课程文献中心 更多>>

关键词： 概念课教学   高中数学   学生培养  

摘要： 高中数学概念课教学在培养学生逻辑思维、空间想象和问题解决能力等方面起着重要的作用.本文阐述概念课教学中,教师在依托学生认知和依循学生思维方式的基础上,以学生发展为本,激励学生积极体验并参与课堂活动,从而引领课堂自然生成,落实核心素养的培养.

关键词： 图神经网络   代码属性图   傅里叶变换   抽象语法树   节点特征   恶意软件检测  

摘要： 为更准确识别和分析恶意软件行为,提出一种基于图神经网络的抗混淆恶意软件检测方法.该方法使用Cuckoo Sandbox收集网络内软件行为代码序列后,先使用解析器生成器读取、处理和执行软件行为代码序列,生成软件代码二进制文件的抽象语法树.利用开源工具中的Joern对软件行为代码抽象语法树内的控制节点和控制边界进行遍历,生成软件行为代码图.以软件行为代码图作为基础,使用离散傅里叶变换方式提取软件行为代码图内恶意软件行为代码节点特征.将恶意软件行为代码特征输入到图神经网络模型内,图神经网络模型对恶意软件行为代码特征进行调用后,生成恶意软件行为代码调用图.对该调用图进行图采样、图嵌入以及信息融合等处理,运用预测层输入恶意软件抗检测结果.实验表明:该方法具备较强的软件行为代码属性图生成能力,可有效提取恶意软件行为代码特征,同时可准确检测不同类型恶意软件,且该方法具备较强的抗混淆性,应用性较佳.

关键词： 全景切片图像   多实例学习   图神经网络   图构建   可视化  

摘要： 不同于常规阈值法或边与节点的合并等图采样方法侧重于减小图的规模,该工作提出了一种具备创新性的基于Transformer架构的图神经网络模块AdaptConv。该模块能够在图结构中进行信息聚合的同时通过动态学习去除冗余的边,从而构建出新的图,称之为重构图。重构图保留了原本图结构的有效信息,也为计算病理提供了新的可视化角度和分析角度。为了评估AdaptConv及重构图的有效性,该工作将AdaptConv模块集成在聚类约束注意力多种实例学习(CLAM)框架中,并在乳腺癌的激素受体(HR)和人表皮生长因子受体2(HER2)两种分子分型的计算病理诊断预测任务上验证了模型的准确性。与原生CLAM模型相比,改进模型的曲线下面积(AUC)指标在HR分型上取得了4.7%的提升,在HER2分型上取得了0.8%的提升。此外,AdaptConv优化模型生成的注意力分布图更合理可靠,呈现出与诊断标准免疫组织化学染色一致的分布模式。最后,该模型生成的重构图与特定组织区域和注意力图都表现出了关联,具备进一步研究的价值。

关键词： 健康体检   质量控制   管理体系   策略分析  

摘要： 完善质量控制管理体系,优化管理策略一直是健康体检工作面临的问题。本文对河北省体检质控中心建立的因果图质量控制体系中体检机构遇到的主要不良结果事件进行汇总及管理策略分析,有助于补充健康管理体系建设,提升健康体检质量控制的管理水平。

关键词： 药物化学   学科思维导图   教学质量   兴趣和效率  

摘要： 提高学生对“药物化学”的学习兴趣和学习效率一直是药物化学课程教学的重点和难点。通过分析“药物化学”课程的特点和主要存在问题,提出采用学科思维导图的方法,帮助学生厘清教材结构,理解知识内在逻辑性,使学生更容易掌握课程内容的规律性及药物之间的关系和联系,对提高“药物化学”课程的教学质量和学生的学习兴趣行之有效。

关键词： 民国时期   灾情图   专题地图   图像史料  

摘要： 灾情图属于民国时期基层政府记录和上报灾荒信息的图式公文,生成于勘灾环节,是直观反映灾情状况的专题地图。基于民国时期不同区域的几幅灾情图,从绘制背景、绘制内容等方面对其性质、特点进行探究,可见这些灾情图承载的历史信息较为多元,不仅提供了直观的灾情记录,还隐含着丰富的自然和人文地理信息,为理解民国时期自然、政治和社会状况提供了珍贵的图像史料。随着史学研究的多元化发展和古旧地图数字化技术的推进,灾情图的挖掘和利用将有助于拓宽史学研究的视角,推动自然与人文学科的交融。

