课程文献中心 更多>>

关键词： 信息准确性   媒体知名度   框架效应   信息源   国家好感度  

摘要： 公众在判断新闻信息可靠性时，往往受到信息源知名度、信息准确性以及自身政治倾向、政治知识水平等多种因素的影响。以国家好感度调查统计结果为实验素材，对六个国家的网民开展调查实验，分析媒体知名度与信息准确性如何影响受众对信息的认可度发现，相比媒体知名度和受众主观因素，信息准确性在受众判断新闻可信度和形成认知结果的过程中发挥更为关键的作用。当媒体知名度与信息准确性不一致时，受众更倾向于依据新闻内容是否符合事实进行判断，而非依赖媒体知名度。同时，政治立场、民族主义情感和政治知识水平等受众属性对信息认可度和判断结果的影响较为有限。新闻内容质量是影响公众信息认知和媒体信任的重要基础，高质量信息是提升中国媒体国际传播效果和公信力的关键。

关键词： 汽车工程   轨迹预测   物理信息约束   深度学习   车辆跟驰   联合损失函数  

摘要： 为提升高速公路车辆纵向轨迹预测的精度与物理合理性,提出一种融合物理信息约束的Informer轨迹预测模型(PⅡ-Gipps)。首先,构建双路径结构,数据驱动分支利用Informer编码器提取车辆轨迹的长时序依赖特征,物理约束分支通过可微分Gipps模型计算符合跟驰规律的轨迹参考;其次,设计物理-数据联合损失函数,以协同优化数据驱动与物理模型的参数;最后,通过该损失函数引导模型训练,融合双分支输出以生成符合运动学规律的轨迹序列。实验结果表明,在NGSIM数据集上,PⅡ-Gipps模型的预测误差在所有对比模型中均为最低。其在3秒预测时域的均方根误差为1.18m,较纯数据驱动的模型精度提升47.6%,较传统物理模型精度提升62.3%。

关键词： 水锤   PINNs   管道   压力预测   LAAF  

摘要： 为提升管道系统中的水锤波压力变化过程的预测精度，提出基于物理信息神经网络（Physics-Informed Neural Networks， PINNs）的管道瞬变流动压力预测框架，将连续性方程与动量方程嵌入神经网络损失函数，利用自动微分求解偏微分方程，从而实现有限标注数据条件下的高精度压力模拟。同时在传统局部自适应激活函数（Locally Adaptive Activation Function， LAAF）的基础上加入了可学习的偏移参数β，并结合小批量梯度下降策略提高了模型预测的稳定性和精度。数值算例验证分析表明：本文提出的模型能较好地捕捉水锤压力特性，在预测精度方面显著优于Baseline模型与LAFF2模型，相对L2误差分别降低了37.23%和23.83%。此外通过波速敏感性分析、多初始流速工况验证及泛化性分析表明，改进模型具有更强的泛化能力与鲁棒性，可为工业管道系统的压力监测提供新手段。

关键词： 自旋动力学   物理储备池计算   信息处理容量   任务自适应  

摘要： 物理储备池计算由于无需复杂矩阵计算而成为高效、低成本神经形态计算系统设计的前沿方向之一，目前，制约其发展的关键挑战在于如何通过单一物理储备层架构实现复杂计算任务的自适应调控。本研究设计了基于电流驱动辐射状磁涡旋纳米振荡器的物理储备层架构方案，通过小电流优化磁涡旋核半径响应的线性弛豫动力学，在混沌时间序列预测任务中获得了归一化均方误差（NMSE）最优值低至0.06；而通过大电流驱动磁涡旋核半径响应的非线性弛豫动力学，可以有效提升手写数字识别任务的准确率最高达97.8%。进一步，量化分析了非线性自旋动力学的弛豫特性、物理储备层的信息处理容量等关键参数，并探讨了其与不同计算任务性能之间的潜在关联，为实现高能效、快速响应、低成本的物理储备池计算多任务自适应调控提供了可参考的设计依据。

