课程文献中心 更多>>

摘要： 在绍兴居住的这段时期,兵戈不断,陈洪绶的生活也十分困顿.也许为了生计,顺治六年(1649)他迁回较为繁华的杭州城,在杭州待了三年,直到去世那年才又返回绍兴.坐船返绍兴的途中迎来新春,他在一阕词中回忆起这段杭州生活:"春载耶溪棹,老夫得意秋.思量书画放中流,切莫说吾三载恋杭州.

关键词： 环境工程学   绿色发展   货运结构   碳减排   “双碳”目标   效用函数  

摘要： 货运结构的优化是加速实现低碳货物运输体系建设的关键，也是实现交通运输业绿色低碳发展的重要途径。研究以广东省货运结构为例进行实证分析，构建“双碳”目标下的多目标货运结构优化模型，并以货运效用最大、碳排放强度最小为目标，采用非支配排序遗传算法NSGA-Ⅱ求解。结果发现，广东省自2019年在调整运输结构方面所采取的措施颇有成效；经模型优化后的货运总周转量普遍上升，单位周转量的碳排放量普遍下降；相较于原方案，综合最优解方案的单位周转量的碳排放量和耗能分别减少了9.43%和12.13%,优于原运输结构。据此，研究从融合发展节能减排技术、落实碳减排责任和物流网络路径优化等方面提出优化建议，为推动货运领域实现绿色高效发展、助力“双碳”目标提供了参考。

关键词： 低龄儿童   局灶性发作   临床症状   脑电图   Young Children   Focal Seizures   Clinical Manifestations   Electroencephalography  

摘要： 癫痫是一种常见的神经系统疾病，局灶性癫痫是癫痫中最常见的一种类型，它可以在任何年龄发病，在低龄儿童中并不少见，两岁以下的婴幼儿就属于低龄儿童的范畴。低龄儿童局灶性癫痫发作可分为运动性发作与非运动性发作，因症状隐匿和语言表达受限易被漏诊或误诊。视频脑电图是诊断与定位致痫灶的核心手段，然而，低龄儿童脑电图检查同样有其特点。早期识别发作类型、精准定位致痫灶及明确病因对制定个体化治疗方案、改善预后至关重要。未来需进一步优化多方面评估体系，以应对低龄儿童脑发育动态性及癫痫异质性带来的挑战。

关键词： 作业车间调度问题   扩散概率模型   图神经网络   组合优化   Jittor  

摘要： 作业车间调度问题是经典的离线组合优化问题，广泛应用于工厂排产，物流配送等领域。作为NP-hard问题，其求解复杂度随作业和机器数量呈指数级增长。然而，传统的精确算法难以应对大规模实例，而现有的启发式和深度学习方法大多未能充分挖掘问题的全局信息，且通常仅能提供单一分布的解，难以满足组合优化问题的多解性。针对这一局限，我们提出了一种基于扩散概率模型的全局信息预测方法。该方法结合作业车间调度问题的特征和求解约束对扩散概率模型进行迁移，以预测表征最优解分布的概率图。随后，我们基于概率图的引导进行约束求解与局部搜索优化，充分发挥扩散概率模型的多模态生成优势与对全局信息的编码能力，从而获得符合问题约束的高质量调度方案。为进一步提升算法的求解效率，我们将该方法迁移至国产化平台Jittor，并基于该平台构建了一套高效的作业车间调度问题求解管线，使网络推理速度相较于Pytorch最高提升40%。在主流数据集上的实验结果表明，我们的方法在各类问题规模下均表现优异，取得了最佳的求解质量。据我们所知，这是首个基于扩散概率模型的作业车间调度问题求解器。

关键词： 编译优化   自动向量化   SLP   跨基本块   区域划分  

摘要： 自动向量化作为发掘数据级并行性、提升程序性能的重要方式，被广泛的应用于主流编译器中。超字级向量化(SLP)专注于发掘相邻同构语句级别的数据并行性检测并聚合标量指令生成向量指令。然而，传统的SLP框架在发掘跨基本块的语句向量化时能力不足，特别是当连续的可向量化指令被基本块边界分割时，SLP分析无法有效发掘潜在的向量化语句。针对这一问题，本文提出一种基于区域划分的跨基本块SLP向量化方法，该方法通过扩大分析范围至支配关系内的多个基本块，打破基本块边界限制，从而有效捕捉更多潜在向量化机会，有效提升SLP向量化效率。本文方法基于GCC10.3.0编译器实现，并挑选SPEC CPU2006测试集中包含相关程序段的测试程序进行了实验。实验结果显示，在SPEC CPU2006测试集挑选的测试程序中，本文方法与传统SLP方法相比，可使SPEC CPU2006测试程序加速比最高提升12%，相关测试程序的平均加速比提升8%，在polybench测试中获得了平均3%的加速比，验证了本文方法的有效性。本文工作可为提升GCC编译中SLP向量化效率提供技术参考。

