课程文献中心 更多>>

关键词： 隐函数   偏导数   雅可比行列式  

摘要： “微积分”课程是高等学校的一门十分重要的公共基础理论课,通过该课程的学习,学生能够系统地学到一元及多元函数的极限、导数、积分、常微分方程、向量代数与空间解析几何、无穷级数等内容的基本概念、基本理论和基本运算技能,为他们进一步学习后继课程和终身学习打下良好的基础.隐函数求导是高等数学课程中基本而重要的内容之一,在实际问题中,并不是所有的隐函数都容易显化,因此掌握隐函数求导非常重要.本文讲授了从一个方程所确定的隐函数及其导数到方程组所确定的隐函数组及其导数,先讲定理,再讲证明,最后讲例题,从简单到复杂,从一般到特殊,从已有知识到新知识,从理论到应用的过程,而这一过程也符合学生的学习与认知规律,使学生将枯燥的数学知识与生活实践相结合,培养了学生的创新精神和独立思考的能力,有利于更好地完成教学目标,为隐函数求导内容的学习及教学提供参考.

关键词： 税务筹划   财务管理视角   税收法规   优化资本结构   现代企业管理   降低税收成本   原则及策略   资金运作效率  

摘要： 在现代企业管理中,财务管理扮演着至关重要的角色,而税务筹划则是其不可或缺的一环。随着税收法规的不断完善和市场竞争的日益激烈,企业税务筹划的复杂性和重要性日益凸显。从财务管理视角审视税务筹划,不仅有助于企业降低税收成本,还能促进资金运作效率的提升,优化资本结构,进而实现企业的可持续发展。本文将从挑战、原则及策略几个方面,深入探讨基于财务管理视角的税务筹划。

关键词： 人工智能   人工智能生成物   独立完成   作品  

摘要： 人工智能生成物是否构成作品是涉及人工智能产物著作权纠纷的基础与核心问题。本文借北互法院宣判的“人工智能文生图”著作权案,通过独创性必备构成要件,明晰人工智能生成物不属于著作权法意义下的作品,无须动用额外的法律手段和社会运行成本去保护这类创作,也无须再讨论其权利归属等问题。

关键词： 心肌梗死   心律失常   心肌缺血   心电描记术  

摘要： 目的:探讨不同心肌缺血程度急性ST段抬高型心肌梗死(STEMI)患者心电图QRS波群的变化及其对严重心律失常(SA)的预测价值。方法:选择榆林市星元医院2020年1月-2021年1月期间收治的STEMI患者122例,根据入院时心电图QRS波群形态分为Ⅱ级缺血组(49例)和Ⅲ级缺血组(73例)。比较两组患者入院时和静脉溶栓2h后心电图ST变化及住院期间SA发生率。采用多因素Logistic回归分析STEMI患者SA发生的影响因素。结果:与Ⅱ级缺血组比较,Ⅲ级缺血组入院时ST段抬高幅度(∑ST)[0.87(0.62,1.10)mV比0.42(0.29,0.57)mV]、静脉溶栓2h后∑ST[0.47(0.34,0.61)mV比0.12(0.09,0.15)mV]和住院期间SA发生率(36.73%比9.59%)显著升高(P均<0.001),静脉溶栓2h后ST段回落≥50%比例(59.18%比84.93%)显著降低(P<0.001)。多因素Logistic回归分析显示,发病至静脉溶栓时间、入院时∑ST、静脉溶栓2h后∑ST、心肌缺血Ⅲ级是STEMI患者SA发生的独立危险因素(OR=1.240~3.236,P<0.05或<0.01),静脉溶栓2h后ST段回落≥50%为其独立保护因素(OR=0.480,P=0.030)。结论:Ⅲ级心肌缺血是STEMI患者SA发生的独立危险因素,心肌缺血可能成为STEMI患者SA发生的预测指标。

关键词： 二十八宿   南朝时期   张僧繇   神形   星辰   五星   想象   故事  

摘要： 小读者们,当夜幕降临时,我们仰望满天繁星,会看到璀璨的夜空中仿佛散落了无数的宝石,你是否好奇这些明亮星辰的来历,猜想它们背后是否隐藏着神奇的故事?南朝时期,有一位著名的画家,他用画作描绘他心中的星神,展开对星宿的想象,创作了名作《五星二十八宿神形图》——他就是著名画家张僧繇(yáo)。

关键词： 天气学   V-3θ图   冰雹   位温θ   假相当位温θ_(sed)   茂名地区  

摘要： 基于溃变原理,运用V-3θ(溃变)图结构方法,分析了茂名一次冰雹天气过程,结果表明:通过V-3θ图可以提前预报出冰雹天气的条件有(1)对流层顶层存在较厚的超低温层,厚度达50~100 hPa;(2)大气非均匀结构特征明显,3条位温θ曲线多层折拐,850~500 hPa的假相当位温θ_(sed)和θ~*曲线与T轴成钝角;(3)θ_(sed)和θ~*围成的面积有明显的“大肚子”和“蜂腰”的图像特征,对流层大气中的水汽呈上干下湿的分布;(4)整层大气呈顺滚流结构。V-3θ图对冰雹天气预报有明显的指示意义,可提高冰雹天气预报的准确性。

