检索结果-南通市图书馆

星宿图式的当代表达研究 ——以影像装置《迎春》为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

星宿图式的当代表达研究 ——以影像装置《迎春》为例

作者：李子桥山东工艺美术学院

学位级别：硕士

中国科技的迅猛发展,推动了传统艺术领域的创新。随着文化艺术与航天科技的结合,天文题材的艺术作品呈现繁荣之势。然而,作为中国传统的重要天文领域——二十八星宿体系,在艺术和设计方面的发展仍有待丰富和深化。星宿的背后,蕴含着古... 详细信息

中国科技的迅猛发展,推动了传统艺术领域的创新。随着文化艺术与航天科技的结合,天文题材的艺术作品呈现繁荣之势。然而,作为中国传统的重要天文领域——二十八星宿体系,在艺术和设计方面的发展仍有待丰富和深化。星宿的背后,蕴含着古老的农耕文明智慧,且历代关于星宿的文物层出不穷,不仅为后人留下了珍贵的图像资料,而且为传统文化的继承和发扬提供了重要的支撑。因此本文以“星宿图式”为研究出发点,将图式的当代表达作为创作目标。首先,通过分析星宿的历史发展脉络以及人文内涵,作为研究其图式的理论依据;同时,整理相关文物信息,归纳星宿图式的内涵和价值;并在星宿的艺术设计案例中,总结当前星宿题材作品的艺术特点。其次,通过展示空间、体验方式和图式载体三个方面,探索并分析星宿图式的当代表达路径。最后,将以上的理论和分析融入到毕业创作《迎春》的实践中,意在对中国优秀传统文化进行再发展再创作。本文以毕业创作的形式,将星宿的内涵通过数字转化等方法,以影像装置的形式呈现给观众,在展现其艺术价值与文化精神的同时,力求呈现星宿图式在新时代的生命力。并在此过程中,对星宿图式做相对系统的理论梳理,希望能对今后同类主题的研究和创作提供参考和帮助。

关键词：星宿图式当代表达数字转化

指尖脉搏容积测定（PAV）评估血管内皮功能的方法学研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

指尖脉搏容积测定（PAV）评估血管内皮功能的方法学研究

作者：刘园桥吉林大学

学位级别：硕士

基于深度学习的多模态煤矿事故事件抽取方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的多模态煤矿事故事件抽取方法研究

作者：文章桥临沂大学

学位级别：硕士

随着煤矿智能化政策的提出,对煤矿安全监管的强化成为煤矿企业的重要任务。为解决非结构化的煤矿突发事故数据带来的数据理解难题,本研究引入事件抽取技术应用于煤岩领域。本文通过事件抽取技术将非结构化数据转化为结构化知识,从而为... 详细信息

