课程文献中心 更多>>

关键词： 多通道融合   故障诊断   胶囊图神经网络   对称点模式  

摘要： 针对传统电机故障诊断方法依赖专业知识和经验，且在处理复杂数据时精度不高的问题，提出了结合彩色图像融合的对称点模式与多通道融合残差图胶囊网络（multichannel residual fusion graph capsule network，MCFRes-CapsGNN）的电机故障诊断方法。通过对称极坐标变换技术构建雪花图，并结合彩色多通道融合技术整合多传感器信号，生成彩色融合图像，以优化信号特征的视觉表征。利用超像素分割技术将图像划分为超像素块，并依据其纹理、颜色和距离特征构建图结构数据。使用MCFRes-CapsGNN模型对图结构数据进行处理，通过构建胶囊提取图数据特征，有效捕捉数据中的层次结构和复杂空间关系，增强特征学习能力。实验结果表明，所提方法在常规故障类型的诊断上准确率达到98.12%，优于其他智能故障诊断算法。

关键词： 财务困境   函数型Logistic模型   风险预警   变量选择  

摘要： 财务困境是恶化的企业经营状况长期累积结果，基于离散数据的传统预警方法侧重于静态视角测度财务指标引致财务困境的平均作用，忽略了企业财务困境形成的连续演变过程。针对财务指标预警作用的连续时变本征，本文在财务指标函数化基础上，系统拓展融合变量选择的函数型Logistic模型，旨在从过程视角识别有效财务预警指标，并测度其引致企业财务困境形成的时变影响。基于中国A股上市公司的实证分析发现，困境预警的众多财务指标并不都具有显著的预警作用，不同财务指标的预警作用呈现出显著的时段差异。预警效果比较方面，融合变量选择的函数型Logistic模型相较传统预警方法具有显著优势。本文融合变量选择系统拓展了函数型Logistic模型，能够为时变视角预警企业财务困境提供方法支持。

关键词： 图神经网络   神经架构搜索   可微分方法   关系特征   点云   分类  

摘要： 针对现有图神经网络的设计严重依赖于专家知识、图节点之间隐藏的潜在高阶特征容易被忽略的问题，提出了一种基于关系特征的可微图神经架构搜索方法(differentiable graph neural architecture search based on relation feature， DGNAS-RF)。首先，为提高图搜索空间的表征能力，设计了关系特征提取操作，以引导图节点特征的学习。其次，为缓解各候选操作竞争过程中的不稳定因素，利用架构熵正则化策略交替优化可微图搜索空间中的架构参数与网络参数。所提方法在ZINC数据集的图分类任务中达到0.149的平均绝对误差，在CLUSTER数据集的节点分类任务中达到77.0%的平均分类精度，在TSP数据集的边分类任务中达到0.853的F1分数，且在ModelNet10与ModelNet40三维点云数据集上分别达到95.0%与92.8%的总分类精度。实验结果表明，DGNAS-RF方法搜索到的图神经网络明显优于人工设计的网络架构以及GNAS-MP、SGAS和ARGNP等自动搜索方法。

关键词： 广东省   模糊聚类软划分法   降雨   Mann-Kendall趋势检验   设计雨型   气候变化   无资料地区暴雨雨型   洪水预报  

摘要： 【目的】设计雨型作为无资料地区计算设计洪水的重要组成部分之一，对设计洪水的洪峰流量和时程分配具有显著影响。随着气候变化的影响，原有的雨型可能发生变化，需要通过延长水文序列常来，来进一步研究雨型的变化情况。【方法】采用Mann-Kendall趋势检验法和模糊聚类软划分法，选取广东省内的4个典型流域，涉及12个雨量站点的年最大24h和72h的降雨过程作为研究对象。基于指标体系构建模糊等价矩阵，运用模糊聚类法计算得出不同历时下的设计雨型。【结果】结果表明：年最大24h和72h的降雨量在洞冠水流域呈现出增加的趋势，白芒站的年最大24h降雨量变化速率最大，为0.96mm/a；而在榕江北河流域则呈现出减小的趋势，富口站年最大72h降雨量变化速率为-1.25mm/a。同时，各典型流域的设计雨型均呈现出复合型雨峰的特点，且主雨峰在总降雨量中的占比没有明显差异，主要不同体现在降雨的时程分配上。【结论】与《广东省暴雨径流查算图表使用手册》中的设计雨型相比，主雨峰的控制时段发生了改变。研究结果不仅可为典型流域的设计洪水计算提供有价值的参考，同时也为无资料地区的暴雨雨型研究提供思路。

