课程文献中心 更多>>

关键词： 多维时间序列   无监督异常检测   多窗口划分   集成学习   大模型  

摘要： 大模型时代下，大模型的训练和推理需要算力资源的支撑，其中针对算力资源指标数据的异常检测能够有效保障大模型的正常训练和推理.随着大模型参数的增加，大模型使用的算力资源规模日益扩大，其中反映算力运行状态的多类指标数据随着时间推移呈现出更复杂的时序周期性变化.现有的多维时序异常检测方法通常采用预设的窗口大小对多维时序数据进行滑动切片，但忽略不同维度周期特性的统一窗口划分会截断部分维度时序数据的完整周期性模式，阻碍了异常检测模型对多维时序数据正常模式的学习，导致异常检测效果变差.为了解决这一问题，提出了一种基于多窗口划分集成学习的无监督多维时序异常检测方法SELAD.具体地，首先利用傅里叶变换提取多维时序数据中各维度的周期性模式，并鉴于此信息进行多窗口划分，以保留各维度数据的完整周期性模式. 在模型训练过程中，大模型参数量巨大的特点可以解决传统模型在滑动窗口增大后出现记忆瓶颈导致学习效果变差的问题.通过设计一种混合专家模型将保留完整周期划分的时序数据输入融合大模型和LSTM模型的集成学习框架进行训练，以学习并重构各维度的正常时序模式.最终，基于重构误差检测多维时间序列数据中的异常.通过在4个多维时间序列数据集上实验，SELAD在平均F1分数上相比现有方法提升了17.87%～90.77%.

关键词： 高光谱解混   深度非负矩阵分解   图约束  

摘要： 高光谱解混旨在将高光谱影像混合像元分解为端元及其对应的丰度。非负矩阵分解(NMF)因其非负性质和良好的可解释性被广泛应用于解混研究，但其单层结构无法挖掘影像中隐藏的深层次特征。已有的深度NMF方法对层次结构的设置限制了该类方法的性能。本文提出了一种基于图约束的深度非负矩阵分解算法(GDNMF)用于高光谱解混，该算法基于深度NMF方法挖掘高光谱影像中的深层次特征，提高模型的表示能力，并在底层的丰度上引入图约束，弥补分解过程中空间信息的损失。算法分为预训练和微调两个阶段，预训练负责学习各层特征，微调阶段通过所有层特征进行优化以减小误差。为增强算法对噪声的鲁棒性，引入了一种基于正负分离的更新规则，推导参数更新算法以优化模型。最后，为了验证该方法的有效性，在合成数据集和真实数据集进行了实验分析。结果表明，与其他经典方法相比，本文方法具更强的抗噪能力，能够实现更精确的端元和丰度估计。

关键词： 交互行为识别   骨架序列   图卷积   可变形卷积   多流输入  

摘要： 基于骨架序列数据的双人交互行为识别具有广阔的应用前景，针对目前识别模型中存在双人交互特征表示不充分、动作类内特征表示冗余等问题，提出了一种基于多尺度可变形图卷积网络(Multi-scale Deformable Graph Convolutional Network， MD-GCN)的双人交互行为识别方法。首先，构建双人交互超图，包括双人超图以及双人交互关系矩阵。与传统图不同，该超图能够更好地表达两人之间的交互关系，充分捕捉双人之间的交互特征。其次，将3流输入分支分别进行数据预处理和特征提取，然后将这些特征信息融合后送入以多尺度可变形图卷积网络为主的主分支中，最后进行动作分类。该网络能够多模态地学习可变形的采样位置，捕捉具有显著交互特征的关键信息，有效避免了特征冗余以及信息丢失。所提出的MD-GCN，在NTU RGB+D 60和NTU RGB+D 120数据集中的26类交互动作的识别任务中，准确率最高达到98.41%。有效地解决了双人交互行为识别中特征表示的挑战。实验结果表明，该方法在保持识别准确率的同时，显著减小了模型运算成本，模型推理性能达到了良好的平衡，具有较高的应用价值。

