课程文献中心 更多>>

关键词： 可解释性人工智能   故障物理信息   波形分割   信息融合   故障诊断  

摘要： 智能诊断技术是提升装备智能化和可靠性水平重要保障.现有方法大多受“黑箱”特性局限,普遍存在诊断依据与测试信号波形难以直观对齐、事前与事后可解释分析相互割裂的不足等问题,导致决策依据不透明、物理含义不清晰,工程应用受到限制,可解释的智能诊断技术发展迫在眉睫.针对上述挑战,本文提出一种故障瞬态信息嵌入的可解释波形分割诊断框架,基于故障冲击特征的稀疏性与循环平稳性,设计了时域最小熵解卷积模块和频域最小l1/l2范数解卷积模块,实现了微弱瞬态故障信息的自适应增强与噪声抑制;进一步地,构建了双分支X形波形分割网络,融合时域与频域互补特征,实现故障瞬态信息的结构化嵌入与显式分割;为提升模型在复杂工况下的稳定性,引入有监督的类级加权Lovász-Softmax分割约束及无监督的双分支约束,缓解了信号扰动带来的学习偏置.该方法通过结构化分割结果直观呈现诊断依据,并支持基于分割波形构建故障指纹图,实现损伤的定量评估与决策过程的事后可视化追溯.实验表明,该方法在微弱故障识别、损伤定量评估及变工况适应性方面均表现出优越的准确性、鲁棒性与可解释性,为故障智能诊断提供了一种有效、可信的途径.

关键词： 肠道病毒   变异风险   饱和突变扫描   结构稳定性   受体结合力   抗体结合力  

摘要： 目的 肠道病毒A种71型(EV-A71)和柯萨奇病毒A组16型(Coxsackievirus A16, CV-A16)是手足口病和疱疹性咽峡炎等传染病的常见病原体,对儿童造成严重的疾病负担,需要对它们进行持续性地监测、风险评估和预警。方法 本研究首先采用饱和突变扫描这种生物信息学方法,评估结构蛋白上的氨基酸突变对EV-A71和CVA16的结构稳定性、受体结合力和抗体结合力的影响,然后综合这三种表型评估EV-A71和CV-A16的变异风险,最后追踪高风险位点的突变在自然序列中的流行情况。结果 通过饱和突变扫描,研究发现EV-A71和CV-A16分别有24个和25个结构稳定性的高风险位点,EV-A71有17个受体结合力的高风险位点,并确定了EV-A71的三种中和抗体和CV-A16的六种中和抗体的抗体逃逸高风险位点。综合风险评估发现了EV-A71的VP1-219等多个高风险位点,它们突变后增强了多个表型,有利于病毒生存;而另一些高风险位点如EV-A71的VP2-78等突变后会强烈抑制其他表型,不利于病毒生存。突变谱分析发现EV-A71的VP2-144和CV-A16的VP1-215等多个高风险位点已经在自然序列中具有较高突变频率,需要进一步实验验证和加强监测。结论 基于生物信息学的肠道病毒变异风险评估能够为肠道病毒的监测、风险评估和预警提供支持。

关键词： 数据要素   信息资源管理   人才培养   数据资源   数据  

摘要： [目的/意义]数据要素时代,数据作为核心生产要素之一,已成为社会结构的重要组成部分。在新的时代背景下,探讨“信息资源管理学科为何在人才培养中需要以数据要素为驱动力”以及“数据要素如何驱动信息资源管理学科人才培养”两个基本问题,对学科人才培养体系的重构具有理论和现实意义。[方法/过程]基于信息资源管理学科视角明确数据属性与数据赋能依据,阐明数据要素驱动学科人才培养体系重构的合理性与必要性。以数据要素驱动的数字人才三大需求特征为基础,提出学科人才培养体系的重构方向。[结果/结论]面向信息资源管理学科人才培养体系重构的四大核心模块,提出构建“三数一体”的复合型人才培养目标体系,再造以数据资源为主线的专业课程体系,优化数智技术驱动的教学模式,打造适配重构需求的教学资源体系,为新时代的信息资源管理学科人才培养提供参考。

关键词： 数据资产   研发操纵   信息不对称   融资约束   代理成本  

摘要： 随着数据资产在企业资产中占比持续提升,数据资产信息披露的企业治理效应值得关注。基于资源基础理论和信息不对称理论,以2008—2023年中国A股上市公司数据为样本,实证检验数据资产信息披露对企业研发操纵行为的影响及作用机制。研究发现,数据资产信息披露能够抑制企业研发操纵行为,可通过优化信息环境、降低融资约束和缓解委托代理冲突的渠道实现。数据资产信息披露对由非“高新企业身份认定”动机驱动的研发操纵具有显著抑制作用,真实盈余管理动机不会影响数据资产信息披露对研发操纵的抑制效果。企业高科技属性和数据密集度能够增强数据资产信息披露对研发操纵的抑制作用。此外,数据资产信息披露对企业研发操纵的抑制作用在非国有企业、行业竞争水平较低和成长期的企业中更为显著。研究结论拓展了数据资产信息披露治理效应的理论边界,为规范企业数据资产信息披露和治理研发操纵行为提供了实践依据。

