知识传播视角下的健康信息普及慕课建设模式研究

为解决图书馆信息服务与慕课建设两者之间交融的问题,推进资源利用与资源服务的均等化、公平性,从知识传播视角出发,基于知识传播要素,根据国内健康信息普及慕课的建设情况与应用效果的调研结果,分析了图书馆健康信息普及慕课的建设模式,并构建了"群众情境交互"的健康信息普及慕课建设模式.该模式具有中心化、场景化、交互化的特点,形成了网状结构的相互关联作用的运转关系,并在正向数据流的动力下围绕数据收集→信息处理→情报分析→知识推荐运作规则实现了健康信息知识的传播.     

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.     

具有自适应电感共享策略的压电能量收集电路设计与实现

针对以电池为能量供给的传感设备必然存在因电池寿命的限制或自身电能的逐渐耗尽而造成的失效问题，提出了一种具有自适应电感共享策略的压电振动能量收集电路，通过将环境中的机械振动能量最大化地转换为电能并供给传感设备使用，可实现传感设备的无电池自获能供电，并大幅延长传感设备的使用寿命。该能量收集电路在原有并联电感的同步开关收集电路结构和buck-boost功率级拓扑的阻抗匹配变换器结构基础上，通过建立“先到先得”的自适应电感共享策略，避免了仲裁器的使用，大幅简化了电路设计，并实现了仅需单一电感的压电振动能量收集系统，提升了系统的集成度。此外，对电感共享造成的竞争给出了详细分析，并在此基础上进一步优化了整体电路，实现了最大功率点追踪算法。采用标准180 nm CMOS工艺，完成了压电能量收集电路的设计工作。仿真结果表明：bias-flip整流器在2 V和3 V开路电压激励下，输出功率分别达到了55.01μW和111.59μW,较传统全桥整流器，分别实现了6.40倍和4.48倍的输出功率提升；引入电感共享策略后，变换器的最大输出功率可达110.04μW,相比于非电感共享策略，电感共享策略下变换器峰值...     

基于信息化知识管理系统的中医拔尖人才培养模式

中医拔尖人才的培养是新时期中医院校和中医医院发展的"核心竞争力",信息化知识管理系统是运用信息技术将名老中医的隐性知识转化为显性知识,利用网络存储、系统开发、资源共享的便捷性探索适用面更广、形式更灵活多样、可操作性更强的中医拔尖人才培养模式.     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

云计算图书馆的大数据知识服务研究

梳理了云计算图书馆的大数据知识服务研究现状,概括了其主要特点,并对5G时代云图书馆大数据知识服务进行展望.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

不饱和类卡宾H_2C＝CNaX(X=F,Cl,Br)的密度泛函理论研究

采用密度泛函理论方法,在B3LYP/6-311+G(d,p)水平上研究了不饱和类卡宾H2C=CNa X(X=F,Cl,Br)的结构.结果表明,不饱和类卡宾H2C=CNa X(X=F,Cl,Br)各有2种平衡构型,其中具有三元环结构的构型能量低,是其存在的主要构型.预言了最稳定构型的振动频率和红外强度.计算得到了最稳定构型分子内氢迁移反应的过渡态.讨论了卤原子对不饱和类卡宾H2C=CNa X的影响.