关键词： C   连续性   四次三角Hermite插值样条   插值精度  

摘要： 为了克服三次Hermite插值样条函数的局限性，提出了一种新的带多个参数的四次三角Hermite插值样条函数。在三角函数空间中，利用C2连续性条件，通过解方程组，构造了具有三个参数的四次三角Hermite插值基函数，利用这些基函数，定义了分段四次三角Hermite插值样条函数。数值实例表明，在给定的插值条件下，利用多参数的合理选择，该样条函数可以获得较高的插值精度。

关键词： 生本   教学   核心素养  

摘要： 《义务教育数学课程标准(2022年版)》再次强调了学生在课堂中应占据的地位问题,如何将这一理念落到实处呢?研究发现,在教学的每一个环节都从学生的认知基础出发,基于学生思维的“最近发展区”创设活动,可调动学生学习的积极性,大幅度提高学力.文章以“特殊角的三角函数(第二课时)”的教学为例,从“旧知回顾,引发思考”“深入探索,强化理解”“归纳总结,提炼升华”三个维度展开研究.

关键词： 水文站   水位级划分   参照邻站法   设计洪水   经验分析法  

摘要： 以北江上游的中小河流站点为例,采用参照邻站法、设计洪水法和经验分析法3种方法,探索无长系列资料水文站水位级的划分方法,研究成果可为相关工作提供参考。

关键词： 子宫腺肌病   证据图   方法学   临床研究   随机对照试验  

摘要： 该研究旨在采用证据图对近十年中医药治疗子宫腺肌病(AM)的临床研究进行系统梳理及质量评价。计算机检索8个中英文数据库、常用指南库及指南相关网站,检索时限为2014年1月1日至2024年10月1日,由2位研究人员进行独立筛选、信息提取及质量评价,利用文字结合图表的形式展示临床研究证据分布及证据质量。最终纳入565篇文献,其中干预性研究523篇,观察性研究23篇,系统评价/Meta分析18篇,指南1篇,近两年总体发文量有下降趋势。干预性研究及观察性研究的样本量主要集中在60~120例,干预方案以多疗法联合为主,共涉及33种经方及25种中成药,其中17种经方相关的48篇研究、10种中成药相关的45篇研究涉及中医证型。随机对照试验(RCT)的结局指标对临床综合疗效评价与痛经程度关注度相对较高。97篇中药汤剂与131篇中成药相关RCT存在的方法学质量问题普遍在于部分信息阐述不明确。18篇系统评价/Meta分析的AMSTAR量表评分在1~8分,其中16篇认为“证据显示有潜在疗效”。纳入1篇指南的推荐级别为B级。结果表明,中医药治疗AM具有显著优势,但未来应进一步规范临床研究设计,参考相关报告规范,提高临床研究质量,形成更高级别循证证据,推动中医药治疗AM相关临床研究的高质量发展。

关键词： 画家   迁都   临安   北宋   金兵   宣和画院   南宋   李唐  

摘要： 艺术家介绍李唐是北宋到南宋时期的画家,早年在民间靠卖画维持生活,后来终于凭借高超的绘画本领,进入了宋徽宗的宣和画院。金兵侵犯北宋后,局势动荡不安,宋朝不得不迁都临安。

关键词： 机器学习   瞬时情感强度   情感角色划分   高低情感代入   情感强度标签   情感强度回归   脑电信号   情感计算   情感强度变化  

摘要： 现有情感计算研究使用固定情感标签训练一个情感分类器,但经历情感刺激个体的脑电信号(Electroencephalogram,EEG)和真实情感变化均为动态而非恒定的,不同个体由情感刺激触发的生理和主观动态反应不同。针对该问题,文中依据自采集的情感点击强度和公开数据集SEED-IV中的脑电数据,将被试者分为高低情感代入角色并生成了两类情感强度标签。使用脑电信号特征和情感强度标签在4种机器学习进行瞬时情感强度回归预测,根据回归结果分析了两类情感角色群体在两类情感强度标签上的适用性。回归结果表明,不同情感角色在不同情绪下的瞬时情感强度变化不同,情感角色在相对应的情感强度标签上能够展现更好的回归结果,划分情感角色能更好地辅助分析个体瞬时情感变化。