随着煤矿智能化政策的提出,对煤矿安全监管的强化成为煤矿企业的重要任务。为解决非结构化的煤矿突发事故数据带来的数据理解难题,本研究引入事件抽取技术应用于煤岩领域。本文通过事件抽取技术将非结构化数据转化为结构化知识,从而为促进智慧煤矿的安全发展提供有力支持。本文对煤矿突发事故事件抽取方法进行研究,构建了一套煤矿领域突发事故多模态数据集,缓解了煤矿突发事故多模态事件数据集的空白问题;对文本事件抽取方法与多模态事件抽取方法进行研究,提高模型在事件抽取任务上的性能;并搭建煤矿突发事故事件知识图可视化平台,实现了煤矿突发事故事件知识图的可视化应用与交互服务。本文的具体研究内容如下:(1)文本事件抽取方法研究:提出了一种基于联合学习的解码器特征细化事件抽取方法,该任务在事件抽取三阶段子任务的基础上,在触发词与论元解码器中使用多头注意力机制与多层感知机,使得模型可以进一步提取细粒度特征,从而进一步缓解事件重叠问题;在公开数据集与矿山事故数据集进行试验,该模型优于当前主流文本重叠事件抽取方法,在事件触发词抽取任务与事件论元抽取任务上F1值均有性能提升。(2)构建煤矿突发事故多模态事件数据集:以煤矿突发事故新闻为数据来源,为辨别数据对应的真伪性,通过半人工的方式获取数据并进行标注,结合专家知识,使用Doccano平台按照事件抽取标准对数据进行标注,其数据集中每一条标注的数据所包含的内容为事件类型、事件触发词与触发词的跨度表示、事件论元角色与论元的跨度表示、文本所对应的图像。(3)多模态事件抽取方法研究:提出了一种基于特征感知的多模态事件抽取方法,该方法通过使用句子与图像的全局特征来判断事件类型信息,使用图像来作为辅助信息完成事件抽取任务,使得模型可以进一步理解事件描述,该方法缓解了事件歧义问题;在公开数据集与煤矿突发事故多模态事件数据集上进行实验,该模型在事件类型检测任务上,相较于当前主流的多模态事件抽取基线,性能提升较为明显;最后构建了基于煤矿突发事故数据库与事件抽取方法的可视化应用交互系统,进行模型预测结果可视化展示,通过可视化交互系统可以更好的对事件抽取任务进行分析与交互。通过以上研究,本文验证了煤岩领域的煤矿事故抽取任务的可行性,可以有力支持智慧煤矿的安全发展。

关键词：煤矿突发事故事件抽取多模态联合学习跨模态注意力

女大学生强化敏感性对情绪性进食的影响：链式中介模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

女大学生强化敏感性对情绪性进食的影响：链式中介模型

作者：黄钰桥广州大学

学位级别：硕士

近年来,情绪性进食已逐渐成为一种广泛存在的不良饮食行为和应对机制。情绪性进食不仅是导致进食障碍和肥胖等疾病的重要因素,同时也会增加糖尿病、心脏病等代谢性疾病的发病风险。鉴于此,情绪性进食已经引起了科研人员的广泛关注。在... 详细信息

近年来,情绪性进食已逐渐成为一种广泛存在的不良饮食行为和应对机制。情绪性进食不仅是导致进食障碍和肥胖等疾病的重要因素,同时也会增加糖尿病、心脏病等代谢性疾病的发病风险。鉴于此,情绪性进食已经引起了科研人员的广泛关注。在此背景下,强化敏感性理论(RST)提供了一个神经生物学视角,用于解释情绪性进食个体差异的病因和过程。本研究采用混合方法研究——顺序性解释设计,分别进行了两阶段的研究:量性研究与质性研究。1.在量性研究阶段,采用横断面调查研究设计,旨在探讨女大学生强化敏感性(BAS/BIS)与情绪性进食之间的关系,并构建体育锻炼与心理弹性的链式中介模型。本研究使用了行为抑制/行为激活量表(BIS/BAS)、体育活动评定量表(PARS-3)、心理弹性量表(CD-RISC-10)以及情绪性进食量表(EES-CA)进行量性数据收集,共获得有效问卷668份。随后,本研究使用SPSS26.0等统计工具对数据进行整理和统计分析。结果如下:(1)奖赏敏感性(BAS)显著负向预测情绪性进食,体育锻炼、心理弹性在其间的中介效应显著。奖赏敏感性(BAS)不仅能直接预测情绪性进食,还能分别通过体育锻炼与心理弹性对情绪性进食产生影响。(2)体育锻炼、心理弹性的链式中介效应显著。奖赏敏感性(BAS)可以依次通过体育锻炼、心理弹性对情绪性进食产生影响。(3)惩罚敏感性(BIS)显著正向预测情绪性进食,体育锻炼、心理弹性在其间的中介效应显著。惩罚敏感性(BIS)不仅能直接预测情绪性进食,还能分别通过体育锻炼与心理弹性对情绪性进食产生影响。(4)体育锻炼、心理弹性的链式中介效应显著。惩罚敏感性(BIS)可以依次通过体育锻炼、心理弹性对情绪性进食产生影响。2.在质性研究阶段,采用描述性定性研究方法,通过目的抽样法,对10名在情绪性进食量表(EES-CA)得分较高的女大学生进行深入访谈。根据访谈结果提炼出了四大主题以及十三个子主题。本研究得出以下结论:(1)强化敏感性(BAS/BIS)可直接影响情绪性进食;(2)强化敏感性(BAS/BIS)可通过体育锻炼影响情绪性进食;(3)强化敏感性(BAS/BIS)可通过心理弹性影响情绪性进食;(4)强化敏感性(BAS/BIS)可通过影响体育锻炼,进一步影响心理弹性,进而间接影响情绪性进食。综上所述,体育锻炼、心理弹性是强化敏感性(BAS/BIS)影响情绪性进食的重要内在机制,因此,有必要对高奖赏敏感性(BAS)及高惩罚敏感性(BIS)人群进行提前筛查,建立良好的体育锻炼习惯和提高心理弹性可能是预防或改善女大学生情绪性进食倾向或行为的有效途径。