关键词： 复杂机动动作识别   轻量级混合神经网络   多尺度可分离卷积   双向线性自注意力   小波时频图  

摘要： 机动动作的快速准确识别是实现飞行员飞行训练质量自动评估的关键，针对目前不等长度飞行参数的复杂机动动作识别存在精度不足、效率低下以及识别类别有限的问题，提出一种基于小波时频图与轻量级CNN-Transformer混合神经网络的复杂机动动作识别方法。该方法有效结合了小波时频分析在处理非平稳信号方面的优势以及卷积神经网络（CNN）和Transformer在图像分类任务中的强大性能。首先，提出了一种机动动作分割方法以从单架次多维飞参数据中提取机动动作子序列，有效剔除了大量冗余背景动作序列。其次，利用连续小波变换将提取的子序列由多维飞参时序信号转换为包含时频特征的多维度小波时频图，有效解决了机动动作飞参数据长度不一致的问题。进一步，设计了一种用于特征提取的轻量级CNN-Transformer混合神经网络架构ConvBiFormer，通过多尺度可分离卷积和双向线性自注意力机制，有效地捕捉小波时频图中的局部与全局关键特征，并显著降低了模型的学习参数和计算量。在自建的24类真实复杂机动动作数据集上的实验结果表明，与对比方法相比，所提方法具有更高的识别准确率和稳定性，加权平均精确率、召回率和F1分数分别达到97.32%、97.28%和97.28%，同时在计算复杂度、模型推理时间和存储上具有优势。本文首次尝试将小波时频分析和Transformer用于复杂机动动作识别，为该领域研究提供了一种新的思路。相关代码已公开在https://***/bh0011/ConvBiformer。

关键词： N–v   特征函数   世界各地区差异性现状   差异性评价方法  

摘要： 作为区域土理论和方法的核心内容之一，本文开展了区域土N–vs特征函数差异性实证分析及评价方法研究。针对世界上目前拥有的实测N–vs特征函数，提出了差异性定量评价结果，并建立了不同地区N–vs特征函数差异性评价方法。收集整理了13个国家42个不同地区砂土N-vs特征函数和22个不同地区黏土N-vs特征函数，以此构成了1092组对比工况，通过分析揭示了不同地区实测N–vs特征函数差异性的统计学特征及一般规律。结果表明，全球不同地区实测N-vs特征函数大多具有显著及以上差异，其中极显著差异约占1/3以上，工程意义上无差异不超过10%。以41组N–vs函数关系为样本，构建了不同地区砂土和黏土N–vs特征函数差异性概率与差异性等级计算公式，并通过了既有全部数据的检验。本研究结果，从实证角度支持了N–vs函数关系可以作为区域土一种特征函数的概念，并在实证角度使土性质具有区域特征的认识从感性上升到理性，同时也为解析不同地区土性质的差异性提供了技术手段。

关键词： 历史教材   历史图片   家国情怀素养  

摘要： 中学历史课程要落实立德树人任务,注重培养学生的家国情怀,历史教材中的选图则是重要的教学资源之一.但当前中学历史教学过程中,对教材选图的教学应用不够充分,教师未能找到恰当的教学方法引导学生对教材选图进行深入分析.因此,文章针对这些现状探讨了部编版七年级历史教科书中的选图在涵育学生家国情怀过程中的实践策略.

关键词： 异质图   图注意力   节点表示学习   LSTM注意力   社交机器人  

摘要： 现阶段社交机器人已经广泛存在于社交平台,社交机器人的存在使得网络上的舆论环境可以被人为操纵,这样不仅损害了绿色和谐的网络环境,同时也导致人们正常的网络生活受到极大影响。现有的检测方法可以分为基于特征、基于文本和基于图的方法,其中基于图数据的检测方法大多忽略了图中关系的异质性,并且由于图神经网络存在过渡平滑现象而不能进行深度检测。针对这一问题,提出基于多关系图注意力网络的社交机器人检测方法,在训练时首先将不同关系下的子图抽取出来,然后对子图中的节点采用注意力机制进行聚合,在不同关系下进行节点表示学习并得到节点表示,最后利用通道注意力融合不同关系下的同一节点得到节点表示;同时采用基于LSTM注意力的后连接操作让节点可以自适应地选择邻域进行聚合,以此来缓解过度平滑现象。在Cresci15,Twibot20和MGTAB这3个数据集上的实验结果表明,与11个模型中评价指标的最优值相比,该模型的准确率分别提升了0.47%,1.19%和0.38%,验证了多关系图注意力网络进行社交机器人检测的有效性。

摘要： 以思维导图为载体的初中英语写作教学能够提升英语教学活力,保障写作教学质量,高效培养学生的英语核心素养.英语教师应结合初中生的思维习惯,利用思维导图整合写作词汇,夯实学生写作基础,积极加强组词造句,理顺学生写作思路,精心组织写作训练活动,提升学生写作能力.