检索结果-南通市图书馆

作者：刘丝丝安徽医科大学

学位级别：硕士

离子掺杂的锰基/锆基卤化物光学性能优化及其应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

离子掺杂的锰基/锆基卤化物光学性能优化及其应用研究

作者：刘师佳扬州大学

学位级别：硕士

长凝胶态金属卤化物非晶厚膜的制备及其X射线探测应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

长凝胶态金属卤化物非晶厚膜的制备及其X射线探测应用研究

作者：刘时宇江西理工大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向多模态场景的联邦知识蒸馏研究

面向多模态场景的联邦知识蒸馏研究

作者：刘的城广州大学

学位级别：硕士

随着科技的不断发展,大量的数据被创造、收集和处理,人们在日常生活中产生的多模态数据也在增加。虽然现有的多模态数据融合技术已经取得了一些进展,但在不同模态数据共享方面仍存在着隐私保护等安全问题。对此,采用联邦学习(FL)方法使... 详细信息

随着科技的不断发展,大量的数据被创造、收集和处理,人们在日常生活中产生的多模态数据也在增加。虽然现有的多模态数据融合技术已经取得了一些进展,但在不同模态数据共享方面仍存在着隐私保护等安全问题。对此,采用联邦学习(FL)方法使参与者可以在不共享本地数据的前提下进行联合训练,从而有效保护多模态数据的隐私。但是,传统的联邦学习方法通常要求服务器和客户端之间需要采用相同的模型结构来处理数据,从而限制了多模态数据在联邦学习上的应用。联邦知识蒸馏作为一种新颖的联邦学习方式,利用客户端模型预测逻辑值作为交互信息,不再依赖于客户端为单一模型。然而,现有的联邦知识蒸馏算法更多地专注于单模态级别的模型聚合,当客户端之间存在不同模态和任务的数据时,客户端因模态差异和任务差异而产生客户端漂移。因此,本文针对联邦学习在多模态场景下存在的问题,结合客户端之间是否存在不同任务数据集两种实际场景,分别提出了两种联邦知识蒸馏算法:(1)针对联邦学习中客户端存在不同模态数据的问题,本文提出了一种多模态联邦知识蒸馏算法(Multimodal Federated Knowledge Distillation,MMFD)。MMFD允许客户端拥有单一或多种模态的数据,并且允许它们独立设计自己的模型,以实现多模态数据的共享,确保数据隐私保护。此外,MMFD在服务器采用新的聚合方式来聚合客户端上传的逻辑值。与现有方法不同,该聚合方式通过计算各模态之间的余弦相似度,动态调整每个客户端的聚合权重,提高聚合后的全局逻辑值的准确性。最后,实验结果证明了该方法能够提高客户端模型的准确率。(2)针对联邦知识蒸馏中客户端存在不同任务的问题,本文提出了一种基于自注意力机制的联邦蒸馏算法(Multimodal Self-Attention-based Federated Knowledge Distillation,MAFD)。与现有方法不同,MAFD通过在服务器端构建一个自注意力机制的全局模型,将其在公共数据集上更新的模型作为客户端的教师模型,并以知识蒸馏的方式协助客户端训练,缓解因任务不同而产生客户端漂移的问题。最后,实验结果证明了所提出的方法能够提升每个客户端模型在各自任务上的准确率。

关键词：联邦学习联邦知识蒸馏多模态数据融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于大型队列探讨肥胖与痛风发生风险的关联

基于大型队列探讨肥胖与痛风发生风险的关联

作者：刘溦浙江中医药大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

亿纬锂能利润质量评价研究

亿纬锂能利润质量评价研究

作者：刘赵炜景德镇陶瓷大学

学位级别：硕士

随着新能源汽车市场的快速增长以及双碳政策的积极导向,锂电池行业近年来呈现出迅速增长的发展态势。但是,在碳酸锂等原材料价格不断攀升、政策补贴退坡等多重因素的影响下,锂电池企业正面临着日益增加的经营风险。在这种复杂多变的市... 详细信息