关键词：女大学生情绪性进食强化敏感性体育锻炼心理弹性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地铁车站活塞风井的平战融合防护设计方案

城市轨道交通研究 2024年第9期27卷 102-105页

作者：吴立桥中铁第四勘察设计院集团有限公司武汉430063

[目的]由于设计人员对现行规范中地铁车站战时防护功能及其交通运输功能的理解存在偏差,导致活塞风井设计时必要的平战转换时间预估值远大于预期,需要对地铁车站活塞风井的平战融合防护设计方案进行研究。[方法]在阐明地铁车站人民防空... 详细信息

[目的]由于设计人员对现行规范中地铁车站战时防护功能及其交通运输功能的理解存在偏差,导致活塞风井设计时必要的平战转换时间预估值远大于预期,需要对地铁车站活塞风井的平战融合防护设计方案进行研究。[方法]在阐明地铁车站人民防空防护功能定位基础上,提出了地铁车站的战时运行模式。阐述了现有地铁车站设计中平战转换存在的问题。结合当前地铁车站融合防护设计中活塞风井设计的难点问题,针对活塞风排风口建筑空间相对宽裕、相对紧凑、非常紧凑3个工况,分别提出了3个地铁车站平战融合防护设计方案。[结果及结论]与常规车站活塞风风道用沙袋封堵的平战转换设计方案相比,这3个方案建设前期的工程成本略有增加,但能有效降低平战转换的工作量,明显缩短平战转换时间,地铁车站平战运行状态也能够实现快速切换。

关键词：地铁车站平战融合活塞风井快速转换设计

基于聚类和主动学习的高光谱图像特征提取与分类研究

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于聚类和主动学习的高光谱图像特征提取与分类研究

作者：李银桥西安邮电大学

学位级别：硕士

高光谱图像(Hyperspectral Image,HSI)包含了丰富的光谱和空间信息,但带类标样本少,卷积神经网络(Convolutional Neural Network,CNN)可提取有效的HSI深度特征,从而获得较好的分类结果。针对CNN随着网络加深,特征图尺寸减小,而导致的信... 详细信息

