基于哑变量回归和混合效应的杉树树高-胸径模型

为了精确预测杉树人工林的潜在生产力,以江西省青原山杉树人工林为研究对象,基于最小二乘法构建杉树树高-胸径的基础模型,在此基础上分别加入地形因子的哑变量和地形因子的混合效应,构建基于哑变量回归和混合效应的杉树树高-胸径模型,并利用决定系数和均方根误差评价模型的拟合效果,比较2种模型的精度。结果表明:杉树树高-胸径的关系随坡度、坡向的不同存在一定的差异;线性混合效应的回归预测模型精度高于哑变量回归模型和基础模型的,其中基础模型的决定系数、均方根误差分别为0.604、 2.595,哑变量回归模型的决定系数、均方根误差分别为0.652、 2.443,混合效应模型的决定系数、均方根误差分别为0.659、 2.364;与基础模型相比,基于线性混合效应的杉树树高-胸径模型的精度更高,决定系数增大了5.4%,均方根误差减小了8.9%。     

2022年度农业科技突破 农业科技是农业发展的第一推动力

<正>随着农业科技的进步,2022年我国科学家们完成了水稻、玉米、蔬菜等作物高产高效的科技创新,实现了牛、羊等畜禽品种的育种新突破,不仅攻关主要农产品核心技术,也完成了多项科技成果转化。农业科技是农业发展的第一推动力。随着农业科技的进步,2022年我国科学家们完成了水稻、玉米、蔬菜等作物高产高效的科技创新,实现了牛、羊等畜禽品种的育种新突破,不仅攻关主要农产品核心技术,也完成了多项科技成果转化。     

基于生成式对抗网络的自监督多元时间序列异常检测方法

异常检测是数据挖掘的重要研究方向之一.工业设备的各项指标以多元时间序列的形式被传感器监测,多元时间序列的异常检测对保障安全和提高服务质量至关重要,但是异常的定义相对模糊,具有异常标签的数据很稀少.此外,多元时间序列具有复杂的时间依赖性和随机性,使异常检测存在许多问题.提出CPCGAN模型,使用自监督学习的方法对多元时序数据进行异常检测.首先使用对比学习的方法得到多元时序数据的表示向量,再将具有先验信息的表示向量作为输入用来训练生成式对抗网络,通过生成式对抗网络的重构误差来确定异常.在五个数据集上与五种无监督异常检测方法进行对比,实验结果证明提出的方法能有效地检测两类异常,并且,在大多数数据集上的表现更好.     

基于弱监督学习的细节三维人脸重建

人脸细节特征(如皱纹、沟壑等)在表达情感信息和提高模型真实感上起着重要作用,然而目前大多数细节重建算法忽略了人脸细节的复杂特性,以单一方法提取细节,无法兼顾细节重建质量和鲁棒性。为此,本文提出了一个基于弱监督学习的重建算法,使用基于三维人脸形变模型的粗略模型和UV空间的位移贴图来表示细节人脸。为提升网络的细节提取能力,在细节生成部分将人脸细节分为表情相关细节和表情无关细节,并根据两种细节的不同特性分别设计细节生成网络。为进一步提升重建细节的质量,设计了一组针对细节重建的多层级损失函数。最后在大量无标签的二维图像中以弱监督方式学习,实现基于单张图像的细节三维人脸重建。大量实验结果表明,本文算法在鲁棒性和细节重建质量上均有较好的表现。     

一种用于射电天文图像重建的自适应尺度算法

为了解决在成像过程中反卷积点扩展函数所带来的模糊效应,提出一种新的图像重建算法.新算法利用高斯函数分解模型,能够有效解决基于Delta函数分解模型所引起的问题,并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试,并与现有的2类图像重建算法进行比较,结果表明,新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题,能对图像进行更加精确建模,具有更好的图像重建性能.     

大力实施农业品种，技术，知识更新工程全面推进农业产业结构调整

当前，我市农业进入了一个新的发展阶段。随着人民群众收入和生活水平的提高，市场对农产品的需求多样化和优质化的趋势加快，农产品的供给从长期短缺转向供需基本平衡，部分农产品甚至出现了结构性过剩。在新的形势下，实现农业结构优化调整和农产品升级换代，关键在于走科教兴农之路。正如江总书记在去年视察江苏时指出：“沿海地区的农业要在现有基础上再提高一步，上新台阶，必须在科学技术上取得新的突破。我国实现农业现代化，必须大幅度提高农业的科技含量，提高科技对农业增长的贡献率，把农业发展真正转到依靠科技进步和提高劳动者…