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.     

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Sinc插值与相关谱的纵横波速度比扫描方法

在多分量地震技术中，准确地求取出纵、横波速比（γ）是多分量资料处理、反演、解释各环节中的一个重要步骤。由于地下同一层位具有相同的波阻抗比，因此该层位的反射纵波和反射转换波相互关联，纵横波速比与时间比存在相互转化关系。基于Sinc插值算法与相关系数谱分析的纵横波速比扫描方法是通过设置一系列γ，利用Sinc插值算法将纵波拉伸后与转换波进行互相关，当互相关系数达到最大时即可求出相应的γ。理论数据和实际资料的测试，验证了该方法的有效性、准确性和实用性。     

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。     

高温作用后砂岩物理力学性质阈值温度的确定——基于机器学习算法

通过采用机器学习算法，提出了高温作用后砂岩物理力学性质变化的阈值温度的确定方法。基于Python语言，利用K-Means、SVM算法，实现了对样本数据的分类和聚类，确定了阈值温度区间，验证了二分类法的合理性和准确性.结果表明，砂岩样本的阈值温度区间为400~600 ℃，阈值温度上下砂岩的物理力学性质存在显著差异，体现为阈值温度区间以下的岩样物理力学性质较为分散，而阈值温度区间以上的岩样物理力学性质较为集中.     

音序、形序、义序:并存还是取代?——也谈词典词目编排法

按词目的编排方法分,词典可分为三大类:音序词典、形序词典和义序词典。这三类词典各有优点和缺点;它们之间的关系应该是“长期共存,互相补足”,而不是谁取代谁。以此取代彼,没有必要性,也没有可能性。     

论家庭教育中儿童人格的塑造与培养

父母及家庭环境对儿童人格形成与发展具有十分重要的影响。父母要以身示范,营造和睦、健康、向上的家庭氛围。在儿童人格塑造和培养中,要十分重视智力因素的培养,特别注意早期智力与创造力的开发,重视社会适应能力的培养,包括融入集体生活的能力、人际适应能力和环境适应能力等。     

数学教育中的学习方法教育

从教学重点、素材来源、方法例示等方面论述了数学教学中学习方法的培养．     

基于BP网络的反馈控制器设计

针对常规反馈控制器参数在对象时变情况下难以获得最优的问题，利用BP神经网络构成系统反馈控制器，通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型，并利用Lyapunov方法给出了该算法的收敛的条件。将算法应用于循环水温度控制系统表明：该控制器对模型参数不依赖，能有效地适应控制对象参数的变化，系统具有较强的鲁棒性。     

基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．