关键词： 肺炎链球菌   肺炎链球菌组氨酸三联体蛋白D   生物信息学   结构   B细胞表位   T细胞表位  

摘要： 目的 应用生物信息学预测分析肺炎链球菌（简称肺炎球菌）组氨酸三联体蛋白D（pneumococcal histidine triad protein D， PhtD）的理化性质、结构、抗原表位和功能等。方法 通过NCBI数据库获取PhtD蛋白的氨基酸序列，再分别应用ProtParam、Protscale、SignalP-6.0、DeepTMHMM-1.0、SOPMA、NetSurfP-3.0、SABLE、SWISS-MODEL、PSORTb v3.0.3、NetOGlyc-4.0、NetNGlyc 1.0、NetPhos 3.1、BepiPred-2.0、ABCpred、SEPPA 3.0、NetMHCpan-4.1、NetMHCIIpan-4.3、ANTIGENpro和STRING等生物信息学工具分析PhtD蛋白的理化性质、亲（疏）水性、信号肽、跨膜螺旋、二级和三级结构、亚细胞定位、糖基化位点、磷酸化位点、B细胞表位、MHC-Ⅰ、MHC-Ⅱ类分子结合表位、抗原性以及蛋白相互作用网络。结果 PhtD蛋白共由853个氨基酸组成，分子式为C4175H6503N1173O1371S5，理论等电点为5.22，不稳定指数为41.76，平均亲水系数（grand average of hydropathicity， GRAVY）为-0.863。该蛋白有信号肽，无跨膜结构，可能定位于细胞质膜；其二级结构中无规卷曲、α-螺旋、延伸链分别占比70.69%、23.09%、6.21%；有49个糖基化位点，103个磷酸化位点，其中丝氨酸、酪氨酸和苏氨酸磷酸化位点分别为55、21和27个；具有多个B细胞和T细胞优势表位；抗原性概率值为0.913 029；PhtD蛋白与10个既定研究蛋白有相互作用。结论 肺炎球菌PhtD蛋白为亲水性不稳定蛋白，该蛋白含有多个潜在的B细胞及T细胞表位，可能具有较好的免疫原性，为以PhtD蛋白为基础的新型亚单位疫苗研究提供理论基础。

关键词： 多模态数据融合   道路提取   深度学习   智能交通   语义分割  

摘要： 现有城市大规模路网自动生成方法主要面临两类问题：一是依赖单一数据源导致道路信息提取不完整；二是多源数据融合策略未能充分利用多模态数据间的互补信息。因此，提出一种双编码器双解码器结构的道路信息获取模型（Dual-modal Feature Interaction and Fusion LinkNet， DFIF-LinkNet），实现基于遥感影像与车辆轨迹融合的端到端道路网络生成。该模型在前端通过独立的影像自编码器和轨迹自编码器分别提取两种模态数据的特征信息；在中端设计多模态特征增强模块（Multimodal Feature Enhancement Moudle， MFEM）以连接两种自编码器，通过跨模态信息交互实现影像特征和轨迹特征的相互增强；在后端采用基于门控权重的融合机制集成两种自编码器输出的道路预测结果，生成最终路网地图。将所提模型应用于北京数据集和罗马数据集，结果表明，该模型能够有效挖掘遥感影像与轨迹数据的互补信息，显著提升道路网络生成质量，其在两数据集上的道路提取F1分数分别为78.36%和81.60%。

关键词： 城市洪涝   多阶段   替代模型   长短期记忆网络(LSTM)   低精度物理模型(LFM)   基于超分辨率技术的U形卷积神经网络(SRU)  

摘要： 针对传统水力学模型计算量大且难以满足实时预测需求的问题，研发融合长短期记忆网络（LSTM）、低精度物理模型（LFM）与基于超分辨率技术的U形卷积神经网络（SRU）的多阶段替代模型LSTM-LFM-SRU.模型将洪涝过程划分为一维管网排水与二维地表淹没2个阶段，分别采用LSTM与LFM-SRU进行替代建模，构建数据驱动与物理信息融合的内涝预测框架.在杭州下沙的应用结果表明，本研究中所构建的多阶段替代模型能在5.31 s内完成一场20 h强降雨引发的城市淹没过程模拟，计算效率提升至高精度的水动力学模型的12.7倍，其中一维替代模型LSTM的平均纳什效率系数达到0.94，二维替代模型LFM-SRU相比于LFM-U-net模型在均方根误差上下降了17.2%.

