LIS质量控制管理系统的设计与实现

目的:建立LIS质量控制系统并对其进行完善,提高系统处理信息的准确性和有效性。方法:根据医院的信息处理系统,运用构件式的方法进行开发,用Windows多线程处理技术,并结合有关临床信息,将设备信息和系统信息进行整合,优化其中的工作流程。结果:LIS质量控制系统适用于很多种不同的检验仪器,并可以和它们有效的相互兼容,自动接收、处理信息,并能够生成二维图表,对各种仪器进行实施监控,分析在任意时刻的工作信息,并且稳定性良好。     

小学信息技术课堂中Scratch的应用探索

信息技术发展越来越成熟,应用领域越来越广阔,信息技术在教育领域的应用逐渐深入。在小学信息技术课堂中,各种先进的技术手段逐渐得到应用。Scratch是专门为青少年儿童设计的一款编程软件,与其他的编程软件相比,具有很多优势,符合小学生的特点。小学信息技术课堂的编程教学必须要简单易懂,充满趣味性,能够吸引学生的注意。     

大数据技术在共享单车管理中的应用探析

随着低碳环保的观念逐渐被人们所接受,低碳出行成为人们的选择。共享单车作为解决最后一公里的方式逐渐发展起来。大数据技术的应用逐渐成熟,共享单车的管理中应用大数据技术是时代发展的选择,对其进行研究很有必要。     

盾构设备的监理实践与质量控制

结合3台10m级大直径泥水平衡盾构设备管理和此前数台盾构设备管理工作经验,以其中具有代表性的1台为例,就设备管理过程中工期、质量把控进行梳理,同时针对设备监理的工作范围、工作方法、工作重点进行总结。     

基于优势学习的深度Q网络

强化学习问题中，同一状态下不同动作所对应的状态-动作值存在差距过小的现象，Q-Learning算法采用MAX进行动作选择时会出现过估计问题，且结合了Q-Learning的深度Q网络（Deep Q Net）同样存在过估计问题。为了缓解深度Q网络中存在的过估计问题，提出一种基于优势学习的深度Q网络，通过优势学习的方法构造一个更正项，利用目标值网络对更正项进行建模，同时与深度Q网络的评估函数进行求和作为新的评估函数。当选择的动作是最优动作时，更正项为零，不对评估函数的值进行改动，当选择的动作不是最优动作时，更正项的值为负，降低了非最优动作的评估值。和传统的深度Q网络相比，基于优势学习的深度Q网络在Playing Atari 2600的控制问题breakout、seaquest、phoenix、amidar中取得了更高的平均奖赏值，在krull、seaquest中取得了更加稳定的策略。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.