课程文献中心 更多>>

关键词： 阿尔金断裂   欧亚板块   地壳变形   左旋走滑   走滑断裂系统   阿尔金山脉   青藏高原  

摘要： 新生代印度—欧亚板块持续碰撞导致了青藏高原的隆升及陆内大型边界断裂的形成(Yin and Harrison,2000).阿尔金断裂系是地球上规模最大的走滑断裂系统之一(Molnar and Dayem,2010),长1600 km,由NEE走向的阿尔金左旋断裂和北侧的北阿尔金断裂以及两断裂之间夹持的菱形阿尔金山脉组成(Cowgill et al.,2003).作为青藏高原北缘主控边界,阿尔金断裂系统在印度—欧亚板块碰撞过程中对高原地壳变形起到了重要的调节作用.一种观点认为阿尔金断裂表现为左旋走滑运动,而北阿尔金断裂表现为逆性质为主,左旋走滑量有限,小于30 km(Yue and Liou,1999;Yue et al.,2004).另一种观点认为,阿尔金断裂与北阿尔金断裂均为左旋走滑断裂,且北阿尔金断裂的左旋位移量超过120 km(Cowgill et al.,2000,2003;Yin et al.,2002).近年更有研究认为北阿尔金断裂在中新世中期由左旋走滑转变为逆冲断裂(Gao et al.,2022).

关键词： 全科医学   Murtagh安全诊断策略   思维导图   全科临床思维   乏力   抗中性粒细胞胞浆抗体相关性肾小球肾炎  

摘要： 全科教学门诊是培养住院医师规范化培训(简称住培)全科医生临床思维、提升全科诊疗能力的重要培训方法。本文用1例以乏力为主要表现的患者为教学案例,介绍全科教学门诊中采用澳大利亚著名全科医学专家John Murtagh提出的Murtagh安全诊断策略启发住培全科医生对乏力进行诊断与鉴别诊断:(1)引起乏力的常见疾病有哪些?(2)哪些重要疾病是不能忽视的?(3)乏力有什么容易被遗漏的疾病?(4)是否存在潜在的容易被掩盖的疾病?(5)患者是否有话没有说?结合病史、体格检查和实验室检查结果初步诊断为抗中性粒细胞胞浆抗体相关性血管炎引起急进性肾小球肾炎可能性大,及时转诊,肾病理检查确诊乏力的病因为抗中性粒细胞胞浆抗体相关性肾小球肾炎,取得满意疗效。带教老师基于Murtagh安全诊断策略帮助住培全科医生构建乏力鉴别、分析的系统知识框架,从而提升住培全科医生的临床逻辑思维能力和解决临床实际问题的能力;以思维导图为辅助工具,将Murtagh安全诊断策略诊断与鉴别诊断思路可视化、形象化,优化教学效果。

关键词： 区间毕达哥拉斯犹豫模糊集   风险偏好   得分函数   多属性决策  

摘要： 针对属性权重已知、评价信息为区间毕达哥拉斯犹豫模糊数的多属性决策问题，对区间毕达哥拉斯犹豫模糊集的得分函数进行深入分析，考虑决策者的主观态度对决策结果的影响，提出一种基于风险偏好因子的新得分函数.首先，介绍区间毕达哥拉斯犹豫模糊数的基本定义和相关运算，考虑决策者在面临风险时的不同主观价值感受，进而通过引入风险偏好因子提出新的得分函数和排序准则.其次，给出新得分函数的取值范围、最值和单调性等性质并进行证明.最后，基于该得分函数给出一种全新的TOPSIS多属性决策方法，并通过解决实际问题检验该方法的可行性、实用性和有效性.区间毕达哥拉斯犹豫模糊数得分函数的改进丰富了多属性决策理论.

