课程文献中心 更多>>

关键词： 自动驾驶   车辆轨迹预测   驾驶意图识别   多模态轨迹   图注意力网络  

摘要： 针对人工驾驶车辆轨迹的预测难题及对自动驾驶决策的影响,建立基于时空图注意力网络的车辆多模态轨迹预测模型(STGAMT).模型基于车辆的历史信息,对车辆时间和空间维度的特征进行建模.利用二维卷积神经网络识别车辆的横纵向的变道状态信息,将横纵向变道状态信息分别与时空动态交互模块输出信息桥连为横纵向运动特征,采用Softmax函数识别车辆的驾驶意图.利用基于高斯条件分布的GRU网络对轨迹进行多模态轨迹输出.实验结果表明,在短期预测范围内,STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了63.8%和41.0%;在长期预测范围内,STGAMT模型在HighD和NGSIM数据集上的RMSE较其他5个经典模型的平均RMSE降低了62.5%和19.1%.STGAMT模型可以有效提高人工驾驶车辆轨迹预测精度.

关键词： 急性心肌梗死   恶性心律失常   24 h动态心电图   骨膜蛋白   乳糖凝集素-3   预测价值  

摘要： 目的探讨24 h动态心电图联合骨膜蛋白(Periostin)、乳糖凝集素-3(Gal-3)对急性心肌梗死(AMI)后恶性心律失常(MA)的预测价值。方法选择2020年1月-2022年12月皖南医学院第一附属医院心血管内科收治的AMI患者367例为研究对象(AMI组),根据是否发生MA分为非MA亚组(n=286)和MA亚组(n=81)。另选取医院同期健康体检志愿者370例为健康对照组。酶联免疫吸附试验(ELISA)检测血清Periostin、Gal-3水平;多因素Logistic回归分析AMI患者发生MA的影响因素;受试者工作特征(ROC)曲线分析Periostin、Gal-3、24 h QT间期变异性(24 h QTV)、24 h正常心房开始除极至心室开始除极时间间期标准差(SDNN)对AMI患者发生MA的预测价值。结果与健康对照组比较,AMI组血清Periostin、Gal-3水平均升高(t/P=59.225/<0.001、33.141/<0.001);与非MA亚组比较,MA亚组血清Periostin、Gal-3水平及低血钾比例均升高(t/χ^(2)/P=7.602/<0.001、6.049/<0.001、15.167/<0.001);与非MA亚组比较,MA亚组SDNN、24 h QTV、24 h连续5 min正常R-R间期标准差(SDANN-index)、24 h连续5 min正常R-R间期标准差均值(SDNN-index)水平降低(t/P=7.029/<0.001、7.401/<0.001、4.281/<0.001、4.721/<0.001);血清Periostin、Gal-3水平升高是AMI患者发生MA的危险因素[OR(95%CI)=2.163(1.416~3.303)、2.450(1.570~3.823)],24 h QTV、SDNN水平升高为保护因素[OR(95%CI)=0.449(0.264~0.764)、0.430(0.223~0.829)];24 h QTV、SDNN、Periostin、Gal-3单独及四项联合预测AMI患者发生MA的AUC分别为0.791、0.719、0.758、0.744、0.901,四者联合预测的AUC高于单独预测(Z/P=3.916/<0.001、6.101/<0.001、4.888/<0.001、5.764/<0.001)。结论AMI患者血清Periostin、Gal-3水平均升高,24 h动态心电图指标联合血清Periostin、Gal-3预测AMI患者发生MA的效能较高。

关键词： 日常生活   线条韵律   川西女子   白描小品  

摘要： 作品介绍:这组白描小品,以简净流畅的墨线勾勒出三位川西女子的日常生活瞬间。图志三幅专注于线条的韵律与造型的把握,她们一个随性起舞,一个播种生机,一个优雅迎宾。她们的一颦一笑、一举一动,皆蕴含着浓郁的生活气息与朴素之美,体现了中国白描艺术以线造型、气韵生动的核心魅力,也是对川西女性勤劳质朴形象的一份艺术礼赞!

关键词： 路基工程   边坡防护方案   图神经网络   智能决策   路基设计   可解释性  

摘要： 随着数字化改革深入推进与智能化水平不断提高,传统依赖专家经验和历史案例的设计模式正逐步被数据驱动方法所取代。在当前路基工程边坡防护方案设计中,决策主要基于专家经验和历史案例,缺乏相应知识转化机制。如何从大量设计案例中提取并转化知识成为关键问题。针对路基工程边坡防护设计方案的数据特点,提出基于图神经网络的智能决策技术。首先,通过调研大量成熟设计案例,收集和清洗路基设计领域中边坡防护方案数据,并根据专家经验对数据进行规范化处理;其次,结合专家知识构建图本体图神经网络(GNN)对设计数据集进行训练,并验证神经网络对设计结果的预测效果;最后,利用互信息分析图神经网络模型决策过程中的影响因素,并结合实际设计经验揭示其决策逻辑和效果。试验结果表明:(1)GNN在整体路基边坡防护方案数据集中预测准确率达到76.3%,其中常用防护方案准确率可达86.6%;(2)采用互信息算法分析神经网络权重,并结合实际经验进行相关性分析,深入解释决策逻辑,为理解具体设计逻辑提供新视角。本研究可为后续路基工程边坡防护方案智能化设计和决策过程提供重要方法和理论支持。

