课程文献中心 更多>>

关键词： 推荐系统   协同过滤   图神经网络   多视图   对比学习  

摘要： 针对图协同过滤推荐方法存在的单一视图局限性和数据稀疏性问题,提出一种基于多视图多尺度对比学习的图协同过滤(MVMSCL)模型。首先,根据用户-项目交互构建初始交互图,并考虑用户-项目中存在的多种潜在意图,以构建多意图分解视图;其次,利用高阶关系改进邻接矩阵,以构建协同邻居视图;再次,去除不重要的噪声交互,以构建自适应增强的初始交互图和多意图分解视图;最后,引入局部、跨层和全局3种尺度的对比学习范式生成自监督信号,从而提高推荐性能。在Gowalla、Amazon-book和Tmall 3个公共数据集上的实验结果表明,MVMSCL的推荐性能均优于对比模型。与最优基线模型DCCF(Disentangled Contrastive Collaborative Filtering framework)相比,MVMSCL的召回率Recall@20分别提升了5.7%、14.5%和10.0%,归一化折损累计增益NDCG@20分别提升了4.6%、17.9%和11.5%。

关键词： 苏科版教材   函数学习   模型观念   优化设计  

摘要： 苏科版初中数学修编教材“函数”部分的修编工作以落实立德树人根本任务为导向,着力优化教材内容结构,明晰函数学习路径,体现系统设计、整体编排、突出关联、凸显思维、显化思想、强化应用等特色与亮点.

关键词： 《诗经》   真善美   知识翻译学   俄罗斯  

摘要： 本文以知识翻译学为理论基础,以施图金1957年《诗经》全译本(以下简称施译本)为研究对象,通过“真、善、美”的翻译标准对施译本中文化意象的翻译进行评析,以期为实现民族典籍从“地方性知识”向“世界性知识”的转变提供切实有效的路径,力求推动其创造性转化、创新性发展,使世界文化更加丰富多元。

关键词： 糖尿病,妊娠   心脏功能试验   超声心动描记术,多普勒,彩色  

摘要： 目的:应用多模态超声心动图对妊娠期糖尿病(GDM)患者心脏功能变化情况进行全面评价。方法:选取2021年9月—2023年12月我院诊断为GDM孕妇30例为GDM组,同时选取30例健康孕妇为对照组。应用常规超声心动图及二维斑点追踪成像检查获取左心室心内膜下心肌纵向峰值应变(Endo-GLS)、左心室中层心肌纵向峰值应变(Mid-GLS)、左心室心外膜下心肌纵向峰值应变(Epi-GLS)、左心室整体纵向峰值应变(Global-GLS)、左心室心内膜下心肌圆周峰值应变(Endo-GCS)、左心室中层心肌圆周峰值应变(Mid-GCS)、左心室心外膜下心肌圆周峰值应变(Epi-GCS)、左心室整体圆周峰值应变(Global-GCS)及组织运动二尖瓣环位移(TMAD)。比较上述两组参数的差异。结果:与对照组相比,GDM组孕妇Epi-GLS、Mid-GLS、Endo-GLS、Global-GLS、Epi-GCS、Mid-GCS、Endo-GCS及TMAD均减低(P<0.05);产后GDM组产妇A、E/A、Epi-GLS、Mid-GLS、Endo-GLS、Global-GLS、Epi-GCS、Mid-GCS、Endo-GCS、Global-GCS、TMAD均减低(P<0.05)。GDM组产前与产后组内比较,心率、E、A、E/e’产后均减低(P<0.05);e’、Epi-GLS、Mid-GLS、Endo-GLS、Global-GLS、Epi-GCS、Mid-GCS、Endo-GCS、Global-GCS及TMAD产后均增高(P<0.05)。结论:本研究表明,妊娠期患有GDM的妇女心脏收缩及舒张功能在产前均有轻度受损。在产后,产前轻度受损的心脏功能在一定程度上得到了恢复。左心室分层应变及TMAD可以早期发现GDM孕妇收缩功能变化。应用多模态超声心动图可以早期全面准确的评价GDM孕妇心脏功能的变化。

关键词： 课赛融合   多模块案例库   三结合   课程思政  

摘要： 新工科背景下,应用型本科高校聚焦制造业数智化转型对人才能力结构的新需求,确立了学生知识、能力、素质培养的课程目标。通过竞赛多模块案例库建设,不断迭代优化教学内容,创新“三结合”教学组织形式,构建以全国大学生先进成图技术与产品信息建模创新大赛、天津市CAD竞赛及大学生创新创业训练计划项目为载体的“工程图学”课程教学体系。同时,将课程教学与思政元素相融合,将专业教学的“两性一度”与思政教学的“思想性”紧密融合在一起,相互映射,从而实现专业知识教学和思政教育的双重育人目标。

