课程文献中心 更多>>

关键词： 复杂生物网络   多源异质图   神经网络   药物靶标互作用  

摘要： 药物可激活或抑制人体中靶标蛋白质活性发挥作用，药物靶标互作用预测是药物发现和药物重定位中的重要步骤。然而，传统的生物湿实验方法繁琐耗时、代价高，难以满足大数据背景下的药物研发自动化需求，需要开发高效的自动化算法推理并挖掘药物靶标互作用。针对药物和靶标等生物分子的复杂关系，本文融合多源异质图和异质门图卷积设计一种异质生物图动态表示学习方法；首先利用异质图门卷积的门控通道和特征通道自适应建模异质生物图中互作用模式，然后融合增强复杂网络的拓扑结构和语义信息，实现药物与靶标知识表示与药物靶标互作用挖掘。实验结果表明，本文模型性能优于现有的药物靶标互作用预测方法，是一种精准的药物靶标关联预测工具，可以支持复杂生物数据建模和疾病的精准治疗。

关键词： 赵之谦   花鸟画   艺术风格  

摘要：  《花卉图四条屏》是赵之谦花鸟艺术创作成熟期的艺术代表作品之一。这幅作品中的选材以及用笔皆具有代表性。笔者通过《花卉图四条屏》的构图、造型、笔墨等特点对其的艺术风格来进行分析描述。赵之谦作为一位承上启下的画家,艺术风格取材涉猎较广,对后世的影响同样意义深远。

关键词： 千岩万壑图   中国古典园林   设计手法  

摘要：  本文旨在通过对著名山水画《千岩万壑图》的深入分析,探讨其在中国古典园林设计中的体现与影响。文章将结合艺术史、园林学和美学理论,剖析《千岩万壑图》的艺术特色及其在园林设计中的应用,从而揭示中国古典园林设计的哲学思想、审美追求和技术手法。

关键词： 正常无冲突染色   完全剖分   极小反例法  

摘要： 图的一个正常无冲突k-染色是一个正常k-染色，使得任意一个非孤立点的邻点中有一种颜色只出现一次。如果一个图有一个正常无冲突k-染色，称它是正常无冲突k-可染的。图的正常无冲突色数是使得它是正常无冲突k-可染的k的最小值，记作χpcf（G）。Caro等人猜想χpcf（G）≤D+1对最大度D≥3的连通图G成立。最大度为3的连通图是正常无冲突4-可染的，是该猜想的一种情形，可由Liu和Yu的结论得到。Jiménez等人不加证明地给出图G的正常无冲突色数的上界是max{5,χ（G）}。本文中，我们给出上面两个结论新的证明，并得到对最大度D≥3的连通图，其完全剖分是正常无冲突（?+1）-可染的。

关键词： 短期负荷预测   动态卷积分解   多尺度特征   图神经网络   混合跳传播  

摘要： 针对现有短期电力负荷预测方法难以有效建模非线性结构和缺乏跨尺度与跨变量交互能力的问题，提出基于动态卷积分解和多尺度图的短期电力负荷预测模型（DCDMSG）。DCDMSG首先采用动态卷积分解方法分解负荷序列中的趋势和季节项，以此应对复杂的非线性结构；接着对趋势项直接利用线性层预测，对季节项采用自适应多尺度序列构建方法生成多尺度序列并进行深度建模；其次，为建模多尺度序列内外的复杂依赖关系，模型使用多尺度融合图捕捉不同尺度序列内的依赖关系，利用多变量相关图建模不同变量之间的相关性，并采用多尺度混合跳传播聚合图中的特征；最后，对季节项进行预测并将其与趋势项预测结果加权融合得到最终预测值。DCDMSG在两个真实负荷数据集上的表现均优于其他模型。具体而言，在Australian数据集上，DCDMSG的平均绝对误差（MAE）为0.379，均方根误差（RMSE）为0.529，相比次优模型FourierGNN,MAE和RMSE分别降低了7.11%和23.55%；在Cele数据集上，DCDMSG的MAE为0.437,RMSE为0.708，相比次优模型PatchTST,MAE和RMSE分别降低了5.62%和5.73%。实验结果验证了DCDMSG在短期电力负荷预测任务中的优越性，通过季节趋势分解和跨尺度与跨变量建模，有效提高了预测精度。

关键词： 属性图聚类   自适应学习   对比学习   自监督聚类   深度图聚类  

摘要： 在最近的图聚类研究中，深度图聚类方法展示出了显著的性能;然而，现有的深度图聚类方法多数基于自编码器框架，容易受到重建策略、图增强策略的影响。针对上述问题，本文提出一种基于对比学习的深度图聚类方法，称为基于自适应学习的多层次邻域对比属性图聚类(MNCGC)方法。首先，设计一种双重掩蔽策略生成自适应增广图，结合节点重要性生成边权重，即边屏蔽概率；并对节点特征设置固定屏蔽概率进行节点特征屏蔽，去除图中的冗余信息并为邻域对比学习提供丰富的样本对。其次，将边权重引入邻域对比学习，对原图和增广图使用加强邻域对比学习并应用在编码级和投影级，强调局部信息学习和全局高级语义信息学习。最后，采用自监督聚类与编码级表示相互促进，进一步提升聚类效果。在3个基准数据集（Cora、Citeseer、Pubmed）上的实验结果表明，与14种先进方法进行比较，MNCGC方法的准确率、标准互信息（NMI）、调整兰德指数（ARI）以及F1分数均取得了最好结果，充分验证了它的有效性。

