课程文献中心 更多>>

关键词： 思维导图   习作   核心素养  

摘要： 思维导图是用图文并茂的可视化呈现形式,以发散式的思考模式,将所要学习的资料用逻辑或非逻辑的方式记录、发散、再以逻辑方式整理并呈现于二维的纸面上.本文探究思维导图作为一种能够呈现学生思维的,使学生思维变得直观的工具,在小学语文习作教学中的应用研究,并以思维导图作为支架,帮助小学生提升习作水平,进而提升学生的语文核心素养.

关键词： 矩形隧道   地表沉降   Maxwell-Betti功互等定理   复变函数   地层损失  

摘要： 在矩形隧道施工期间，周边地层受扰动后的破坏机理尚不明确。这种不确定性极有可能引发地表坍塌，进而致使周边建筑变形、地下管线破裂等一系列严重工程灾害。同时，现有的地表沉降预测方法存在精度不足的问题。鉴于此，基于复变函数和Maxwell-Betti功互等定理提出一种矩形隧道施工地表沉降预测方法。首先，依据功互等定理构建两种处于不同受力状态下的二维矩形隧道计算模型。其次，通过保角变换将矩形隧道映射为圆形，进而得出矩形隧道洞身位移的计算式。再者，对Sagaseta法加以改进，使其适用于矩形隧道的计算。然后，基于功互等定理推导隧道地层损失的计算式，并结合改进后的Sagaseta法计算矩形隧道开挖所引起的地表沉降。最后，通过4组数值模拟与3项工程实测数据验证方法有效性。研究结果表明，理论分析与数值模拟值基本相符，且与三个矩形隧道工程的监测值具有更高的吻合度，能较好地适应不同地层环境下矩形隧道地表沉降预测，可为实际工程提供参考依据。

关键词： 文本到图像生成   三向注意力   隐式特征图   细粒度对齐   双阶段生成  

摘要： 针对多阶段生成模型因显式中间图像导致误差累积的问题，提出基于隐式特征图与三向注意力融合的双阶段解耦框架。（1）隐式特征图生成阶段，通过递归注意力迭代生成64×64非可视化特征图，替代AttnGAN等模型的显式中间图像，有效规避多阶段可视化误差传递；（2）三向注意力增强阶段，扩展Triplet Attention为通道-空间-文本交互机制，实现像素级细粒度控制。实验表明，在细粒度要求最高的CUB数据集上，CLIP分数达0.82，优于基线模型AttnGAN(0.62)、MediaPipe(0.71)等模型，较基线模型提升32.3%;IS分数提升至5.05，较基线模型提升15.8%，且模型推理速度较StackGAN++等多阶段生成方法提升20%。在NVIDIA RTX 4090(24GB显存)环境下，单张图像生成时间降低至0.96秒，该框架有效解决多阶段误差传递与细粒度对齐问题。

关键词： 星座遥感图像   嵌入式部署   图像检测   低轨星座   遥感卫星  

摘要： 星座遥感图像中感兴趣对象提取面临着许多挑战，如背景复杂、对象尺度差异大、分布密集等，这些挑战严重制约了检测算法在遥感领域的实际应用。近年来，深度学习技术发展迅速，单阶段检测算法在遥感图像识别任务中展现了巨大的优势。然而，如何在资源受限的嵌入式计算平台上实现高精度、低延迟的图像检测，仍是遥感领域亟待解决的重要问题。因此，本文针对嵌入式部署需求，提出一种基于改进YOLOv5 的遥感图像感兴趣对象检测方法。通过引入坐标注意力机制增强网络对空间位置信息的感知能力，有效抑制背景干扰导致的虚警问题。采用简化的空间金字塔和双向金字塔融合模块提升不同尺度的特征融合，后处理阶段引入自适应非极大抑制算法降低误检率。实验结果表明，所提出的方法在保持轻量化特性的同时显著提升了遥感图像中小尺度对象的检测精度，在遥感图像数据集上达到mAP85.8%，在嵌入式平台上实现160FPS的实时推理速度，展现了良好的实时性与运行性能。

关键词： 天基遥测数据   异常检测   图注意力网络   时空建模   动态注意力机制  

摘要： 遥测数据的异常检测是保障天基信息网络高可靠性的基础。然而，现有异常检测方法忽略了天基遥测数据的高维度、多模态和强动态耦合特性，检测精度和可解释性欠佳。为此，本文提出一种基于双流异构图注意力网络（DHGAN）的异常检测方法。面向复杂多样异常模式，设计了多尺度特征提取模块，利用不同卷积核捕获局部细节与全局趋势特征；针对遥测数据多模态和强动态耦合性，提出了时空图注意力特征提取模块，分别挖掘特征间异构关系与动态时序依赖；针对单一检测目标的局限性，提出“重构+预测”联合优化目标，生成综合异常评分。实验表明，该方法有效降低了漏检与误报率，为天基遥测数据的自主运维提供了可解释性强的异常检测范式。