关键词： 思维导图   历史   初中   教学方式  

摘要： 在初三历史紧张的中考复习中,我们要把这些分散的、相对孤立的历史事实、历史概念和历史结论纳入一个完整的学科体系中,形成一个整体,即构建一幅"知识全景图",形象直观地体现出章节内容的层次结构和相互关系,思维导图的应用恰好轻松快捷地实现了这些功能.教师不仅可以掌握知识的全局,还可兼顾知识的细节,不仅可以有助于学生正确认识历史发展的规律,增强他们的记忆力,还能培养他们全面认识问题、分析问题的能力.

关键词： 强化学习   时序抽象   Option框架   兴趣函数   Option-Critic算法  

摘要： Option框架作为分层强化学习的一种常用时序抽象方法，允许智能体在不同的时间尺度上学习策略，可以有效解决稀疏奖励问题. 为了保证Option可以引导智能体访问更多的状态空间，一些方法通过引入基于互信息的内部奖励和终止函数来提升Option内部策略的多样性. 但这会导致算法学习速度慢和内部策略的知识迁移能力低等问题，严重影响了算法性能. 针对以上问题，提出基于兴趣函数优化的多样化Option-Critic算法（diversity-enriched Option-Critic algorithm with interest functions，DEOC-IF）. 该算法在多样化Option-Critic算法（diversity-enriched Option-Critic，DEOC）的基础上，通过引入兴趣函数约束上层策略对Option内部策略的选择，既保证了Option集合的多样性，又使得学习到的内部策略可以关注状态空间的不同区域，有利于提高算法的知识迁移能力，加快学习速度. 此外，DEOC-IF算法引入一种新的兴趣函数更新梯度，有利于提高算法的探索能力. 为了验证算法的有效性和知识迁移能力，分别在4房间导航任务、Mujoco和MiniWorld实验环境中，将DEOC-IF算法与其他最新算法进行对比实验. 结果表明，DEOC-IF算法具有更好的性能优势和策略迁移能力.

关键词： 磁共振图像   超分辨率   扩散模型   频域   条件图像  

摘要： 磁共振成像是临床诊断中应用最广泛的成像方式之一。然而，受到扫描设备成本和扫描时间的限制，要获取高分辨率的核磁共振图像相当困难。近年来，为了提高图像质量，扩散模型被应用于超分辨率技术。目前，已有的研究工作中模型推理效率低下且未充分提取高频特征，使得重建出的效果差强人意。针对此问题，构建了一种高效的磁共振成像单图超分辨率扩散模型ResDM。在该模型中，使用预训练好的超分辨率模型来提供给定低分辨率图像的条件图像，然后将噪声引导到高分辨率图像与条件图像之间的残差空间，为了加快模型推理速度，使用去噪扩散隐式模型结合U-Net结构，以获得生成速度快且良好的效果；此外，引入基于频域的损失函数和注意力机制以促进其恢复高频细节信息；最后，在HCP，BraTS2019和FastMRI三个公共数据集上进行实验，采用两种图像客观评价指标进行评估。结果表明，所提方法与7种已有的图像超分辨率重建方法相比，在上采样因子为×4的情况下，在三个数据集的PSNR和SSIM上取得平均2.24 dB和0.06的增长，获得了分辨率更高且细节信息更丰富的磁共振图像，并给出了相应的可视化结果。

关键词： 综合相似度   基于对数的距离函数   权重   群共识   TOPSIS法  

摘要： 概率犹豫模糊集能精准地描述方案相对于属性取值的犹豫性概率分布，因而在决策分析中占有重要地位。在多属性群体决策中，利用方案间的相似性和距离函数，可以依据方案的代表性的强弱进行有效排序。若结合现有的排序结果，还可改进最优方案。为此，本文探讨概率犹豫模糊系统中基于代表性强弱的多属性群决策问题。本文首先提出了基于对数的距离函数，并利用余弦相似度与杰卡德相似系数构建了综合相似度。然后，利用基于对数的距离函数改进专家的客观权重，并与主观相结合计算专家的综合权重。同时在群共识的基础上，针对代表性提出了基于相似度均值的综合决策矩阵的正、负理想解。并结合基于对数的距离函数计算属性权重。最后，利用贴进度法给出群共识下基于代表性强弱的备选方案的排序方法。在实例验证环节，与传统多属性群决策模型进行对比分析，验证了将本文所提出模型的可行性和有效性。同时本模型的结果与传统排序相结合可以得到最优方案选择。

