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.     

基于市场与行业视角的多源信息环境下企业竞争情报服务模式探析

在多源异构信息环境下,研究融合多源信息的情报分析方法是企业竞争情报研究和应用的关键.通过分析不同情报源的特点,结合企业竞争情报服务分析范式框架,分别提出了基于市场与行业视角的多源信息环境下企业竞争情报服务的模式.基于市场与行业两个不同的视角分析企业竞争情报,可以更全面地为企业发展战略提供支撑.     

风险规避型零售商的信息共享价值研究

在市场需求不确定的情况下,利用条件风险估值(CVaR)准则描述零售商的风险规避度对供应链收益的影响,并建立信息共享模型,研究零售商的风险规避度与信息共享价值之间的关系.结果表明,市场需求不确定的情况下,信息共享价值与零售商的风险规避度以及获取得市场信息量有关.数值分析显示,零售商的风险规避度越大,信息共享价值越高;市场需求越不确定,信息共享带来的价值越高.     

城市治理数字化 “一网统管”智能处置道路积水

为了优化道路积水信息监测、强化监管联动部门协同、提高积水事件响应速度、提升积水应急处置效率,上海水务部门通过道路积水处置预报预警、感知发现、报警联动、抢险处置、反馈解除五大环节闭环管理,创新道路积水处置智能化应用,大大提升了防汛排水效率,为探索超大型城市数字化治理新模式起到了示范作用。     

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.     

一种新型聚合物辅助法制备SrCoO3电催化剂及其OER性能研究

提出了一种新型制备钙钛矿的方法-PVA聚合物辅助法,并成功制备了SrCoO_3电催化剂.与其他的合成方法相比,该方法合成时间更短,步骤简洁,便于规模化生产.与传统PEI聚合物辅助法相比,PVA更环保,煅烧过程中无有毒有害气体产生.对SrCoO_3样品进行了XRD和BET表征,并在0.1 mol/L KOH溶液中测量了其OER性能.结果表明,该方法适合大规模合成高性能钙钛矿材料.     

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。