面向慕课学习者评估的认知反应模型

认知诊断模型从学习者的认知结构出发,建模学习者与试题之间的潜在关系,结合智能算法并根据试题作答结果可评估学习者的知识水平.大多数认知诊断模型是将学习者的高阶能力特征视为单维,忽视了后天努力的影响.为此,本文提出了一种考虑能力特征与努力特征相互补偿的具有二维高阶特征的新认知诊断模型——认知反应模型（Cognitive and Response Model,C&RM）.该模型通过设置能力特征与努力特征相互补偿机制来融合两高阶特征参数以精准建模学习者的知识水平.同时,还构建了知识点弱项特征参数,以综合考虑学习者的知识水平与不同知识点对作答试题的影响,进一步提高模型的解释性和预测精度.采用自建的HNU＿SYS数据集和Math1,Math2,FrcSub公共数据集,通过实验对比分析了C&RM模型、最新的认知诊断模型和经典诊断模型.当数据训练集为70%最佳比例时,C&RM在4个数据集上分别比次优方法提升了6.3%,4.3%,3.3%,5.2%,其预测性能最佳,验证了本文模型的可行性和有效性.     

基于MDRA-net的肺结节良恶性分类方法

CT图像肺结节大小、形状和纹理的多样性,导致肺结节的良恶性诊断十分困难。在三维卷积神经网络的基础上,提出了一种基于多深度残差注意力机制的网络（MDRA-net）,用于良恶性肺结节分类。MDRA-net通过在残差分支上使用特征融合及迭代分层融合的方法,提升了网络对结节位置特征及全局特征的感知能力;此外,结合注意力机制,引入projection and excitation模块,利用空间和通道信息进行校准,进一步提升了网络提取特征的能力。在LUNA16数据集上的实验结果表明,MDRA-net分类模型的肺结节检测准确率达96.52%,灵敏度和特异性分别为93.01%和97.77%,较现有的基于深度学习的肺结节良恶性分类模型有较大提升。     

基于高效全局上下文网络的轻量级烟火检测算法

针对现有烟火检测算法存在的漏检和误检问题,提出一种基于高效全局上下文网络（EGC-Net）的轻量级烟火检测新算法。该算法以轻量级目标检测网络YOLOX为基础网络,将改进的EGC-Net嵌入到YOLOX的主干特征提取网络与特征金字塔网络之间。EGC-Net由上下文建模、特征转换和特征融合3阶段结构组成,用于获得图像的全局上下文信息,建模烟火目标与其背景信息的远程依赖关系,并结合通道注意力机制学习更具判别力的视觉特征用于烟火检测。实验结果表明,本文提出的EGC-YOLOX烟火检测算法的图像级召回率为95.56%,图像级误报率为4.75%,均优于对比的其他典型轻量级算法,且速度满足实时检测的要求。该算法可在安防和消防领域推广,用于实时火灾监控和预警管理。     

基于多尺度混合卷积网络的高光谱图像分类

针对高光谱图像数据分布不均匀、空谱特征提取不够充分以及随着网络层数增加而导致的网络退化等问题,提出一种基于多尺度混合卷积网络的高光谱图像分类方法。首先,使用主成分分析对高光谱数据进行降维处理;接着,利用邻域提取将邻域内的像素点作为一个样本,补充相应的空间信息;然后,使用多尺度混合卷积网络对预处理后的样本数据进行特征提取,并加入混合域注意力机制来加强空间和光谱维中有用的信息;最后,使用Softmax分类器对每个像素样本进行类别划分。实验结果表明：将所提出的模型在Indian Pines和Pavia University两个高光谱数据集中进行实验,其总体分类精度、平均分类精度、Kappa系数分别能达到0.987 9、0.983 3、0.986 2和0.999 0、0.996 9、0.998 6。该算法能够更加充分地提取高光谱图像的特征信息,与其他分类方法相比取得了更好的分类效果。     

基于ZigBee的医院病案信息局域共享模型设计

为实现病案信息资源在各组织部门之间的实时共享,完善医院局域网,设计基于ZigBee的医院病案信息局域共享模型。以NS2平台作为底层共享单元,借助MAC信道访问机制,设置必要的ZigBee设备对象;定义病案信息数据源的递归形式,划分局域网元数据,完善共享服务的实际传输流程。实验结果表明,传输时长可缩短至0.25ms,传输量可增大至8.8×10⁹T,可在建立各组织部门之间病案信息资源实时共享服务的同时,合理完善原有的医院局域网环境。     

基于深度学习的正交频分复用系统信道估计

针对5G系统信号接收子载波间串扰和子符号间干扰问题,提出了一种高效的基于深度学习的信道估计模型。在导频处进行初步估计获得估计信道,并将其视为含噪声的低分辨率图像样本输入信道估计模型,通过学习低分辨率图像与高分辨率图像之间的映射关系,最终去除输入信道的噪声,还原高分辨率信道图像,获得整个信道状态信息。仿真结果表明,该模型不仅延续了传统注意力机制抑制冗余信息的优势,降低了计算开销,还能获得良好的精度和鲁棒性,对各种信道都有较好的估计效果。     

基于注意力机制改进的LSTM空战目标意图识别方法

空战对抗过程中的目标状态数据呈现时序性、多维性等特征,为进一步提升目标意图识别的准确率,提出了一种基于改进注意力机制的长短期记忆网络(LSTM)目标识别方法,将空战可能出现的目标意图识别当成一个多分类问题处理。该方法首先通过目标实时的状态数据,生成特征序列;接着采用注意力机制提升目标的特征学习能力,增强空战过程中的主要目标状态特征表示,得到具有权值分配的特征向量;最后利用LSTM网络对目标特征向量进行训练,通过softmax层实现目标意图的识别。仿真实验表明,该方法利用注意力机制有效增强目标的特征学习,进一步提升了LSTM网络的识别精度,具有一定的科学性和有效性。     

效用驱动的多agent合作机制

提出了一种多agent合作机制,以效用为基础,利用效用函数计算agent在不同任务下与其他agent合作而产生的效用值,以此为依据得到agent对不同合作方式的偏好序列,并选择最大偏好参与合作。通过这种方法, agent 可以主动选择最适合自己的合作方式来完成任务,与此同时,以效用为驱动可以使群体的任务收益达到最优,提高了agent群体的合作效率。最后给出了用于方法验证的多agent原型系统,同时在该系统下证明了合作机制的有效性。     

言论

对,于互联网电视的管理要建立退出机制,对严重违规、屡禁不止的互联网电视集成服务和内容服务机构,实行退出。总局将继续报告并协调解决互联网电视”黑盒子”（未经批准生产的机顶盒）生产、销售问题,还要解决互联网视听节目服务持证机构违规向“黑盒子”提供互联网电视内容的问题。     

高水平篮球运动中意外损伤的机制及原因分析

采用文献资料、问卷、跟踪调查,对高水平篮球运动员损伤的机制及原因进行分析和探究。对在校高水平篮球运动员参与篮球运动所导致的运动损伤原因进行研究分析。并对如何预防及治疗篮球运动损伤提出建议。