关键词： 读后续写   输入加工   二语情绪信息生成   情绪效价  

摘要： 本研究以109名高校英语二语学习者为受试，通过输入加工与读后续写教学干预，对比“输入”与“输入+输出”两种任务在二语情绪信息生成中的作用。结果显示：1)读后续写组的消极情绪生成量显著多于输入加工组；2)输入加工组的积极情绪信息、积极负载信息生成呈显著增多趋势，读后续写组的情绪标签信息及情绪信息整体生成量均显著减少，但该组受试积极情绪词的生成量显著多于消极情绪词。研究结果表明，与输入加工相比，读后续写更有利于二语情绪信息效价与原作协同，并能加速二语学习者正向情感偏向的回归。本研究为二语教学效能提升提供了情感层面的实证依据与理论参考。

关键词： 地图信息传输模型   高精地图   语义   自动驾驶  

摘要： 现有地图传输模型忽视机器与人类用户区分，且缺乏跨时序反馈表达，难以契合高精地图高频更新及特定应用场景，本研究旨在构建高精地图专属传输模型。文中引入时序维度，将传统平面闭环扩展为立体循环模式，提出基于时序演进高精地图信息传输双用户模型；该模型不仅显式区分机器与人类用户以兼顾差异化需求，更通过时序升维，将传统模型中的逆向反馈回路重构为跨周期的正向串行反馈机制，从而降低模型复杂度。通过对比分析，双用户模型在结构上实现机器-人类双主体协同传输机制，在构成上融合克拉斯尼视觉模型与高精语义地图体系，在维度上通过时序升维构建立体循环架构，相较单用户模型在适配性、完整性及逻辑清晰度方面实现显著演进，为解析与优化高精地图传输效率提供系统化理论框架，有效增强系统可解释性与可读性。

关键词： 时差估计   短波TDOA定位   M序列   电离层  

摘要： 针对短波到达时间差(TDOA)定位系统中实际信号时差测量算法精度受限的问题,本文对三种常用方法:互相关方法、相位谱方法以及时频联合时差估计算法进行了系统的仿真分析与外场实验验证。鉴于M序列具有良好的类噪声特性和自相关特性,本文选用其作为基础信号。在信噪比(SNR)分别为0dB、10dB和20dB的条件下,构建了具有时延的两路伪随机码(M序列)信号,并采用上述三种方法对两信号间的时差进行估计。仿真结果表明,在上述信噪比条件下,互相关方法的均方根误差(RMSE)分别为0.5、0.5和0.5个距离门;相位谱方法的RMSE分别为16.67、1.42和1.01个距离门;时频联合方法的RMSE分别为0.1、0.03和0.01个距离门。结果表明,时频联合方法在时差估计性能上优于另外两种方法。在仿真分析的基础上,进一步开展了伪随机编码短波信号的收发实验,实验台站分别位于武汉(114.37°E,30.54°N)、合肥(117.91°E,31.89°N)、鹰潭(117.00°E,28.29°N)和随州(113.32°E,31.57°N)。其中发射机设置于武汉站,其余三个站点为接收站。采用上述三种方法对实测信号进行处理。实验结果表明,时频联合方法的RMSE仅为1.23个距离门,明显低于互相关方法(1.95个距离门)和相位谱方法(3.94个距离门)。对比分析表明,时频联合方法在实际短波信号时差估计中具有更高的精度和更强的鲁棒性。