课程文献中心 更多>>

关键词： 手绘人形图   Mini-CEX   儿科护理   实习护生  

摘要： 探讨基于Mini-CEX评价法的手绘人形图教学方式在儿科实习护生临床教学中的应用效果。方法 选取2023年6月至2025年1月在我院儿科实习的护理实习生作为研究对象,以随机数字表法分为观察组和对照组,每组各41名,对照组采用传统教学方法,观察组在常规教学基础上结合手绘人形图及Mini-CEX评价进行教学,比较两组护生的理论成绩、操作成绩、自主学习能力、人文关怀能力及教学满意度。结果 观察组在理论成绩、操作成绩、自主学习能力、人文关怀能力及教学满意程度方面均显著高于对照组(P<0.05)。结论 在Mini-CEX评价基础上的手绘人形图教学模式能显著提升儿科实习护生的综合能力,提高其教学满意度。

关键词： 外弹道   多项式拟合   最小二乘   相关函数   数据补全  

摘要： 外弹道测试是飞行试验测试的重要内容，雷达等测试设备在测试过程中受天气干扰、地理条件限制及目标姿态急剧变化等因素的影响，导致目标反射雷达电磁波功率及信噪比降低目标丢失，无法获取完整的外弹道测试数据。本文从火箭弹飞行试验中主动段部分缺失的速度时间曲线出发，首先将理论弹道数据作为真值与实测数据点做离散型数据相关运算对齐数据并估计最大速度时刻；然后利用最大速度点与高精度实测点，即信噪比SNR≥40dB的实测点做多项式拟合补全缺失的数据，其余实测点做最小二乘法拟合；最后采用均方根误差作为补全拟合曲线的评价指标。结果显示基于相关函数的外弹道测试数据补全方法与传统的单独使用最小二乘法或多项式拟合方法相比，均方根误差大幅降低，拟合没有明显的失真。

关键词： 复杂电力系统   暂态稳定   最大李雅普诺夫指数   动态异构图模型   沙普利值  

摘要： 复杂电力系统异构性、强非线性等复杂特性凸显，对可靠的暂态稳定评估提出了更高的要求，提出一种以最大李雅普诺夫指数（maximum Lyapunov exponent，MLE）为判据的动态异构图数据驱动模型，实现功角与电压多任务暂态稳定评估。本文基于不同类别暂态电压响应信息的动力学表征进行分析，以构建MLE功角与电压判据；所提暂态稳定评估模型以多时间断面的时序电气量和拓扑信息作为输入，针对不同类型节点选取不同输入特征维度，通过异构图转换架构（heterogeneous graph transformer，HGT）聚合多维度节点信息，利用时间注意力门控递归单元（temporal gated recurrent unit，TGRU）自适应捕捉关键时序特征，实现对系统暂态过程时空动态特性的有效提取。进一步，基于沙普利值加性归因方法（Shapley additive explanations，SHAP）量化不同特征对模型输出结果的贡献度，揭示主导系统暂态稳定的关键电气量。改进的IEEE39节点算例表明本文所提全流程暂态稳定判别框架在暂态稳定评估任务上的有效性。

关键词： 中医康复   缺血性卒中   认知障碍   随机对照试验   系统评价   证据图  

摘要： 目的 通过证据图系统梳理中医康复治疗缺血性卒中后认知障碍临床证据。方法 计算机系统检索2020年1月至2024年5月中国知网、万方、维普、中国生物医学文献服务系统、PubMed、Cochrane Library、Web of Science数据库，纳入关于中医康复治疗缺血性卒中后认知障碍的随机对照试验（RCTs）、系统评价/Meta分析，采用文字、表格结合柱形图、折线图、气泡图的方式展示证据分布，运用Cochrane评估工具RoB1.0、AMSTAR-2量表对RCTs和系统评价/Meta分析进行质量评估。结果 共纳入110篇文献，其中RCTs 93篇，系统评价/Meta分析17篇。该领域RCTs和系统评价/Meta分析发文量均呈上升趋势，文章质量普遍偏低。RCTs研究样本量较小，集中在50～100例，疗程较短，体针是关注度最高的中医康复手段；在结局指标方面主要关注蒙特利尔评估量表、简易智力状态量表、日常生活活动能力评定、生化指标和中医证候积分。系统评价及Meta分析显示中医康复能改善缺血性卒中后认知障碍，但纳入文献均未阐述纳入研究的资金来源、报告研究方案以及生命利益冲突关系等信息，质量较低。结论 中医康复治疗缺血性卒中后认知障碍具有一定的优势，但缺乏高质量的临床研究，未来仍需开展多中心、大样本、高质量的临床研究，以期为中医康复治疗缺血性卒中后认知障碍提供高级别的循证医学证据。

关键词： 多通道   观测镇定   博弈论   最优策略   分布式设计  

摘要： 多通道系统的分布式观测镇定问题在网联系统的应用中具有重要意义,然而,现有研究在探讨个体决策行为及其利益诉求方面仍显不足.针对这一问题,本文引入图博弈理论,为多通道系统中的个体组件提供了一种兼顾全局目标与局部利益的分布式决策框架.通过该框架,本文刻画了多通道系统中各个体之间的利益关系,并为每个通道引入辅助控制器作为决策单元,构建了一个融合协同任务、自身及邻居代价的图博弈框架.进一步,本文提出了一种满足分布式要求的纳什均衡解.研究结果表明,该方法不仅拓展了单一系统最优控制的应用范围,还实现了协同任务完成与能量代价优化的统一.通过多架侦察无人机协同援助受损飞机的仿真研究,验证了该理论框架在实际应用中的价值.

