际交流的重要工具。在高职英语教育中,如何有效地提升学生的英语能力是一个重要的问题。沉浸式学习方法作为一种新型的教学方式,被广泛应用于英语教育中。本文旨在探讨沉浸式学习方法对提升学生英语能力的影响,并分析该方法存在的问题与挑战,提出相应的措施和建议。

关键词： 中药材   产地识别   种类识别   机器学习   比较分析  

摘要： 中药材的种类和道地性决定了药物的疗效和品质,准确识别其种类和产地具有挑战性。目前,机器学习方法是物体种类识别的重要方法之一,机器学习算法对中药材种类和产地识别的有效性有待进一步验证。文章基于一些中药材种类和产地的近红外光谱数据,利用机器学习方法中的一些经典算法,如决策树、支持向量机、最近邻算法、集成学习等,通过比较和分析这些方法对于中药材的种类和产地识别的准确率,得出所有的方法对中药材种类识别有效,但只有集成学习中的子空间判别法对于产地鉴别有效。