关键词： 核心素养   建筑施工图   识图与绘图   教学评价   改革思路  

摘要： 文章探讨了核心素养背景下中职建筑施工图识图与绘图教学评价的改革。首先分析了中职学生核心素养的构成,指出中职建筑施工图识图与绘图教学评价存在的问题,包括评价主体单一、评价内容缺乏全面性、评价方法缺乏科学性以及教师信息化教学与评价能力不足等。其次,文章提出了核心素养背景下中职建筑施工图识图与绘图教学评价改革的策略,包括采用多元化的评价主体、设置多维度的评价内容、坚持多样化的评价方法以及提升教师教学评价素养,旨在促进学生全面发展,提高教学评价的有效性和科学性。

关键词： 高中数学   函数教学   数学思想方法   抽象思维   数形结合   逻辑推理  

摘要： 函数在高中数学教学中占有举足轻重的地位,它是数学中既有理论又有实践的核心概念。高中数学教学的内容和方法也随着社会的发展,教育理念的更新而不断更新和完善。传统的数学教学往往注重理念的传授,注重课题的训练,但这样的教学模式容易使学生产生抵触数学的心理,从而影响对学习的效果。因此,针对高中数学函数教学中数学思想方法开展探究,以期能为相关教学人员提供参考。

关键词： 入藏   博物馆馆藏   鉴定评估   浙江安吉   浙江省安吉县   诗画交融   水墨画   螃蟹  

摘要： 2024年6月,浙江省安吉县博物馆入藏了一套安吉籍嘉庆进士郎葆辰的作品《螃蟹水藻图》四条屏。此四条屏经专家鉴定评估后一致认为具有很高的历史、艺术和学术价值,是对安吉县博物馆馆藏又一次极佳的充实。郎葆辰为浙江安吉人,他以独特的水墨画蟹技艺闻名于世,作品诗画交融,平添蟹画意趣,人们甚至以“郎螃蟹”来称呼他。故而,笔者以此四条屏作研究撰文,以飨同好。

关键词： 心血管疾病   心电图技术   诊断   满意度  

摘要： 探讨采用心电图技术对心血管疾病的诊断效果。方法 取就诊病房的心血管疾病者,通过随机方法分为两组。其中28例对照组患者采用的室常规诊断方式,28例观察组通过心电图技术诊断。根据疾病实际检出情况,对不同方式诊断疾病的意义评价,并调查患者满意情况。结果 冠心病检出率、总检出率,观察组均高于对照组,均有显著的差异性(P<0.05)。检查效率指标观察组显著短于对照组,观察组检查费用也少于对照组,指标对比差异显著(P<0.05)。观察组的患者对检查工作总的满意率比对照组明显更高,100.00%高于82.14%,P<0.05。结论 应用ECG技术辅助心血管疾病的诊断具有很好的应用效果,疾病检出率高,并可大大提高检查效率以及患者对于检查工作的满意度。

关键词： 谣言检测   社交网络   潜在热点话题   图神经网络   主题聚类  

摘要： 现有社交网络谣言检测方法大多将社交网络中的单个帖子视为检测目标,存在因数据量不足而导致的检测冷启动问题,影响检测性能。另外,现有方法没有对海量社交网络信息中与检测无关的信息进行过滤,导致检测时延较长,性能较差。在分析谣言的传播特征时,现有方法大多侧重于谣言传播过程中的静态特征,难以充分利用节点间的动态关系对复杂的传播过程进行表征,导致性能提升存在瓶颈。针对以上问题,文中提出了一种基于潜在热点话题和图注意力神经网络的谣言检测方法,该方法采用神经主题模型和潜在热点话题发现模型进行话题级别的谣言检测以克服冷启动问题,并设计了一个基于双向图注意力神经网络的检测模型TPC-BiGAT,分析谣言话题传播过程中的动态特征以进行谣言真实性检测。在3个公开数据集上进行了多次实验证明,该方法在准确率上较现有方法取得了3%~5%的显著提升,验证了所提方法的有效性。

关键词： NPC型三电平逆变器   开路故障   递归图   深度学习   多尺度特征  

摘要： 中点钳位(neutral point clamped,NPC)型三电平逆变器并网工作环境恶劣,IGBT面临单管与双管同时故障的挑战,这使得故障特征之间的差异变得非常微弱,进而导致双管故障的识别精度难以有效提升。为此,提出了一种新的故障诊断方法,该方法结合了多通道的二维递归融合图和轻量化多尺度残差(lightweightmultiscale convolutional residuals,LMCR)网络。首先,通过仿真获取三相电流信号作为故障信号;再利用递归图(recurrence plot,RP)将三相电流信号分别转化为二维图并进行多通道融合,以捕捉时间序列中的周期性、突变点和趋势等特征;最后,将递归融合图作为输入,输入到LMCR模型中进行故障识别,LMCR模型整合多级Inception结构和残差网络,用于提取不同尺度的特征并融合这些特征,从而保证网络的梯度消失和爆炸。实验结果显示,该方法在IGBT故障识别中表现出色,无噪声环境下平均识别准确率达100%,噪声环境中也达到了92.53%,充分证明了该方法具有较强的特征提取能力和优异的抗噪性能。