摘要： ~~

关键词： 半监督聚类   岭回归   不相关约束   二值向量   辅助信息   图正则化  

摘要： 岭回归由于简单高效被用于处理各种机器学习任务,并取得令人称赞的结果.然而,当岭回归直接应用于聚类时,易触发平凡解.为解决此问题,提出基于约束图的鲁棒不相关岭回归方法(RURCG).首先,利用广义不相关约束使得岭回归嵌入流形结构,保证其聚类时存在闭式解;然后,为了避免异常数据对聚类的影响,对岭回归的误差项施加二值向量,该向量的元素具有明确的物理意义,若数据正常,则其值为1,否则为0;接着,对岭回归嵌入拉普拉斯构造来获取数据的局部几何结构,使得聚类结构更为充分,其中涉及的图矩阵包含成对约束和标签信息;最后,运用迭代优化策略求解目标函数,通过在8个基准数据集上的仿真实验验证所提出方法的有效性.

关键词： 脑卒中   昏迷   动态脑电图   预后   应用价值  

摘要： 目的:探讨动态脑电图(AEEG)监测在脑卒中昏迷患者预后评估中的应用价值。方法:回顾性分析2019年3月-2022年4月某院收治的120例脑卒中昏迷患者的一般资料。按照患者预后情况将其分为预后良好组(n=56)和预后不良组(n=64)。收集2组基本资料,患者均开展AEEG监测,比较2组AEEG分级和GCS评分,绘制ROC曲线分析动态脑电图监测、GCS评分在评估脑卒中昏迷患者预后中的的诊断效能。结果:2组一般资料比较,差异无统计学意义(P>0.05);与预后良好组相比较,预后不良组GCS评分较低,且AEEG分级中Ⅵ级、Ⅴ级、Ⅳ级占比较高,Ⅰ级、Ⅱ级、Ⅲ级占比较低,差异有统计学意义(P<0.05)。结论:AEEG监测在脑卒中昏迷患者预后评估中具有较高的临床应用价值。

关键词： 全息   数字全息图重建   小样本学习   图神经网络  

摘要： 基于深度学习的全息图重建技术,其光场的质量受限于数据集的质量和数量,而制作大规模、高质量全息图的数据集面临系统复杂性高和成本投入大的挑战。因此,在小样本数据集上实现高效的数字全息图重建成为一个重要且有意义的研究内容。提出了一种基于图神经网络的数字全息图重建模型,通过建立振幅与相位之间的物理关系,提升了小样本数据集上全息图重建的性能。实验结果表明,所提模型能够在小样本学习条件下准确地复原光场信息,在相位信息的重建方面表现突出。本研究为振幅与相位相关的深度学习模型提供了新的思路,期望能为数字全息图重建技术的应用提供有益的支持。

关键词： 高含水   分层注水   层段划分   蜣螂优化算法   协同优化  

摘要： 精细分层注水是高含水油藏提高采收率的重要手段,但其层段划分和配注量设计通常脱节,难以最大限度地发挥工艺协同效应。为此,在分层注水最佳层段划分数目未知的条件下,以经济净现值最大化为目标,考虑多种工程地质条件约束,构建了集注水层段划分组合及注采液量调配于一体的精细分层注水优化数学模型,并结合蜣螂优化算法,形成了高含水油藏注水层段划分及注采液量调配协同优化设计方法,实现精细分层注水关键工艺参数的一体化优化设计。以Egg模型为例,在维持注采总液量相同的条件下,对比了单一的各井注采液量优化、单一的分层注水措施参数优化以及两者一体化精细优化等3种方式下的调控效果。对比结果表明,对于层间物性干扰严重的高含水油藏,采用一体化精细优化方式,对分层注水井的层段划分方式、配注量及其他各井的注采液量调配进行协同优化,其效果显著优于单一注采液量优化或分层注水措施参数优化方式;一体化精细优化通过自动划分重组注水层段、智能匹配调整注采液量参数,有效缓解了高含水阶段的层间矛盾,优化水驱流场,实现各油层的均衡驱替,预测生产5a,采收率较优化前提高1.08个百分点。