关键词： 学生行为   最大相对图卷积   多尺度目标识别   遮挡   深度可分离卷积  

摘要： 随着教育范式从“人机协同”向“人智协同共育”演进，课堂教学的智能化评价也面临着新的要求和挑战，其中以学生行为为出发点的任务近些年来获得了广泛的关注。针对真实课堂环境中存在的学生行为多样、遮挡频繁及背景干扰严重等问题，提出一种局部跨阶段视觉图卷积模型，旨在提升复杂课堂环境下的学生行为识别精度。该模型以经典目标检测算法为基准框架，通过融合视觉图卷积神经网络的动态特征建模能力，构建了局部最大相对图卷积模块（PMG）与局部跨阶段融合（CPF）模块。其中，PMG模块通过嵌入最大相对图卷积来捕捉节点间特征差异最大的邻域信息，进而针对性地解决局部区域遮挡引起的信息丢失问题，并结合了深度可分离卷积降低图卷积算法的计算开销；CPF模块利用全连接层重构特征结构，并通过C2f模块的跨阶段连接机制，实现多层级的特征融合，从而增强模型对小尺度目标的识别能力。此外，模型通过近邻K值优化，提出针对不同数据集的优化策略。在公开数据集SCB03-S上，CPViG-Net的mAP@50达到 70.9%，较基准模型提升2%；在多个公开数据集上的实验表明该模型在处理真实课堂情境下学生行为识别面临的诸多问题中表现出较好的性能和较高的鲁棒性。

关键词： 站场图   图像识别   YOLO11   关键点检测   图纸信息提取  

摘要： 针对铁路信号系统站场图图纸信息难以提取的问题，提出一种基于YOLO11改进的站场图图元检测模型YOLO11-AT，通过构建融合目标检测与关键点检测的检测模型，实现了图元检测与关键点的自动提取.首先，在颈部网络部分引入了注意力尺度序列融合（Attentional Scale Sequence Fusion,ASF）模块，融合不同尺度的特征，增强模型对小目标的检测性能；其次，在检测头部分采用了任务对齐动态检测头（Task Align Dynamic Detect Head,TADDH），通过任务对齐机制改善分类任务和定位任务之间的特征交互，减少特征冲突，提高密集目标检测精度；最后，采用切片辅助超推理（Slicing Aided Hyper Inference,SAHI）技术提高模型在高分辨率站场图像上的检测精度.在构建的多样式站场图数据集上，对提出的方法进行实验验证.实验结果表明：相较于YOLO11spose,YOLO11-AT在精确率、召回率、mAP0.5和mAP0.5-kp分别提升了9%、2.2%、4.2%和3.2%，同时参数量下降了4.3%；与现有主流检测模型相比，YOLO11-AT在检测精度与效率之间取得了更优的平衡；研究结果能够适应多种样式的站场图，可以满足实际应用的需求，为站场图图纸的自动化信息提取提供了一种可行的解决方案.

关键词： 刨花板施胶   马尔科夫切换系统   区间观测器   流量监控   最优观测器  

摘要： 针对刨花板施胶过程中,流量监控系统受多种不确定因素影响的问题,本研究提出了基于最优函数区间观测器的刨花板施胶流量预测方法。首先,通过分析施胶过程中,施胶量、施胶均匀性和刨花分布等参数受环境温湿度及胶量波动等扰动的影响机制,建立马尔科夫切换系统,以捕捉不同工作模式下系统的动态特性,进而优化施胶系统的控制精准度和运行稳定性。其次,采用平均驻留时间（ADT）方法,设计最优H∞函数观测器,能够在环境温湿度存在不确定因素扰动时,实现对施胶流量的准确估计。该方法通过多模态协同优化,确保在不同工作模式下胶水流量的精准控制,大幅提高刨花板生产的质量与效率。仿真结果表明,所提出的方法能够在外部干扰和不确定性因素影响下,准确估计施胶流量区间,凸显了其在估计精度和系统稳定性方面的优越性。

关键词： 电影撤档   档期   公映   主动撤档   被动撤档  

摘要： 电影市场中的撤档类型可以划分为映前主动撤档和映后被动撤档,前者属于片方主动的战略调整,后者属于片方基于市场表现的被迫应对。两者在核心动因、行为逻辑、行业观感、责任认定等多个维度上存在的显著差异,决定了对电影撤档现象的治理需要分类施策。映前主动撤档的治理,应以引导为主,而映后撤档的治理,应以规制为主。