基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

人才吸引力因素与政策工具契合关系研究以河北省为例

人才是第一资源,人才引进培养是经济社会发展的一个关键,近年来我国各地纷纷出台吸引人才的重磅政策.为探求人才政策工具对人才的吸引力情况,在构建人才吸引力因素理论模型基础上,通过对178位人才问卷调查获得人才吸引力关键因素,对河北省163份人才政策文本进行数据挖掘,分析政策工具与人才吸引力因素的契合关系.研究得出创新氛围、人才培训培养、人才激励评价、创新创业支持、人才服务和薪资待遇等方面契合度高,政策效果较佳;工作场所仪器设备条件、配偶子女安置和住房补贴的契合关系为政策不足,应加大政策制定;人才载体和医疗社会保障的契合关系为政策冗余,需加强政策实施.     

多重网络中的创意扩散模型研究

基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.     

共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

2017—2019 年北京地区实验动物质量抽检结果分析

摘要:目的 比对分析 2017—2019 年北京地区实验动物微生物及遗传质量监测结果,为实验动物产业发展提供参考。 方法 按照国家和地方现行实验动物检测标准,对北京地区实验动物生产单位进行抽检,并发布检测报告。按照报告数据,对此阶段小鼠、大鼠、豚鼠、地鼠、兔、犬、猴和小型猪共 8 个品种的实验动物按照品种、等级、单位等进行分类,分析质量问题,并与 2014—2016 年同期实验动物质量比对,分析变化趋势。 结果 2017—2019 年分别抽检动物 144、131 和 135 批次,检出不合格批次分别为 30、15 和 17 批。 不合格主要因素为兔、犬及猪免疫不达标(20 批) ,病原感染 20 批,未发现遗传变异。 与 2014—2016 年同期相比,未检出遗传问题相同,免疫不达标状况好转,但病原感染出现上升。 结论 通过质量分析比对,能够为实验动物产业健康发展提供数据支持。     

改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下，为了避免或减少钻井事故的发生，达到优质快速钻井的目的，选择合适的钻井液体系至关重要。基于案例推理（CBR，Case-Based Reasoning）的钻井液设计中，钻井液体系由岩性、井型和井深等属性推理得出，但属性权重的分配会对推理结果产生显著的影响；遗传算法在优化属性权重时，存在收敛速度慢、收敛精度低的缺点。针对上述问题，提出一种解决CBR中属性权重分配问题的改进遗传算法。首先，对遗传算子进行改进：选择算子方面，利用指数尺度变换法优化个体选择；交叉算子方面，对算术交叉中的比例因子进行自适应调整；变异算子方面，改进个体变异方向，保持种群多样性。其次，从个体适应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后，通过对UCI数据集的对比实验，证明了改进后的遗传算法能改善全局收敛性能，提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中，实验结果表明，所提方法能够优化属性权重的分配，进而提高钻井液设计的质量。     

大学生童年受忽视经历对自尊的影响:应对方式的中介作用

为研究大学生在童年时受到忽视与自尊水平、应对方式之间的关系,采用方便抽样法,向430名学生发放童年受忽视量表、简易应对方式量表和自尊量表,使用统计软件SPSS17.0进行数据整理与分析,结果表明,大学生在童年时受到的忽视与自尊、处理应对的积极方式是负相关关系(r=-0.164,r=-0.246,P<0.01),忽视与消极应对方式呈正相关关系(r=0.152,P<0.01);自尊与大学生采用积极的应对方式呈正相关关系(r=0.398,P<0.01),与采用消极的应对方式呈负相关关系(r=-0.217,P<0.01);不同的应对方式在面临忽视与自尊之间起着协调作用,积极应对方式的协调效果有29.4%,而消极应对方式的协调效果则只有12.6%,差距十分明显。因此,大学生在童年时受到忽视与自尊、不同的应对方式会收到完全不同的协调效果。     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性，建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束，钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标，建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例，采用实际数据验证所建立的方法，并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法，在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明，钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力，尤其是干道直行机动车的通行能力，可降低车辆的平均延误。