随着新能源汽车市场的快速增长以及双碳政策的积极导向,锂电池行业近年来呈现出迅速增长的发展态势。但是,在碳酸锂等原材料价格不断攀升、政策补贴退坡等多重因素的影响下,锂电池企业正面临着日益增加的经营风险。在这种复杂多变的市场环境下,如何提升自身利润质量,提高经营效率,已成为锂电池企业所面临的挑战。亿纬锂能作为较早成立并成功上市的锂电池企业之一,其在锂电池领域的产品种类多,市场占有率稳居国内行业前四。亿纬锂能却在2022年却出现了“增收不增利”的现象,2022年亿纬锂能实现营业收入363.04亿元,同比增长114.82%。但净利润只有26.95亿元,同比仅增加了5.81%。净利润的增长速度远不及营业收入的增长速度,人们对亿纬锂能的关注点开始从对利润的“量”向“质”的转变。结合亿纬锂能以前年度的利润表现,亿纬锂能现在利润质量情况如何?我们需要对亿纬锂能的利润质量进行评价研究。本文首先介绍了利润质量评价的相关概述和相关理论基础后,根据锂电产业的特点,选择适当的财务与非财务指标,构建了利润质量评价模型。其中,财务指标部分是对锂电池上市企业中选取的全部样本公司从获利性、稳定性、成长性和收现性四个维度选取共12个定量财务指标,并使用因子分析法构建利润质量综合得分模型,对全部样本公司进行排名。然后,本文将亿纬锂能的12项定量财务指标与行业标杆企业与行业平均水平进行横向与纵向对比,评价亿纬锂能的利润质量,从中发现亿纬锂能在经营管理中存在的问题,分析问题的成因。最后,针对问题提出利润质量的优化对策,为亿纬锂能利润质量的提升以及行业内处于类似处境的公司未来发展提供参考。本文研究结论如下:(1)亿纬锂能整体利润质量水平位于行业中游,利润质量不高,有较大进步空间。(2)导致亿纬锂能利润质量不佳的主要成因有:行业竞争加剧导致企业扩张速度过快、产业链布局不完善导致经营成本波动较大、对财政补助依赖程度较高、应收账款管理不健全、销售收入回款能力弱。(3)本文建议亿纬锂能从提高资产质量、增强企业核心竞争力、对产业链上游进行战略布局、降低对政府补助的依赖、加强应收账款管理等多个方面提升企业利润质量。

关键词：利润质量锂电池企业因子分析评价指标

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于OBE理念的初中生物课堂教学实践研究

基于OBE理念的初中生物课堂教学实践研究

作者：刘檠喀什大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点云的SMT贴片缺陷检测技术研究

基于点云的SMT贴片缺陷检测技术研究

作者：刘棚重庆理工大学

学位级别：硕士

在现代电子工业迅猛发展的背景下,印刷电路板(PCB)作为电子元器件的核心载体,在电子产品中发挥着不可或缺的作用。表面贴装技术(SMT)作为PCB加工的主要工艺,是电子组装行业中最受欢迎和广泛应用的技术之一。由于SMT贴片过程的高速和高... 详细信息