高光谱图像(Hyperspectral Image,HSI)包含了丰富的光谱和空间信息,但带类标样本少,卷积神经网络(Convolutional Neural Network,CNN)可提取有效的HSI深度特征,从而获得较好的分类结果。针对CNN随着网络加深,特征图尺寸减小,而导致的信息丢失、分辨率降低的问题,构建了基于空谱注意力叠加的双通道网络(Dual-Channel Network With Spectral-Spatial Fusion Attention,DC-SSFA),首先设计空谱注意力叠加模块(Spectral-Spatial Fusion Attention,SSFA)以突出光谱空间的重要信息,接着提出双分支融合模块(Dual-Branch Fusion,DBF)及扩张卷积融合模块(Dilated Convolutional Fusion,DCF),可有效捕获HSI的多尺度信息,并减少信息丢失。针对HSI带类标样本少,而CNN随着网络层数加深参数量迅速增加,需要大量带类标训练样本的问题,构建了基于主动学习的聚类卷积神经网络(Active Learning-Clustering Convolutional Neural Network,AL-Cluster CNN),ALCluster CNN以聚类卷积神经网络(Clustering Convolutional Neural Network,Cluster CNN)为基础网络,引入主动学习(Active Learning,AL)从无类标样本中选取有价值的样本,辅助标记样本训练网络,可使网络在标记样本少的情况下获得高的分类精度。为进一步解决HSI带类标样本少与CNN深度增加导致参数量增加,需要大量带类标样本用于训练的矛盾,提出基于主动学习的聚类分组网络(Active Learning-Clustering-Based Group Convolutions Network,AL-CGNet),首先设计偏轻量化的聚类分组网络(Clustering-Based Group Convolutions Network,CGNet)可显著降低网络参数,接着将CGNet联合AL从无类标样本中挑选信息量大的高质量训练样本加入训练集,可在标记样本有限的情况下,对网络进行充分训练,最终形成AL-CGNet。所研究的内容如下:(1)针对CNN随着网络层数加深,特征图尺寸减小,从而引起的信息丢失、分辨率下降问题,设计了基于空谱注意力叠加的双通道网络DC-SSFA,可充分利用HSI的全局和多尺度信息,减少学习过程的信息丢失。DC-SSFA中的空谱注意力叠加模块SSFA将降维后的HSI分别通过光谱注意力与空间注意力并融合,可提高对全局信息的利用效率;所提出的双分支融合模块DBF对两个分支采用不同尺度卷积核,并将所提取的不同特征进行融合,以有效捕获HSI多尺度特征;扩张卷积融合模块DCF采用连续不同扩张率的扩张卷积,将具有多个感受野的特征进行融合,以在不增加额外参数和不牺牲分辨率的同时增大感受野,并引入残差实现全局信息和多尺度信息的融合。三个实测的高光谱数据集的实验结果表明,与Cluster CNN、光谱空间残差网络(Spectral-Spatial Residual Networks,SSRN)、混合网络(Hybrid Spectral CNN,Hybrid SN)、快速紧凑的3D-CNN(Fast and Compact 3D-CNN,FC-3DCNN)和混合CNN(Mixed-CNN,MCNN)相比,所提出的DC-SSFA具有更高的地物分类识别率。(2)针对HSI分类中面临的带类标样本少,而CNN随着网络层数增加参数量迅速增加,需要大量带类标训练样本的问题,构建了一个基于主动学习的聚类卷积神经网络AL-Cluster CNN用于HSI分类,通过挖掘未标记样本中的有价值信息,辅助标记样本训练网络,可获得更好的分类性能。AL-Cluster CNN以聚类卷积神经网络Cluster CNN为基础,采用聚类中心标记簇中样本,以充分利用无类标样本的信息,并联合AL从无类标样本中选取信息量大的样本加入训练集,通过挑选未标注样本中的高质量样本来辅助标注样本对网络进行训练,可进一步利用无类标样本中的有价值信息,从而解决带类标样本少的问题。为验证AL-Cluster CNN方法的有效性,将其与Cluster CNN、SSRN、Hybrid SN、FC-3DCNN、3D密集连接卷积网络(3D Densely Connected Convolutional Network,3D-Dense Net)方法在三个实测的高光谱数据集上进行实验比较,实验结果表明,AL-Cluster CNN在带类标样本少的情

关键词：卷积神经网络高光谱图像分组卷积聚类主动学习

核心素养视域下BOPPPS教学模式在高中物理教学中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

核心素养视域下BOPPPS教学模式在高中物理教学中的应用研究

作者：郑桥桥湖南理工学院

学位级别：硕士

数据与知识联合增强的少样本抽取式机器阅读理解方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据与知识联合增强的少样本抽取式机器阅读理解方法研究

