关键词： 红花   采摘机器人   深度学习   YOLOv5s   识别成功率  

摘要： 为实现农业复杂环境中红花的快速准确识别,提出了一种基于深度学习方法的改进YOLOv5s红花目标检测算法。在YOLOv5s基础上融入适配GPU的轻量Ghost模块,获得复杂度更低、网络推理速度更快的基线模型,将CBAM注意力机制嵌入基线模型,增强了小目标物在高频特征中的表现力,并通过建立一种基于边界框宽和高差值的Focal-EIoU损失函数,提高红花在不同遮挡情况下的识别率。最后,在并联式红花采摘机器人上开展红花识别试验,验证改进算法的可行性和可靠性。结果表明:改进后的YOLOv5s模型相较于原始模型在mAP值上提高了1.94个百分点,模型参数量和单幅图像检测速度分别为3.52 MB和0.06 s/幅,红花采摘机器人视觉系统的平均识别成功率可达89.92%。

关键词： 进化强化学习   元学习   预训练   安全区域   突变算子  

摘要： 最近提出的进化强化学习(evolutionary reinforcement learning,ERL)框架表明了利用进化算法提高强化学习的探索能力对性能提升的好处。然而，现有的基于ERL的方法并没有完全解决进化算法中突变的可伸缩性问题且由于进化算法本身的限制使得ERL解决问题的速度较为缓慢。为了使算法每一步的探索都被限制在安全区域中且能在较短的时间内收敛，运用元学习的思想，预训练一个初始的种群，这个种群只需要经过几次进化就能得到任务中不错的效果。将预训练过后的种群用于处理任务，在此过程中，利用敏感度调整种群突变的范围，限制种群在安全区域内进行突变，确保种群的突变不会带来无法预料的后果。该方法在来自OpenAI gym中的五种机器人运动中进行了评估。最终在所有测试的环境中，该方法在以ERL、CEM-RL以及两种最先进的RL算法、PPO和TD3为基线的比较中，取得了具有竞争性的效果。

关键词： 初中物理   核心素养   跨学科学习   学习方法  

摘要： 在新课标的要求下，跨学科学习已成为培养学生核心素养的重要途径。在核心素养视角下，教师应围绕初中物理跨学科学习方法展开研究。在教学中，教师应通过突破学科界限，创设学习情境等多种方式，打破传统学科壁垒，提高跨学科学习效果，促进学生核心素养发展。

关键词： 数据流挖掘   特征演化   增量学习   动态数据流   集成学习  

摘要： 目的 特征演化数据流的特征空间随时间推移而动态变化，传统增量学习方法囿于固定特征空间的假设，无法直接应用于特征演化数据流的学习场景，因此针对挖掘特征演化数据流时面对的分类模型与当前数据特征不匹配而失效、模型预测性能受噪声干扰等问题，提出了一种面向特征演化数据流的增量学习方法。方法 首先，通过引入模糊隶度函数并结合增量孪生支持向量机模型，鲁棒地训练与更新分类器；当出现新特征时，重新训练新分类器，同时结合局部线性加权回归算法拟合新旧特征之间的映射关系，从而在旧特征消失时，利用所学到的映射关系，将已训练好的旧分类器投影至新特征空间继续更新；最后，结合两种不同的集成策略以合并新旧两分类器实现共同预测。结果 通过大量仿真实验，所提方法分类准确率相较于对比方法提升了0.3%～21.7%;在含不同信噪比数据集上，分类模型性能整体优于对比模型，并随着人工增加噪声比例，模型分类效果受负面影响较小。结论 所提方法得以构建性能高效稳定的分类模型，在提升模型预测精度的同时能减少噪声对分类性能的干扰，增强了模型对特征演化数据流自适应学习能力。

关键词： 城市内涝   水动力学模型   深度学习模型   水深预测  

摘要： 为有效应对城市内涝，构建数学物理模型开展城市内涝模拟是目前最常用的方法，然而该方法计算效率低，无法满足城市内涝预警高时效性的要求。为此研究利用深度学习方法计算高效的优势，基于传统水文水动力学模型模拟结果，以城市暴雨内涝致灾链条发展的关键驱动因子——坡度、高程、降水量等作为输入，结合卷积神经网络（CNN）和长短期记忆网络（LSTM），引入注意力机制（Attention，ATT），并使用了麻雀搜索优化算法进行了超参数优选，构建了CNN-LSTM-ATT城市内涝积水水深预测模型。对比分析表明：深度学习模型在未来30分钟的预测水深与水文水动力学模型模拟水深的误差接近，在分米甚至厘米级以内，且模拟速度快了近200倍，模型的精度在延长预见期后略有下降，后续还需进一步改进提高。