关键词： 漏洞检测   图嵌入   多尺度空间图   图神经网络   门控机制  

摘要： 开源生态系统的快速发展加速了软件漏洞的传播,对信息安全构成了重大威胁,基于序列的深度学习方法在建模源代码的结构特征方面存在不足,而现有基于图神经网络的漏洞检测方法存在难以充分融合拓扑结构以及节点特征的问题。为应对这一挑战及解决现有基于深度学习方法的局限性,提出了一种结合多视角图表示与边类型信息的源代码漏洞检测方法(MVGE-Net)。在该方法中,源代码首先被转换为图表示,之后根据图中节点包含语义程度的不同,使用不同的预训练模型获取图嵌入,并从不同视角构建拓扑图、特征图和共享图以捕获互补信息,同时将边类型信息整合到节点特征中以增强模型表示能力。最后,通过轻量级门控机制融合提取的特征,并生成最终的漏洞预测结果。在两个基准数据集上的实验表明,MVGE-Net在准确率、精确率、召回率和F1值上均优于基线模型,其中,在FFMPeg+Qemu数据集上,MVGE-Net比经典基线方法(Devign)提升了9.14、9.13、1.75和5.74个百分点,定性与定量分析均验证了所提方法的有效性。总体而言,MVGE-Net有效克服了现有基于图神经网络方法的局限性,为漏洞检测任务提供了一种更为鲁棒且高效的解决方案。

关键词： 运动成瘾   交互模型   运动成瘾量表   影响因素  

摘要： 运动成瘾是一种以运动行为失控为核心特征,伴随类成瘾症状且显著损害日常生活功能的现象。在运动成瘾的理论中,交互模型具有重要地位,相较交感神经唤醒假说、认知评价假说、四阶段模型及生物心理社会模型等理论更具整合性。交互模型系统阐释了成瘾发展进程中个体与外部因素的动态交互机制,可从个人特质、环境特征、运动动机及压力源等维度解析成瘾的发生路径。运动依赖量表与运动成瘾量表作为运动成瘾的测量工具,为交互模型等理论的实证检验提供了操作化基础。未来研究应聚焦运动成瘾交互模型中多因素动态交互的核心机制,旨在为高风险群体的精准识别、个性化干预策略的制定,提供系统性理论支撑与实践范式,进而实现对运动成瘾的科学防控及健康运动行为的有效引导。

关键词： 采棉机   多模态异常监测   嵌入式物联网   边缘计算   Mesh组网   BIRCH聚类算法  

摘要： 针对传统采棉机监测系统在高温、尘土、电磁干扰等恶劣环境下存在实时性差、误报率高和系统稳定性不足等问题,提出了一种基于“边缘-雾-云”三级协同架构的智能多模态异常监测系统。该系统在边缘层集成嵌入式芯片和多传感器采集节点,采用球状数据压缩与FPGA加速技术,可实现95%以上数据在边缘侧本地处理,显著降低了系统整体延迟与后端通信负载;在雾层引入S-TARBIRCH聚类算法,通过时空自适应半径机制实现动态工况中突变异常的高灵敏度识别;在云端部署门控LSTM与空间聚类特征融合模块,实现时间预测与空间模式联合建模。监测系统基于Mesh组网自组网拓扑,具备鲁棒抗扰与动态路由能力,适配采棉机在棉田作业场景移动部署的需求。在新疆乌鲁木齐实地试验时采集72 h数据,验证系统对12类典型异常工况的准确检测能力,结果表明:本系统F1-score达92.0%,平均延迟降至20.1 ms,具备高效、稳定、低功耗的工程实用性,同时在保障采棉机作业连续性和设备安全性方面具有较大的工程应用价值。

关键词： 新工科   地方本科院校   电子信息   OBE理念   人才培养模式  

摘要： 新工科背景下,地方本科院校电子信息类专业需创新人才培养模式以服务地方经济发展。湘南学院电子信息科学与技术专业以OBE理念为指导,针对课程体系与产业需求脱节、培养过程与工程能力要求存在差距、“三融”协同不畅等问题,构建四维映射课程体系,实施三化进阶培养模式,建立三位一体协同机制,并通过常态化校企信息互通形成人才培养质量闭环。实践表明,改革有效提升了学生工程实践能力与岗位适配度,为地方本科院校提供了有益参考。

关键词： 标记增强   样本相关性   标记分布   标记无关信息  

摘要： 针对标记增强中标记无关信息干扰标记分布精准恢复的问题,提出一种基于信息选择的标记增强方法(LEIS).该方法通过信息选择网络与恢复网络协同工作:前者融合特征重构与图正则化损失,滤除无关信息,提取标记相关特征;后者通过分布重构损失,基于该特征精准恢复标记分布.整个模型以标记相关特征为耦合桥梁,通过端到端的梯度反向传播进行联合优化,使信息选择与分布恢复两个过程共同优化.在多个基准数据集上的实验结果证实,LEIS相较于多种主流方法展现出更优且稳定的恢复性能,体现了其有效性与竞争力.

关键词： 车网互动   双重不确定性   信息缺口决策理论   需求响应   日前定价  

摘要： 在新型电力系统与电力市场深度融合的背景下,车网互动(vehicle-to-grid, V2G)聚合商在日前运营中同时面临系统侧结算电价波动和用户侧响应行为随机的双重不确定性。然而,现有研究多基于单一不确定源假设,难以在缺乏完整信息的条件下兼顾经济性与鲁棒性。针对这一问题,本文提出一种基于信息缺口决策理论(info-gap decision theory, IGDT)的V2G日前鲁棒定价策略,为聚合商在不完全信息环境下提供收益保障型的定价与报量决策支持。所提模型在收益最大化目标下,构建了耦合用户心理感知与收益预期的非线性参与行为机制,并利用McCormick包络将非确定性优化转化为混合整数线性规划以提高求解可行性。算例结果表明,聚合商与用户的收益分成比例存在最优区间,所提方法在不增加激励成本的前提下可显著降低偏差罚占比并提升净收益。该策略有效平衡了收益与风险,为V2G聚合商在信息不足环境下的稳健运营提供了新的决策框架。