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.     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

高职生“学习参与度”对创新创业核心素养的影响机制研究

通过对523名高职学生进行实地调研,探析“学习参与度”对学生创新创业核心素养的影响机制。结果显示:课程建设、教师引导、资源支持对学习心理参与度影响显著;教师引导、资源支持、社会实践对学习行为参与度影响显著。学习参与度显著影响创业意识、创新精神、创业能力。提出优化对策:重视学生创新创业核心素养的培养;提高学生创新创业学习参与度;人际互动提升学习心理参与度;协同培育提高学习行为参与度。     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

土壤肥料学实验课程的教学改革与实践

为全面培育卓越农林人才，提高教学培养质量，本研究结合土壤肥料学的课程内容、教学特点及实验方法，对存在的问题进行了剖析，并结合实际针对存在问题做出了相应改革，适时调整《土壤肥料学》实验课程内容和形式。通过删减验证性实验内容，增设综合性实验，传统部分教学内容实现网络化等三方面对该课程的实验课部分进行了改革与实践，以期提高学生综合运用所学《土壤肥料学》的相关知识来解决生产实际问题的能力。     

基于读者满意度调查的图书馆电子阅览室信息服务质量评价与分析——以广州中医药大学第二临床医学院图书馆为例

通过对电子阅览室读者满意度的问卷调查和对调查数据的分析,对电子阅览室服务质量进行了综合评价,旨在进一步完善电子阅览室的各项工作,从而提升读者对图书馆的满意度.     

论高校图书馆员信息素养的培育与提升

随着信息技术的迅猛发展,高校图书馆员信息素养日益成为影响图书馆服务质量的关键因素.从信息素养的含义与特征出发,剖析了图书馆员信息素养的现状,提出了提升图书馆员信息素养的途径和方法.     

现代信息检索理论架构研究

信息作为一种新的资源,对当代经济和社会的发展起着非常重要的作用,如何高效快捷地利用现代信息是当前我国信息检索领域研究的重要问题。阐述了现代信息检索理论架构研究的前提,分析了当前主要的信息检索理论,探讨了网络信息检索的主要方法。     

GIS专业英语教学改革的探讨

在分析GIS专业发展特点、明确GIS专业英语课程设置目标的基础上,探讨了GIS专业英语的教学内容及其教学方法与手段.GIS专业英语的教学内容不能一概而论,教师应根据GIS专业的发展特点及GIS专业英语课程设置目标制定合理的教学内容.在教学过程中,应注重精读与泛读相结合,GIS专业术语学习及"听、说、写"能力的培养.     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。