关键词： 智能交通   按需移动和充电   图注意力强化学习   自动驾驶电动汽车   马尔科夫过程  

摘要： 【背景】自动驾驶电动汽车（Autonomous Electric Vehicle，AEV）网约平台受车辆电量续航约束和出行需求时空动态不平衡性的双重挑战，严重制约运营连续性与商业效益。【目标】针对这一难题，本研究提出一种融合分层优化架构与强化学习的协同控制框架，旨在保障计算效率的同时最大化平台收益。【方法】研究首先将城市空间位置信息抽象为图节点，构建分层图注意力电动化自动驾驶按需出行（Electric Autonomous Mobility on Demand with Hierarchical Graph Attention，E-AMoD-HGA）框架：即时匹配可用车辆与需求、图注意力强化学习求解区域调度与充电需求、动态调度空闲车辆至高需求区域以及优化充电策略。该框架通过强化学习概率引导与整数规划验证的嵌套机制，共同实现AEV按需移动和充电控制系统的实时运营决策。其次，以有限时间窗内平台总收益最大化为目标，设计平衡移动-充电的联合动作，并通过建立AEV车队的状态信息，将AEV按需移动和充电控制问题转化为马尔科夫决策过程。【数据】基于纽约市不同区域场景的真实出行数据开展仿真实验。【结果】相较于传统的电动化自动驾驶按需出行（Electric Automated Mobility on Demand，E-AMoD）框架，本研究提出的框架方法在不同区域场景下实现每日收益提升1.6倍，计算效率提高超10倍。此外，图注意力强化学习方法展现出优异的零样本迁移能力，可有效适应不同服务区域拓展等复杂任务，充分验证了其工程实用价值与系统柔性。

关键词： 昂贵多目标优化   代理辅助进化算法   代理模型   间断Pareto前沿  

摘要： 针对求解具有间断Pareto前沿的昂贵多目标优化问题时，现有代理辅助进化算法存在的样本稀疏区域开发不足、易陷入局部最优等缺点，提出一种基于决策变量划分的双种群代理辅助多目标进化算法。首先，给出一种基于变量-目标相关程度的变量划分方法；接着，提出一种基于自适应搜索区间的双种群协同搜索策略，以均衡算法的全局探索和局部开发能力。同时，提出一种基于测地线流核迁移学习的局部代理模型构建方法，以解决稀疏区域中训练样本偏少的问题。实验结果表明，所提算法可以在较少计算代价下获得问题的一组高质量的Pareto最优解集。

关键词： 时态图   最短环计数   索引结构   时间窗口查询优化   索引构建优化  

摘要： 最短环计数是对数据图进行分析的重要途径之一，在关键节点识别、周期结构分析和异常检测等领域具有重要应用。然而，在时态图分析中，受边的时效性和查询时间窗口变化的影响，现有方法难以高效支持不同时间窗口下的最短环计数。针对时态图上的最短环计数问题展开研究，首先提出基于索引的方案来提升最短环计数的效率，然后提出优化的索引构建策略来降低索引规模，提升索引构建效率，从而在保证索引规模和构建时间的前提下，支持高效的查询处理。最后，在真实世界的时态图上进行了实验，实验结果表明，所提出的方法能够高效构建索引并快速回答给定查询顶点在查询窗口内的最短环数量和长度。

关键词： 部分观测函数型数据   函数型数据重构   数据深度   类信息  

摘要： 针对部分观测函数型数据,提出一种基于深度与融合类信息的重构方法。运用基于深度的重构方法以及从K均值聚类中获取的样本曲线类间信息,在不同分类情形下对每条部分观测样本曲线进行重构。然后,利用自加权集成学习算法动态赋权,将各类别下的重构曲线融合,得到最终的重构曲线。数值模拟和实例分析表明:当样本中部分观测样本曲线占比较大时,所提方法在均方预测误差准则下优于基于深度的重构方法及正则化回归方法;而在部分观测样本曲线占比较小时,正则化回归方法表现更优。

关键词： 无人机(UAV)   三维路径规划   切线图   能量消耗   避障  

摘要： 针对无人机路径规划中能量消耗优化不足的问题,提出一种基于椭圆切线图并考虑飞行能耗的三维路径规划方法。采用椭圆柱体模型对障碍物建模,在保证安全距离的同时降低计算冗余;通过双向搜索策略和节点筛选机制对椭圆切线图法进行改进以生成二维基准路径点;耦合二维基准路径点与能量消耗模型实现三维路径规划。构建3种测试场景,将所提方法分别与A*、快速探测随机树(RRT)、粒子群优化(PSO)和向量场直方图(VFH)算法进行对比分析。实验结果表明:所提方法的平均路径长度减少了4.1%～18.7%,转向次数降低了68.8%～82.8%,能量消耗缩减了34.0%～59.1%;不同安全距离(2、 4、 6 m)设置下的对比模拟实验结果表明,适当增加安全距离可在不影响路径最优性的前提下提升飞行安全性。该文所提方法有效解决了传统方法在路径长度、路径平滑性与能量消耗间的权衡难题,为提升无人机续航能力提供了兼具理论创新性与工程实用性的解决方案。