关键词： 战时农村生活   “百丑图”   方言诗运动   四川农村   艺术化呈现  

摘要： 在1937—1949年间,四川受到国民党的高度重视,这使得四川农村在国统区农村里颇具代表性。四川农村鲜明地体现了国统区农村的政权腐败、土地集中、粮食统制等共同特征,显示了国民党在农村社会动员上采取的策略、取得的效果、失败的原因。众多诗人在方言诗里表现过四川农村的战争景象,这种四川农村书写构成了以“面向农村”为基本方向的方言诗运动参加农村社会动员的具体实践。方言诗运动的四川农村书写可谓是战时农村生活的“百丑图”,集中暴露了当时国统区农村的破败境况,反映了广大农民的艰难处境和反抗意愿。方言诗运动对四川农村的艺术化表现,彰显了方言诗运动的四川农村书写的历史内涵与现实意义,折射了农村社会动员与方言诗运动的复杂关系。

关键词： 钢筋混凝土柱   各向异性混合核函数   高斯过程回归   概率抗剪承载力模型   不确定性  

摘要： 针对钢筋混凝土(RC)柱抗剪承载力传统预测模型的非线性逼近能力不足且无法合理描述不确定性所存在的缺陷,提出一种基于各向异性混合核函数高斯过程回归的RC柱概率抗剪承载力预测模型。首先,基于核函数相加性和自动相关性,构造出一种新型的各向异性混合核函数;然后,结合高斯过程回归原理和各向异性混合核函数,建立了RC柱的概率抗剪承载力模型;进而采用极大似然估计法,确定了RC柱概率抗剪承载力模型的超参数;最后,基于91组剪切破坏RC柱的试验数据,通过与传统核函数形式和传统模型进行对比分析,验证了该模型的有效性。结果表明:与传统核函数相比,各向异性混合核函数的确定性预测指标均方根误差R_(MSE)和平均绝对误差M_(AE)分别降低约16%和19%,概率性预测值指标负对数预测密度N_(LPD)和平均标准化对数损失M_(SLL)分别降低约15%和23%;与传统机器学习模型相比,本文模型的均方根误差R_(MSE)和平均绝对误差M_(AE)分别降低约38%和39%;根据所提出的概率模型能够建立概率密度函数曲线和置信区间,从而合理描述抗剪承载力的不确定性并校准分析传统模型的预测精度。

关键词： 超声心动图   Ficolin-3   血小板源性生长因子(PDGF)   慢性心力衰竭   预后  

摘要： 目的探究超声心动图联合血清纤维蛋白胶凝素3(Ficolin-3)、血小板源性生长因子(PDGF)对老年慢性心力衰竭(CHF)患者的预后价值。方法选择老年CHF患者128例,其中男性69例,女性59例;年龄60~78岁,平均年龄67.87岁;身体质量指数20.12~26.14 kg/m^(2),平均身体质量指数23.09 kg/m^(2);病程4~12年,平均病程8.08年;心率65.54~81.23次/分,平均心率74.42次/分;缺血性心肌病58例,扩张型心肌病38例,高血压性心脏病32例。采用超声心动图检查CHF患者的左心室舒张末期直径(LVEDD)、左心室射血分数(LVEF)、左心室收缩末期直径(LVESD)指标;采用酶联免疫吸附法(ELISA)测定血清Ficolin-3、PDGF表达水平;超声心动图联合血清Ficolin-3、PDGF对CHF患者主要不良心血管事件(MACE)发生的预测价值绘制受试者工作特性(ROC)曲线分析。结果与未MACE组相比,MACE组心功能分级差异有统计学意义(P<0.05)。与未MACE组相比,MACE组患者血清Ficolin-3表达水平显著降低[(27.95±4.38)ng/mL vs(36.08±5.85)ng/mL。P<0.05],PDGF表达水平显著升高[(218.53±35.24)pg/mL vs(169.67±31.16)pg/mL。P<0.05]。与未MACE组相比,MACE组患者LVEDD、LVESD显著升高[(63.54±5.27)mm vs(56.35±4.94)mm、(54.23±3.19)mm vs(49.37±3.05)mm。P<0.05],LVEF显著降低[(38.25±3.17)%vs(44.52±3.32)%。P<0.05]。LVEDD、LVESD、LVEF、Ficolin-3、PDGF和5项联合预测MACE发生的曲线下面积(AUC)分别为0.837、0.840、0.845、0.848、0.847、0.945,LVEDD、LVESD、LVEF、Ficolin-3、PDGF 5项联合预测CHF患者MACE发生的AUC最高,优于各自单独预测(P均<0.05)。结论老年CHF患者血清Ficolin-3表达水平降低,PDGF表达水平升高,超声心动图联合血清Ficolin-3、PDGF可以更好地预测老年CHF患者预后。

关键词： 文本分类   图卷积神经网络   注意力机制   BERT  

摘要： 文本分类作为自然语言领域中的重要任务之一,广泛应用于问答系统、推荐系统以及情感分析等相关任务中。为了提取文本数据中的复杂语义特征信息并捕获全局的图信息,提出一种融合图嵌入和BERT(bidirectional encoder representation from Transformers)嵌入的文本分类模型。该模型引入双级注意力机制考虑不同类型节点的重要性以及同一类型不同相邻节点的重要性,同时采用BERT预训练模型获得包含上下文信息的嵌入并解决一词多义的问题。该模型把所有单词和文本均视为节点,为整个语料库构建一张异构图,将文本分类问题转化为节点分类问题。将双级注意力机制与图卷积神经网络进行融合,双级注意力机制包含类型级注意力和节点级注意力。类型级注意力机制捕获不同类型的节点对某一节点的重要性,节点级注意力机制可以捕获相同类型的相邻节点对某一节点的重要性。将BERT模型获得的文本中局部语义信息与经图卷积神经网络得到的具有全局信息的图嵌入表示相结合,得到最后的文本嵌入表示,并完成文本分类。在4个广泛使用的公开数据集上与7个基线模型进行对比实验,结果表明本文模型提高了文本分类的准确性。