检索结果-南通市图书馆

维普期刊数据库

产融数据数数相连,共创数字金融新未来——专访数库科技有限公司创始人兼总裁沈鑫

在线全文

学校读者我要写书评

暂无评论

中国金融电脑 2023年第2期 59-62页

作者：余潮沈鑫不详

当前,随着GBC一体化联动深入推进,商业银行通过GBC三端数据融合、行内外数据融合、企业行业产业数据融合,逐步构建起数据生态多态圈,并基于数据生态,进一步构筑客群生态体系、提升业务场景创造力。在此背景下,为更好地发挥金融科技专业... 详细信息

当前,随着GBC一体化联动深入推进,商业银行通过GBC三端数据融合、行内外数据融合、企业行业产业数据融合,逐步构建起数据生态多态圈,并基于数据生态,进一步构筑客群生态体系、提升业务场景创造力。在此背景下,为更好地发挥金融科技专业媒体平台作用,《中国金融电脑》聚焦“数据与场景开放生态圈”这一主题,策划开展了一系列主题采访活动,本期刊登该系列活动的第一篇专访文章。

关键词：一体化联动数据融合生态体系商业银行数字金融生态圈中国金融电脑产融

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

中国油画 2012年第6期 73-74页

作者：沈鑫

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

七彩语文(初中) 2018年第6期 53-53页

作者：沈鑫陈茹徐州市铜山区刘集实验小学五(2)班徐州市铜山区刘集实验小学

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

七彩语文(初中) 2017年第9期 59-59页

作者：沈鑫陈茹徐州市铜山区刘集实验小学四(2)班徐州市铜山区刘集实验小学

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

七彩语文(初中) 2017年第11期 56-56页

作者：沈鑫陈茹徐州市铜山区刘集实验小学四(2)班徐州市铜山区刘集实验小学

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向分层联邦学习的移动节点协作策略研究

面向分层联邦学习的移动节点协作策略研究

作者：沈鑫北京信息科技大学

学位级别：硕士

随着5G无线通信技术的飞速发展,全球智能终端设备数量剧增,通过多边缘节点协作共同执行计算任务,可满足多个终端用户的服务需求,并有效降低处理时延。面向分层联邦学习,本文针对如何设计离线节点协作策略、如何设计在线节点协作策略以... 详细信息

随着5G无线通信技术的飞速发展,全球智能终端设备数量剧增,通过多边缘节点协作共同执行计算任务,可满足多个终端用户的服务需求,并有效降低处理时延。面向分层联邦学习,本文针对如何设计离线节点协作策略、如何设计在线节点协作策略以及如何基于声誉值选择合适的协作节点等问题展开研究,以达到降低时延且提高系统整体性能的目的。首先,为了降低参数处理的时延,在数据隐私敏感性不高的应用场景下,设计了一种高效的离线节点协作策略。证明时延最小化问题是NP难的,提出了一种动态协作簇算法DCCA。DCCA算法的设计分为两步,第一步是提出了一种基于相似度的初始动态协作簇算法;第二步是基于节点的计算能力和传输能力提出了一种根据核心节点动态调整协作簇的算法。实验结果表明,与已有算法DOA和Fed Avg相比,DCCA算法的最大时延分别减少了12.44%和18.70%。其次,为了精确刻画分层联邦学习网络的实时状态和节点之间是否进行协作的情况,设计了一种高效的在线节点协作策略。针对总成本最小化问题提出了一种基于Lyapunov优化理论的在线节点协作算法ONCA。在ONCA中,节点之间的协作可以根据系统状态的动态性进行自适应调整,节点倾向于选择具有高计算能力和高传输能力的邻居节点进行协作,以便充分利用它们的能力。实验结果表明,与已有算法Hier FAVG和Fed Avg相比,ONCA算法的平均成本分别降低了13.86%和18.04%。最后,针对分层联邦学习网络中如何选择合适的协作节点,提出了一种基于声誉的协作节点选择策略。围绕节点选择准确率最优化问题,设计了一个基于声誉模型的节点选择算法NSRA。在NSRA中,边缘服务器会选择声誉预测值高的节点参与模型训练,而节点会选择具有高传输能力的邻居节点进行协作,以优化节点间的信任度,不断改进协作节点的可靠性。实验结果表明,NSRA算法的准确度比已有算法RSA提高了19.38%。

关键词：分层联邦学习移动边缘计算节点协作节点选择

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

抗冻酵母在酸面团面包加工中的应用

抗冻酵母在酸面团面包加工中的应用

作者：沈鑫北京农学院

学位级别：硕士

冷冻面团技术作为一种方便快捷的食品加工技术,已被广泛的应用于工业化生产当中。然而,在冻存过程中,酵母细胞的死亡以及面团面筋蛋白结构的变化,会导致冷冻面团品质劣变,最终使成品品质降低。目前,对冷冻面团产品品质的优化,可以从耐... 详细信息

