高等职业教育产教融合政策工具 分类及优化路径--基于2010—2019年国家政策文本的量化分析

产教融合是现代职业教育体系构建的重要内容,政府应采取有效的政策工具加以推进。基于政策工具分类视角,将我国国家层面颁布的高等职业教育产教融合政策划分为供给面、需求面和环境面3类政策工具。通过对2010—2019年69份313条政策文本的量化分析,可视化展示3类政策工具占比情况。结果显示:供给面政策工具占据主导地位,需求面政策工具功能彰显,环境面政策工具作用稳定,但也存在供给面政策工具投入长、压力大,需求面政策工具引导多、示范少,环境面政策工具执行力不足、落地难等问题。“十四五”时期,需要以精准改革为核心完善供给面政策工具,借助其示范性引领作用促进产教双方深度融合,打破组织性壁垒,加大环境面政策执行力度。     

Exendin-4螺旋结构对生物活性及稳定性的影响

针对Exendin-4的螺旋结构特点, 采用去掉螺旋序列、 用3个连续Ala替换螺旋以及Gln13替换为Tyr13的方式对N端α-螺旋及C端α-螺旋进行改造, 设计出4个结构模拟物. 通过圆二光谱和荧光光谱进行结构分析, 结合模拟物生物活性实验, 分析Exendin-4螺旋结构与生物活性的关系. 结果表明：  Exendin-4的N端螺旋比C端螺旋对生物活性影响更大； 在抗二肽基肽酶（DPPⅣ酶）的稳定性实验中, C端螺旋比N端螺旋具有更好维系Exendin-4稳定性的作用； 螺旋结构中Tyr13可作为提高Exendin-4生物活性的重要优化位点.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

2020年细胞力学热点回眸

 概述了2020年细胞力学研究的热点和进展，探讨了细胞膜表面张力、细胞粘附力、细胞弹性模量、细胞与纳米颗粒相对刚度等对细胞生物学行为的影响及其在疾病诊疗中的应用。     

基于极化单脉冲雷达扩展目标角度估计方法

当单脉冲雷达受到箔条质心干扰时, 将视为波束内存在两个不可分辨的目标, 由于目标和箔条干扰回波混叠耦合, 导致单脉冲测角偏差, 最终致使目标跟踪丢失。对此, 利用宽带单脉冲雷达测角精度高的优点和极化信息, 提出一种基于极化单脉冲雷达的扩展目标角度估计方法。首先，分析宽带单脉冲雷达体制下箔条质心干扰的特点, 给出扩展目标双极化和差信号模型。然后, 根据和、差通道极化回波信号, 通过联立方程组, 估计出目标和箔条干扰的到达角(angle of arrival, AOA), 为后续利用目标角度信息跟踪目标提供条件。最后，通过蒙特卡罗仿真实验分析关键参数对目标角度估计性能的影响, 并与传统单脉冲雷达体制的测角方法进行比较。理论分析和仿真实验表明, 在质心干扰条件下, 宽带单脉冲雷达估计目标AOA的性能要优于传统单脉冲雷达。     

王安忆创作主题的多元呈现

王安忆的创作风格跟随时代的变化而发生变化,将王安忆作品与社会文化背景相结合,从“雯雯系列”、寻根文学、先锋文学、女性文学、城市文学五个主题的变化中,既体现出对潮流的追随,又执着地坚守着自己的本心。她的创作不仅是自我的突破,而且真实地反映了时代的变迁。     

基于共价有机框架的仿生光动力学治疗试剂的构建

共价有机框架（COF）是一类新兴的多孔有机聚合物，因其具有较大的比表面积、有序的孔道结构以及良好的生物相容性，已成为具有潜力的纳米药物载体.制备了基于COF纳米颗粒的仿生纳米复合物，负载光敏剂孟加拉玫瑰红（RB），并包裹癌细胞膜（CMV）对该复合物进行仿生修饰.结果表明：制备的COF/RB@CMV纳米复合物具有良好的生物兼容性，能够被肿瘤细胞有效摄取，并在光照激活条件下产生对细胞具有高毒性的活性氧化物（ROS），进而起到了杀伤肿瘤细胞的作用.提出了一种新的基于COF的仿生纳米平台用作光动力学治疗（PDT）试剂.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

追踪物理学中的跨领域模因

以美国物理学会旗下期刊2000—2019年发表的论文和Web of Science论文摘要为基础，用模因短语刻画知识，构建模因关系网络并引入跨学科测度Rao-Stirling指数以计算模因的跨领域分数，从而追踪物理学中的跨领域模因。分别从网络拓扑结构指标、跨领域测度指标和专业术语对比3个方面进行验证，证明了所提的模因关系网络和模因的跨领域分数可以有效反映知识在不同领域间的扩散现象。