在现代电子工业迅猛发展的背景下,印刷电路板(PCB)作为电子元器件的核心载体,在电子产品中发挥着不可或缺的作用。表面贴装技术(SMT)作为PCB加工的主要工艺,是电子组装行业中最受欢迎和广泛应用的技术之一。由于SMT贴片过程的高速和高精度的要求,导致缺陷问题不可避免地产生,直接影响电子产品的性能和可靠性。本文旨在通过引入三维点云技术,提升SMT贴片缺陷检测的效率和精确度。具体研究内容如下:(1)针对线激光扫描获取的点云数据量巨大噪声干扰较多的问题,本文在下采样和去噪两个预处理环节进行了深入研究。在下采样方面,采用了一种基于体素滤波改进的下采样算法,能保持原有的下采样速度的同时保留更完整的数据特征。在去噪方面,通过对比多种去噪算法的性能,发现其去噪效果不佳。因此,本文提出一种基于形状分析的点云去噪算法,该算法在分割元器件点云的同时,能够有效去除噪声点云(2)针对SMT贴片三维缺陷检测中的点云配准精度低速度慢的问题,深入分析研究多视角点云整合、PCB电路板点云配准以及元器件点云配准等点云配准应用场景的关键难点。对于多视角点云整合和PCB电路板点云配准,本文采用一种基于外轮廓的点云配准算法,根据局部特征快速精准的完成点云配准。对于元器件点云配准对比研究了多种常用算法,选择采用TEASER++算法作为优选方案,确保元器件点云的鲁棒性和准确性。(3)针对SMT贴片三维缺陷检测中检测元件异常和焊点异常两类缺陷的问题研究了点云数据处理分析。对于元件异常,本文采用一种基于八叉树的元器件匹配算法,建立待检测点云数据和模板点云数据之间的元件对应关系,并结合元器件点云配准的位姿差异,识别元器件错位、缺失、高跷等缺陷。对于焊点异常,利用体元重构体素化引脚点云,从而计算焊点体积识别焊点桥接、漏焊、少焊等缺陷。

关键词： SMT贴片三维缺陷检测点云去噪点云配准

STEMI患者行急诊PCI术后院内心衰的相关因素分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

STEMI患者行急诊PCI术后院内心衰的相关因素分析

作者：刘史红延安大学

学位级别：硕士

目的:探究急性ST段抬高型心肌梗死(ST segment elevation myocardial infarction,STEMI)患者在接受急诊直接经皮冠状动脉介入(percutaneous coronary intervention,PCI)术后院内出现心力衰竭(heart failure,HF)的相关因素,以便识别高危患者并及时治疗,降低术后院内HF的发生率。方法:本研究回顾性收集了2019年1月至2022年12月于延安大学附属医院心脑血管医院心血管中心诊断为急性STEMI并行急诊PCI手术的住院患者数据。根据纳入和排除标准,共选取了681例急性STEMI患者。这些患者根据住院期间是否发生HF被分为两组:非心衰组452例,心衰组229例。研究比较了两组患者的一般资料、临床症状、实验室检验结果和左室射血分数(left ventricular ejection fraction,LVEF),以及术中观察到的指标。数据采用SPSS 25.0统计软件进行分析,以对比两组患者的临床资料,并通过多因素Logistic回归分析来探讨急诊PCI术后院内发生HF的相关因素。结果:***患者中男性有584例,女性有97例,以男性为主,男女比例为6.02:1。平均年龄为58±11岁。既往有吸烟史的患者有533例(78.27%)。临床表现主要为胸痛的患者有454例(66.67%),其次是胸闷的有343例(50.37%)和气短的有273例(40.09%)。最常受累的血管为左前降支,有493例(72.39%),单血管病变的有516例(75.77%),单支支架植入的有484例(71.07%)。2.在比较心衰组与非心衰组患者的性别、年龄、既往有脑梗死史,发病至球囊扩张的时间(symptom-onset-to-balloon time,SOTBT)、心肌肌钙蛋白I(cardiac troponin I,CTnI)、血清N末端前脑钠肽、血小板和系统性免疫炎症指数(systemic immunoinflammatory index,SII)时,发现这些因素在两组间的差异有统计学意义。此外,白细胞和淋巴细胞的计数、白蛋白以及LVEF也显示了两组间的差异。多因素Logistic回归分析确定STEMI患者PCI术后院内心衰的预测因素包括:SOTBT(OR=1.139,95%CI:1.064-1.220),既往有脑梗死史(OR=2.706,95%CI:1.418-5.164),CTnI水平(OR=1.068,95%CI:1.050-1.087),SII/100(OR=1.112,95%CI:1.073-1.153),白蛋白水平(OR=0.848,95%CI:0.799-0.900)以及LVEF(OR=0.882,95%CI:0.852-0.913)。结论:***患者在接受急诊PCI治疗后出现HF与以下因素相关:STOBT、既往有脑梗死史、CTnI水平、SII、白蛋白水平、LVEF。2.随着STOBT、CTnI水平、SII的增加以及既往有脑梗死史的存在,STEMI患者在接受急诊PCI术后HF的风险增加。3.白蛋白水平和LVEF的增加则会降低STEMI患者在接受急诊PCI术后发生HF的风险。