冷冻面团技术作为一种方便快捷的食品加工技术,已被广泛的应用于工业化生产当中。然而,在冻存过程中,酵母细胞的死亡以及面团面筋蛋白结构的变化,会导致冷冻面团品质劣变,最终使成品品质降低。目前,对冷冻面团产品品质的优化,可以从耐冻酵母的选育和抗冻保护剂的添加两方面入手。因此,本研究以本土特色老面酵母和添加不同复配抗冻剂的冷冻面团为研究对象,采用微生物活性分析技术、高效液相色谱法、顶空-固相微萃取-气相色谱-质谱联用法等技术,分析本土特色老面酵母的耐冻能力及发酵特性;采用傅里叶红外光谱法和SDS-PAGE电泳法等技术,分析不同复配抗冻保护剂对冷冻面团中蛋白质结构的影响,以期筛选出适于工业生产的本土特色老面酵母和有效的冷冻面团抗冻保护剂配方,为本土特色老面酵母的应用和冷冻面团产品的优化提供基础。结果表明:(1)本土特色老面酵母均具有较强的耐冻能力,其中酵母Y-3的耐冻性最强,在冻存60天时其存活率仍保持在较高水平。本土特色老面酵母的代谢能力均较强,可以有效利用发酵基质中的糖类物质进行生长代谢,产生有机酸。酵母Y-3和酵母Y-4制作的酸面团发酵味得分均为8.00±1.00分,显著高于其他几株酵母制作的酸面团。以酵母Y-3、酵母Y-4酸面团为发酵剂制作的面包比容及质构特性较好,其中酵母Y-3制作的面包相较于商业酵母面包,硬度降低了16.77%,粘附性降低了72.39%,且面包发酵香味的感官分值为7.74±0.78分,得分最高,说明酵母Y-3可以显著改善面包的组织结构和风味。(2)对酸面团和面包中挥发性风味物质进行分析,三株酵母制作的酸面团和面包中,醇类物质相对含量占比最高,达到72%-81%。对三种酸面团及面包中的挥发性成分进行主成分分析,发现各样品风味物质主成分之间区分良好,其中酵母Y-3制作的酸面团和面包风味最浓郁,使面包具有丰富多样的果香和奶油甜香。(3)进一步考察抗冻剂对冷冻面团和面包品质的影响。未添加复配抗冻剂的面团在60天冻存过程中,随冻存时间延长,冷冻面团中蛋白质结构发生变化。游离巯基含量增加,蛋白质二级结构中α-螺旋含量下降、β-转角含量上升。同时,冷冻也导致面包比容下降,硬度提高。而复配抗冻剂的添加可以有效缓解冷冻面团和面包的品质劣变及蛋白质结构的改变。其中第7组和第8组复配抗冻剂的效果最好,有效地保护了冷冻面团面筋蛋白结构的稳定性,提高了冷冻面团及面包的品质。

关键词：本土特色老面酵母抗冻保护剂风味物质蛋白质结构

体育行为认知决策理论下大学生锻炼行为及影响因素分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

体育行为认知决策理论下大学生锻炼行为及影响因素分析

作者：沈鑫西安体育学院

学位级别：硕士

我国致力于培育“德、智、体、美、劳”一体化的高素质人才,对大学阶段学生的综合素养要求更高。大学生作为祖国建设的后备骨干力量,其体质健康状况尤为重要。根据第八次全国学生体质与健康调研结果显示,从2014年到2019年,大学生体质与... 详细信息