关键词： 兵棋   态势预测   动态多图   不确定性估计   贝叶斯  

摘要： 为了充分捕获算子之间复杂的动态时空依赖性，理解和量化态势预测的不确定性，帮助决策人员做出正确的决策，我们提出了一种新的模型，称为不确定性感知的动态多图态势序列预测方法 (Uncertainty-aware Prediction Method of Wargame Situation Based on Dynamic Multi-Graph Convolution, UaDMG)，它联合多变量时空序列预测及其不确定性估计。首先构建了融合不同类型算子动态特征、地图环境信息和算子实时空间临近性的动态多图生成器；然后利用动态多图卷积捕捉算子之间的动态空间相关性，利用空洞因果卷积捕获游戏发展的时间特征；最后分别通过贝叶斯分类方法和Monte Carlo Dropout近似贝叶斯网络的方法来分别量化偶然不确定性(Aleatoric Uncertainty, AU)和认知不确定性(Epistemic Uncertainty, EU)，产生了UaDMG。在多个真实不同场景的兵棋复盘数据中的实验结果表明，该模型的预测精度不仅优于现有的模型方法，而且能够通过量化不确定性来提高预测的可靠性。

关键词： 会话推荐   深度学习   循环神经网络   图神经网络   对比学习  

摘要： 基于会话的推荐系统凭借短而动态的会话信息，成为了应对传统方法局限性的新兴范式。为解决现有的会话推荐对用户偏好转换模式过度依赖单一用户偏好和未能广泛利用相似用户数据的问题，本文提出一种基于图神经网络和对比学习的会话推荐（SRGC）。首先，利用图神经网络构建局部会话图，利用注意力机制建模会话图的一阶邻居信息并引入双向位置嵌入和持续时间信息来赋予不同项目不同的权重，通过软注意机制获得局部会话表示；其次，结合用户以及相似用户的历史行为寻找相似会话信息，使用动态时间规整算法进行相似度计算避免引入噪声从而更加全面地构建用户偏好画像；最后，融合局部会话图和全局会话表示，通过复杂的加权运算生成符合用户需求的推荐结果。在3个公开数据集Yoochoose1/64、Yoochoose1/4和Diginetica上进行实验，其中MRR@20指标较先前最优模型分别提升了1.05%、1.99%、1.62%。P@20指标分别较先前最优模型提升了3.1%、2.05%、3.12%。

关键词： 振幅整合脑电图   早产儿   背景活动特点   脑功能   预后评估   Amplitude Integrated EEG   Premature Infants   Background Activity Characteristics   Brain Function   Prognosis Assessment  

摘要： 目的：探究振幅整合脑电图(aEEG)在不同胎龄早产儿背景活动监测和脑功能预后评估临床中的应用价值。方法：本试验通过选择2022年8月至2024年1月在医院收治的早产儿60例作为本次试验研究对象，采用振幅整合脑电图联合磁共振成像进行检查，研究aEEG各项指标随胎龄、日龄增长的变化规律，根据日龄的增长情况，划分为：日龄3日、日龄1周、日龄2周、纠正胎龄40周，同时结合早产儿纠正胎龄40周的头颅磁共振成像(MRI)结果，评估早期aEEG各指标对早产儿脑损伤的预测价值；同时随访生后1周岁时的婴幼儿智能发育量表(CDCC)和贝利婴幼儿发育量表(BSID)评估结果，比较早期aEEG结果与1周岁时MDI、PDI的相关性。结果：早产儿在日龄3日、日龄1周、日龄2周、纠正胎龄40周时的aEEG的结果差异明显，且随着日龄增加，aEEG检测结果显示早产儿脑电异常率越来越低，且接近早产儿纠正胎龄40周的检测结果(P < 0.05)；早期aEEG结果中正常、轻度、重度患者1周岁时的MDI、PDI、CDCC评分结果随着严重程度逐渐降低，且存在差异性(P < 0.05)，评分与aEEG成反比。结论：振幅整合脑电图联合磁共振成像能够对不同胎龄早产儿的脑功能情况进行监测，了解不同胎龄早产儿病情情况，判断严重程度，且对预后脑功能发育情况进行评估的价值较高。

关键词： 交通预测   信息传递   图神经网络   多尺度卷积  

摘要： 在交通预测领域，数据间存在着复杂且长程的时空关系，现有的图结构未能充分挖掘数据间隐含的时空关系。针对上述问题，论文在MTGNN的基础上，进行了一系列的改进，提出了一种用于交通预测的时空传播图神经网络(Spatial-Temporal Propagation Graph Neural Network， STPGNN)。首先，用多尺度卷积模块来捕获不同尺度的时序信息，并通过特征融合模块进行融合，以捕获复杂的时序信息。其次，在MTGNN单向自适应图结构的基础上，设计并加入了双向图学习层，以深入挖掘并利用数据间隐含的双向空间关系。接着，针对网络层级间的信息传递，提出一种新的层级间信息传递方法，将每层中多尺度的时序信息依次传递至下一层，以更好地挖掘复杂且长程的时空关系。最后，根据网络各层级的时间与空间信息，通过输出卷积获得预测结果。在METR-LA、PEMS-BAY和NE-BJ等数据集上进行了实验验证，结果表明，STPGNN能够有效提高预测精度，在常用的3个指标上优于一些现有的方法。尤其是在进行更长时的预测时，表现更为出色。