关键词：急性ST段抬高型心肌梗死心力衰竭直接经皮冠状动脉治疗危险因素

基于深度学习特征融合提取的文本分类模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习特征融合提取的文本分类模型研究

作者：刘师宇烟台大学

学位级别：硕士

日常生活中存在着大量的文本数据,有效地对这些文本进行分类和情感分析,对于人们理解用户观点、市场趋势以及舆情分析等应用具有重要意义。文本分类作为自然语言处理任务中的核心任务之一,仍然存在许多挑战和问题,例如数据稀疏性、文本... 详细信息

日常生活中存在着大量的文本数据,有效地对这些文本进行分类和情感分析,对于人们理解用户观点、市场趋势以及舆情分析等应用具有重要意义。文本分类作为自然语言处理任务中的核心任务之一,仍然存在许多挑战和问题,例如数据稀疏性、文本间关联性等。基于传统机器学习的文本分类方法,在处理复杂的文本语义和情感表达时存在一些限制,虽难以充分捕捉文本的语义信息,但为基于深度学习的文本分类研究提供了有价值的起点。然而,基于深度学习的文本分类模型在实际应用中也面临一些挑战,例如如何更好地处理长距离依赖、解决分类偏差和错误模式等方面的问题,但深度学习的引入为解决自然语言处理任务带来了新的可能性。因此,本研究围绕基于深度学习特征融合提取的文本分类模型展开研究,旨在充分发掘深度学习的优势,进一步提升文本分类的效果和性能。具体的研究内容如下:1.针对中文网络中短文本篇幅过小导致特征稀疏分类效果欠缺等问题,并且充分考虑丰富特征在文本表达过程中的重要性,本文提出一种融合词性信息的文本分类模型PB-DPCNN(Part-of-speech based BERT-DPCNN)。该模型首先通过词性标注引入文本词性特征,构建具有词性属性的词性向量。同时,基于BERT模型对词向量进行动态调整获得融合特征,来表达词间的复杂关系,解决文本数据中一词多义、特征稀疏的问题。将得到的融合动态词向量作为输入层信息以改善文本表示,经过嵌入层固定词向量格式,通过等长的双层卷积捕获长距离模式提高词位嵌入的丰富性;输出层结合残差池化进一步提升词位感知空间,并获得最终文本特征表示,压缩序列长度的同时抽取长距离的文本依赖关系并进行分类。实验结果表明,与现有模型相比,PB-DPCNN模型丰富了输入数据的特征表示,抽取长距离依赖关系,减少文本中重要信息的丢失,具有良好的文本语义识别能力,有效提升了分类指标。2.针对传统神经网络难以充分抽取局部特征信息的问题,为了从文本数据中提取更多局部结构,增强文本中情感特征的表达,同时解决过深堆叠网络带来的网络退化等问题,本文进一步提出了基于动态预训练和堆叠内卷积的文本分类模型BERTInvos(BERT-based stacked involutions)。该模型首先使用动态预训练进行文本编码,以获得丰富的语义特征和上下文理解能力。利用内卷积算子代替普通卷积和注意力机制,按不同维度进行堆叠设计深层网络结构,实现特征提取和局部感知,逐渐学习到输入文本的不同尺度和层次的特征表示。在训练过程中,为了增强模型的表达和泛化能力,本文引入了批处理降低分类偏差。同时,通过改进的激活函数H-Swish调整分类层的非线性输出,保持训练过程的稳定性并进行精准分类。实验结果表明,该模型取得了良好的性能表现,能够提高文本分类的准确性,降低损失率,有助于更好地捕捉文本中的局部模式和增强情感特征表达能力。

关键词：文本分类 BERT 词性特征内卷积深度学习