关键词： 定子永磁   磁通切换   磁场调制   齿槽转矩   转矩脉动  

摘要： 定子永磁型磁通切换（Stator Permanent Magnet-Flux Switching， SPM-FS）电机因其转子结构简单、可靠性高、永磁体易于冷却等优点，在电动汽车、轨道交通等领域应用潜力巨大。然而，因其特殊的双凸极结构，该类型电机齿槽转矩较大。针对该问题，本文提出了转子齿顶外轮廓线分别符合y=k|x|和y=ax2函数分布的两种函数型转子SPM-FS电机，对比未经转子齿顶修型的原始转子电机，开展了不同转子结构电机的磁场调制机理和性能对比分析。首先，介绍了函数型转子电机结构和关键参数对性能的影响关系。其次，基于气隙磁场调制理论分析了函数型转子电机的磁场调制机理，揭示了其齿槽转矩和转矩脉动抑制机理。随后，对比分析了不同转子结构电机的反电势、转矩、损耗等性能。最后，加工并测试了两种函数型转子电机，验证了理论分析的正确性和函数型转子齿槽转矩抑制的有效性。

关键词： 辅行诀   汤液经法图   心绞痛急性发作   中成药   组方配伍  

摘要： 目的：在“汤液经法图”理论体系指导下，探索治疗及预防心绞痛急性发作中成药的配伍特点和组方规律。方法：以指南、专家共识和药智数据库等推荐或用于治疗及预防心绞痛急性发作中成药为研究对象，建立数据库，采用WPS Office分别统计该类中成药涉及的中药品种数、主导药味、药味占比、证型分类、配伍结构、脏腑定位等，并对气滞血瘀型、寒凝气滞型、气虚寒凝血瘀型代表药物进行配伍原理分析。结果：共纳入中成药16个（涉及用药34种）。主要配伍结构为“辛-咸-苦”，且以辛味药为主导，组方中辛、咸、苦各药味的使用率分别为100.00%、87.50%、93.75%，主要脏腑定位为肝、心。中医证型主要涉及证素为血瘀（87.50%）和气滞（56.25%）。其中气滞血瘀型代表药速效救心丸（1辛0.5咸0.5苦）三种药味配伍比例比较平均，寒凝气滞型代表药宽胸气雾剂（4.5辛0.5苦），突出了辛味补肝行气温阳的作用，气虚寒凝血瘀型代表药麝香保心丸（4辛1.5咸1苦0.5甘）突出了“辛-咸”为主益气强心、温阳散寒的作用。结论：通过“汤液经法图”理论，可清晰地分析出心绞痛急救用中成药的配伍特点和组方规律，为医师、药师合理选择用药提供参考，为今后心绞痛急救用药的研发提供组方思路。

关键词： 移动储能   时空调度   多智能体深度强化学习   奖励函数优化  

摘要： 移动储能系统(mobile energy storage systems，MESS)是缓解分布式可再生能源供需时空不匹配问题和促进其就近消纳的关键技术。在多源多负荷的分布式能源系统中，MESS的高效调度面临移动节点抉择和充放电决策的时空复杂耦合、多重约束冲突等复杂问题，传统依赖精确模型的优化方法难以获得高效的调度策略。为此，该文提出一种基于自适应奖励函数-多智能体深度强化学习的MESS时空调度策略。该方法将MESS调度问题建模为多智能体马尔科夫决策过程，利用多智能体协同架构解耦时空强耦合的高维决策问题，并通过智能体与环境交互学习机制，实现MESS在复杂环境中的自适应调度。此外，所提策略引入了自适应权重调整机制，引导MESS在复杂环境中逐步形成合理的决策偏好，从而显著提升学习效率与模型收敛性能。结果表明，所提策略能够让MESS在复杂场景中实现高效调度，表现出良好的稳定性和鲁棒性，为分布式能源系统中MESS的智能调度提供理论支持与实践参考。

关键词： 复杂网络理论   结构鲁棒性   停电风险   供电区域划分   等效供电路径长度  

摘要： 电网结构的鲁棒性对保障故障情况下的负荷供电至关重要。现有研究虽然揭示了电网结构与系统停电风险之间的宏观关联，但相关性较低且在不同规模系统表现不一致，难以指导鲁棒性的电网结构构建。考虑源荷节点异质特性对供电范围的影响，以及供电路径共享等因素对负荷停电概率的影响，提出基于社团理论的供电区域划分方法和等效供电路径长度指标，形成了电网鲁棒性评估方法。采用了3种规模的62个电力网络结构进行了验证，算例表明该方法得到的电力网络鲁棒性指标与停电风险在各系统都保持正相关，且相关性显著提高。依据该方法构建的南方电网规划拓扑比人工设计的系统拓扑平均停电风险降低15.57%，为构建高可靠性电网提供了有效的技术支撑。

关键词： 推荐系统   图对比学习   图增强   梯度感知   难负样本  

摘要： 针对当前基于图对比学习的推荐模型中随机增强方法易导致语义信息丢失和流行性偏差加剧的问题，提出了一种基于梯度感知图增强的图对比学习推荐算法(Gradient-aware Graph Augmentation,GAA)。首先引入梯度感知图增强，利用梯度信息指导图增强策略实现基于梯度感知的对比视图生成；其次使用难负样本挖掘来提升对重要语义信息的辨别能力，进而降低流行性偏差；最后引入温度自适应模块来保证模型的稳定性。通过在Yelp2018等三个公开数据集上的实验验证，采用recall和NDCG指标进行评估，实验结果显示，在AlibabaiFashion数据集上，Recall@K和NDCG@K较最优基准模型分别提高了7.94%和5.82%，其结果验证了GAA算法在缓解语义信息丢失和流行性偏差方面的有效性。