关键词： 序列推荐   扩散增强   对比学习   意图  

摘要： 针对意图驱动的序列推荐中出现的数据稀疏性和意图信息提取不足问题，提出了一种基于扩散增强的多视角意图对比学习方法(DMVRec)。首先，为学习原始项目间的购买意图相关性，在扩散模型反向过程中，通过融合原始序列意图信息和无分类器指导策略来预测高斯噪声。其次，利用原始项目间的购买意图相关性信息指导反向过程的去噪，以得到增强序列的意图预测值，并利用余弦相似度计算每个位置下的增强项目。最后，通过切分用户交互序列和聚类算法来构建意图监督信号，并分别在宏观和微观视角下利用意图对比学习来捕捉隐藏的用户意图信息。通过在四个公开数据集下实验，充分体现了DMVRec方法的优越性。其中，对比最先进基线，在HR@5指标上，提升7.03%，在NDCG@5指标上，提升4.53%。

关键词： 个人信息   政府信息   个人隐私   个人私密信息  

摘要： 作为网络社会和“大数据时代”的制度元概念，“信息”成为当下行政法律中聚合类型化概念的重要基点，同时也形成了与其他同类型概念之间的交叉。政府信息公开法制与保密法制的对合性设计，又进一步造就了这种概念交叉的复杂性。对概念交叉类型化的总结，是对“信息类概念”理论地位与实践模型准确定位的基础。“个人信息”是“信息类概念”产生的原点，尤其是表现在“个人信息”与“政府信息”的关联。而政府信息公开与保密在法制上的关联，又成为“信息类概念”衍生的基点。面对“信息类概念”与“秘密类概念”的多重并用模式的共存现状，应从目的导向实现“信息类概念”与“秘密类概念”的均衡使用，在逻辑层面实现对“信息类概念”内部的概念整合，以“个人私密信息”作为概念整合的中心进行概念体系再造。

关键词： 胃癌   早诊早治   疾病状态预测   机器学习  

摘要： 胃癌是消化道肿瘤中发病率较高的一种，对人们的健康构成严重威胁。早期预警、早期诊断可以提高5年生存率60%以上。近年来，机器学习方法在胃癌前状态预测方面取得了丰富的成果。本文首先从内镜图像、生化标志物、基因表达、中医证候等方面论述胃癌前状态的显著性特征，并结合机器学习方法预测的胃癌前状态研究成果，比较分析基于传统机器学习方法、深度学习方法和多种融合方法的优缺点。提出开展多中心、大样本队列研究并建设共享数据平台，实现多模态数据融合，增强模型的可解释性三点建议，为胃癌的“早诊早治”提供方法学借鉴。

关键词： 半监督   作物   图像处理   目标检测   图像分割   图像分类  

摘要： 半监督学习通过结合少量标注数据和大量未标注数据，显著减少数据标注需求和成本，同时提高模型的泛化能力和性能，为深度学习和机器学习在资源受限环境中的发展提供了新的路线。随着半监督学习在图像处理领域取得突破性进展，本综述以现代农业为调查对象，探讨半监督学习方法在农业生产中的作用。首先，根据半监督基础定义和假设提出半监督概念模型，同时按照利用监督信号的差异将半监督学习分为伪标签和无监督正则化。其次，从目标检测、图像分割、图像分类和多任务联合学习出发，对农业作物管理、杂草管理、水果检测、植物健康、植物表型和叶片分类等具体任务进行全面回顾。最后，分析并讨论了半监督学习在农业图像处理领域的未来研究方向。

关键词： 含铈矿物   大数据   机器学习   大量罕见事件频率分布   矿物共生网络分析  

摘要： 稀土元素是发展能源转换、超导和量子工程等高新技术领域不可替代的战略性矿产资源。然而， 对于稀土矿物分布、多样性和共生规律的认识极为不足。前人通过大数据和机器学习方法对铍、硼和碳等矿物生态学和矿物共生网络的研究， 识别矿物共生组合隐藏的规律， 预测总矿物种数、可能的化学组分和成矿环境， 为寻找新矿物以及有效利用矿产资源提供新的方向。本文立足于Mindat和RRUFF数据库提供的地球近地表166种含铈矿物的矿物学信息， 通过大量罕见事件(Large Number of Rare Events; LNRE)模型预测: 地球近地表至少存在223±3种含铈矿物， 还有57±3种含铈矿物尚未被发现， 包括有39±3种含氧矿物， 36±11种含氢矿物， 50±1种含硅矿物， 45±22种含钙矿物， 39±5种含钠矿物， 28±5种含碳和23±2种含氟矿物。这些尚未被发现的矿物多数与碳酸盐岩演化的不同阶段相关。此外， 铈的矿物网络结果表明， 含铈矿物被划分为4种不同的成矿环境， 暗示新的含铈矿物出现的成矿环境。本文为开展其余稀土元素的矿物生态学和矿物共生网络研究提供了研究思路和方法， 对发现稀土新矿物以及有效利用稀土矿产具有重要的指导意义。