关键词： 推荐系统   对比学习   数据增强   流行度偏差   图神经网络   协同过滤  

摘要： 传统的基于对比学习的推荐模型通常首先对原始交互图进行数据增强，然后尽可能提高不同视图编码后的表示一致性。虽然这种方法已被证明是有效的，但最近的研究发现，由于图数据中节点的边遵循幂律分布，图增强往往会引入对比学习不利的偏差。此外，图结构的扰动使得处理大规模数据集变得计算密集，限制了基于对比学习模型的灵活性。为了应对这些挑战，提出了一种高低方差分离的特征增强方法HLVS，该方法不仅避免了对图结构的直接扰动，还减轻了传统特征扰动方法中存在的语义偏差问题。同时，为了缓解推荐系统中的流行度偏差问题，在主任务中引入了流行度指标，并设计了一种新的损失函数PBPR，以实现对热门与冷门节点表示的平衡。最后，通过整合对比学习、HLVS和PBPR，设计了一种轻量且无参数的图对比学习框架XSGCL，可以自然地集成到推荐模型中，以提高训练效率和性能。通过在五个公共数据集上的广泛实验，证明了将XSGCL集成到LightGCN后，不仅显著提升了训练效率，并且相较于先进模型具有更好或者相当的性能。例如在Yelp2018数据集上，相比于LightGCN，本文提出的模型训练效率提升了91.2%。在Alibaba-iFashion数据集上，Recall@10和NDCG@10指标分别提高了32.21%和33.73%。

关键词： 脑机接口   运动想象   功能性近红外光谱   动态图卷积神经网络   时间卷积网络  

摘要： 本文提出一种基于动态图卷积和时间卷积的深度学习模型,用于联合分析脑电图、功能性近红外光谱多模态信号,以实现空间信息和时间信息的互补.具体为:首先利用锁相值方法分别确定脑电图、功能性近红外光谱通道间的图结构信息.其次将经过预处理的脑电图和功能性近红外光谱数据分别输入卷积层.再次将这些由卷积层输出的特征信息和图结构信息输入动态图卷积神经网络进行处理.进一步通过一层时间卷积分别提取两种数据的时间特征,将输出结果进行拼接输入至一层卷积中进行特征层面融合.最后通过全连接层得到融合后的分类结果.为评估提出模型的性能,采用三个数据集:A、B、C进行测试.实验结果表明:本模型在三个数据集的分类结果分别为78.45%、86.60%、84.77%,均优于脑电图分类结果75.09%、82.53%、83.08%和功能性近红外光谱分类结果63.82%、57.67%、69.38%.消融实验亦验证了本模型具有较强的鲁棒性.

关键词： 模型预测控制   输出反馈   鲁棒控制   终端约束集合  

摘要： 针对包含有界干扰和噪声的约束线性时不变系统,本文研究椭圆型管道(Tube)的输出反馈鲁棒模型预测控制(RMPC)中终端约束集合设计方法.针对离线终端约束集合,通过构建闭环标称系统不变集合,以及施加终端约束集合体积上界约束,设计了不同大小的终端约束集合.针对在线终端约束集合,分别考虑实时优化和放缩终端约束集合.在线输出反馈RMPC优化中,实时估计误差和控制误差约束在时变鲁棒不变集合内,然后通过滚动优化求解标称控制输入序列驱使标称系统状态向不同类型的终端约束集合内收敛.此外,比较分析了不同类型终端约束集合对在线输出反馈RMPC优化计算量、可行性、以及控制性能的影响.