作者：肖桥重庆交通大学

学位级别：硕士

抽取式机器阅读理解任务作为自然语言处理领域重要的基础性任务之一,其可充当文本-表格混合问答、表格SQL问答的子任务,又可单独应用至搜索引擎、智能客服、桥梁智能管养等多个领域,有效提升其数字化、智能化水平。随着深度学习和预训... 详细信息

抽取式机器阅读理解任务作为自然语言处理领域重要的基础性任务之一,其可充当文本-表格混合问答、表格SQL问答的子任务,又可单独应用至搜索引擎、智能客服、桥梁智能管养等多个领域,有效提升其数字化、智能化水平。随着深度学习和预训练技术的成熟与发展,通过“预训练+微调”范式,预训练语言模型极大促进了抽取式机器阅读理解任务研究的进步,其在部分数据集上性能已然超过了人类水平。然而,预训练语言模型在微调过程中需要使用大规模人工标注的高质量数据,其会耗费大量的人力、物力和财力资源,部分特定领域(医疗、法律等)甚至需要聘请领域专家来进行人工标注,非常繁琐和复杂。对此,开展少样本场景下的抽取式机器阅读理解任务研究,将有效扩大该任务的应用范围,促进传统领域应用向数字化、智能化转型升级,具有显著的研究意义。鉴于当前少样本场景下抽取式机器阅读理解任务研究仍处于起步阶段,少样本抽取式机器阅读理解任务性能仍有待提升,本文提出了数据与知识联合增强的少样本抽取式机器阅读理解方法,并开展了如下研究:(1)以八个少样本抽取式机器阅读理解数据集为研究对象,通过统计和实验手段详细分析了各组成部分的数据特性与当前少样本抽取式机器阅读理解模型的答案定位和知识掌握能力。从特性分析结果可知,不同数据集的子词数量、答案位置等属性各不相同,且包含实体较多,文本理解与任务适应难度较高;从实验分析结果可知,现有少样本抽取式机器阅读理解模型具备一定的答案模糊定位能力,但知识掌握水平较低,字面匹配现象广泛存在。(2)针对预训练和微调阶段存在的任务适应困难这一问题,提出了命名实体-名词短语意识的片段选择伪数据构造策略,通过生成的伪训练数据对模型进行进阶训练。同时,针对现有模型在答案抽取时存在的模糊定位现象,提出了融合答案边界信息的对比学习方法。实验结果表明,所提进阶训练和对比学习方法有效降低了现有模型在预训练和微调阶段的任务差异,且提高了答案定位精准度,在多数少样本抽取式机器阅读理解数据集上取得了优异性能。(3)针对现有模型在答案抽取时存在的字面匹配现象,提出了面向问题理解的知识增强多任务学习方法,在不引入任务差异的前提下为模型注入了大量知识。同时,对所提命名实体-名词短语意识的片段选择伪数据构造策略在数据构造格式和任务类型组成上进行改进,进一步缩小了预训练和微调阶段的任务差异,大大降低了微调任务适应难度。从实验结果可知,所提数据与知识联合增强的少样本抽取式机器阅读理解方法极大提升了现有模型的答案精准定位能力,在所选八个少样本抽取式机器阅读理解数据集上均取得了最佳性能。综上所述,本文面向少样本抽取式机器阅读理解任务,基于数据集的统计和实验分析,分别提出了伪数据增强的进阶训练方法、融合答案边界信息的对比学习方法和面向问题理解的知识增强多任务学习方法,极大提升了现有少样本抽取式机器阅读理解任务性能,在促进任务研究和扩大应用范围的同时,也可为自然语言处理领域其他少样本任务提供方法参考。

关键词：机器阅读理解少样本数据增强知识增强

社区社会工作者的职业认同问题研究 ——以黄石市F区为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社区社会工作者的职业认同问题研究 ——以黄石市F区为例

作者：余磊桥湖北师范大学

学位级别：硕士