关键词： 知识图谱   注意力机制   推荐系统   图注意神经网络  

摘要： 针对当前推荐系统对邻阶信息利用不高的问题,将知识图谱应用到推荐系统,增加注意嵌入传播层,学习知识图谱中与实体相邻的节点信息,通过挖掘实体之间的相关属性,能够有效的学习实体间的关系,大幅度提高信息的利用效率以及推荐系统的性能。为验证该方法的有效性和正确性,在两个知识图谱数据集上进行实验,并与相关基线模型进行对比。实验结果表明,本方法能够有效利用邻阶信息,提高推荐系统正确率。

关键词： 项目式学习   真实情境   驱动性问题   实践活动   评价  

摘要： 项目式学习常常用于“综合与实践”领域,但也可以用于新知学习和复习课的学习.在“一次函数”的单元复习课中,以学生身边真实情境作为驱动性问题,以小组为单元,运用数学知识,策划可行方案,从而解决问题.这样的教学将知识和解决问题的能力结合在一起,突破了传统课堂中先对知识点进行梳理而后应用的模式,有利于知识的整体架构.

关键词： 癫痫,颞叶   海马硬化   定量脑电图  

摘要： 目的 探讨单侧颞叶癫痫患者患侧定量脑电图(quantitative electroencephalogram,QEEG)指标在海马硬化诊断的应用。方法 回顾性分析107例颞叶癫痫患者资料,根据患病位置分为左侧颞叶癫痫(left temporal lobe epilepsy,LTLE)组51例,右侧颞叶癫痫(right temporal lobe epilepsy,RTLE)组56例。另选择同期健康体检者53例纳入正常对照(normal control,NC)组。采用倾向性评分匹配法,进行匹配,最终成功匹配50组观察对象进行比较(LTLE组50例,RTLE组50例,NC组50例)。比较观察对象的QEEG指标(包括α、β、θ、δ频段相对功率值及相对功率比值)及海马代谢物比值,包括氮-乙酰天门冬氨酸(Nacetylaspartate,NAA)/[胆碱(choline,Cho)+肌酸(creatine,Cr)]、NAA/Cr、NAA/Cho。多因素Logistic回归分析探讨单侧颞叶癫痫海马硬化的独立危险因素。分析QEEG指标与海马代谢物比值的相关性。受试者工作特征曲线下的面积(area under curvereceiver operating characteristic,AUC-ROC)评估患侧QEEG指标对单侧颞叶癫痫患者海马硬化的诊断价值。结果 LTLE组和RTLE组QEEG的α、β频段相对功率值显著低于NC组,θ、δ频段相对功率值以及相对功率比值([delta+theta]/[alpha+beta] ratio,DTABR)显著高于NC组。LTLE组和RTLE组的NAA/(Cho+Cr)、NAA/Cr、NAA/Cho比值均显著低于NC组。相关性分析显示:NAA/Cr、NAA/Cho、NAA/(Cho+Cr)均分别与QEEG指标中α、β、θ、δ频段,DTABR独立相关。多因素Logistic回归显示:α、β、θ、δ频段,DTABR,NAA/(Cho+Cr),NAA/Cr,NAA/Cho均是海马硬化的独立危险因素。α、β、θ、δ频段、DTABR这5个指标联合诊断海马硬化的AUC-ROC为0.798(95%CI:0.732~0.914),明显高于5个指标单独诊断海马硬化的效能。结论 QEEG能够较好定量分析单侧颞叶癫痫患者的脑部异常放电情况,对海马硬化具有良好诊断价值。

关键词： 物联网   深度学习   时空图神经网络   图结构数据  

摘要： 随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网中的拓扑结构和时间信息进行建模,并在物联网预测任务中展现出优秀性能。介绍了物联网中的时间相关性和空间相关性,以及不同时空网络架构的构建方法,并基于空间相关性的不同,将时空图神经网络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应用,主要包括交通、环境和能源领域。最后,探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。