我国致力于培育“德、智、体、美、劳”一体化的高素质人才,对大学阶段学生的综合素养要求更高。大学生作为祖国建设的后备骨干力量,其体质健康状况尤为重要。根据第八次全国学生体质与健康调研结果显示,从2014年到2019年,大学生体质与健康情况的优良率只增长了0.2个百分点,基本没有改善,我国大学生体质健康问题仍然严峻。基于此,为了提高大学生的体质健康水平,促进大学生的体育锻炼行为,本研究以体育行为认知决策理论模型为基础,该模型包括体育锻炼行为的心理因素(锻炼动机、锻炼效果)、个体因素、社会环境因素和体育教学因素,可以很好地解释大学生的体育锻炼行为。采用《锻炼动机简化量表MPAM-R》《锻炼效果自评量表》《个体因素测量量表》《社会环境因素测量量表》以及《体育教学因素测量量表》作为研究工具,综合运用文献资料、问卷调查、数理统计和逻辑归纳等研究方法,对陕西省普通高校783名大学生进行了问卷调查。对大学生锻炼行为及影响因素进行了分析,通过建立多元线性回归模型,验证了影响因素间的作用机制。经过系统研究,得出了以下结论。研究结果:1.大学生参与体育锻炼内容比较集中,其中72%的人选择散步。锻炼时间超过30分钟的人数占38.8%。锻炼强度为中等出汗强度以下的人数占59.8%。锻炼次数在三次及三次以上的学生达到65.20%。持续参与课外体育锻炼年限小于6个月及以上的人数累计占到总统计人数的77.9%。男女大学生在体育锻炼的时间和强度两个方面存在显著的差异(P外貌动机(3.963)>健康动机(3.941)>社交动机(3.9685)>能力动机(3.575)。男女大学生在社交动机、外貌动机、乐趣动机方面存在显著性差异(P0.01)。大学生自身体育锻炼效果评价得分最高的是健康效果(3.6271),男性和女性之间存在显著性差异(P0.01)。不同学历大学生锻炼效果评价除能力效果评价(P=0.027)(P0.01)。3.大学生体育锻炼行为的个体影响因素方面,男女生在个人投入、运动风险和运动能力具有显著性差异(p<0.05);年级在参与选择上存在显著性差异(p<0.05);专科和本科学生在个人投入、参与选择、运动能力上存在显著性差异(p<0.05)。4.大学生体育锻炼行为的社会环境影响因素方面,社会环境因素包括七个维度参与机会维度得分最高(4.206),其中男女大学生在社会约束、锻炼氛围、锻炼条件、参与机会维度存在显著性差异,通过对差异的因子进行事后多重比较(LSD),在锻炼氛围和休闲时间上大一年级和大二年级之间存在显著性差异(p<0.01),大一年级和大三年级之间具有显著性差异(p<0.05)。5.大学生体育锻炼行为的体育教学影响因素方面,教师评价是影响大学生体育锻炼坚持的主要因素,平均得分最高(3.848),其中知识技能、内容实用、教师评价方面男女大学生存在显著性差异(p<0.01),知识技能内容实用、教师评价方面不同年级大学生存在显著性差异(p<0.01)。6.在回归分析中,心理因素、个体因素可以解释锻炼坚持总变异的22.9%、42.2%;社会环境因素中参与机会、锻炼氛围、锻炼条件、制度约束、社会约束五个变量可以解释锻炼坚持总变异的36.5%,体育教学因素中知识技能和兴趣契合可以解释锻炼坚持变异的11.1%。研究结论:1.大学生的体育锻炼内容相对单一。锻炼行为表现出时间短、频率低、强度小等特点,男生的表现普遍高于女生,低年级的学生普遍高于高年级学生。2.心理因素中锻炼动机和锻炼效果自我评价对大学生体育锻炼行为具有显著的正影响;在锻炼动机上,男生的社交和乐趣动机较强,女生则更关注外貌动机;在锻炼效果自我评价方面,男生在健康效果和社交效果上表现更强,女生则在外貌效果方面表现出更高的水平;同时,专科生在能力效果方面高于本科生。3.个体因素对大学生体育锻炼行为具有显著的影响,其中个人投入和运动能力对体育锻炼行为具有正影响,参与选择和运动风险具有负影响;个体因素排序从高到低为运动风险、个人投入、参与选择、运动能力。男生受个人投入、运动能力影响较大,女生受运动风险影响较大;在参与选择上高年级优于低年级,个人投入和运动能力方面专科优于本科。4.社会环境因素中4个变量参与机会、锻炼氛围、锻炼条件、制度约束对大学生锻炼行为有正向影响,社会约束具有负向的影响;其中男生在社会约束、锻炼氛围、锻炼条件和参与机会比女生强;在锻炼氛围和休闲时间方面低年级更强;锻炼氛围、社会约束、休闲时间上专科高于本科。5.体育教学因素中知识

关键词：体育行为认知决策理论大学生锻炼行为影响因素

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于集成卷积神经网络的皮肤镜图像检测

基于集成卷积神经网络的皮肤镜图像检测

作者：沈鑫安徽工程大学

学位级别：硕士

皮肤癌已成为患病率较高的癌症之一,全球每年的患病人数在不断增长。黑色素瘤是一种常见的皮肤癌,且死亡率较高。治疗黑色素瘤最有效的方法就是早发现早治疗。当前主要靠皮肤科医生人工观察皮肤镜图像来诊断黑色素瘤,又因为黑色素瘤的... 详细信息

皮肤癌已成为患病率较高的癌症之一,全球每年的患病人数在不断增长。黑色素瘤是一种常见的皮肤癌,且死亡率较高。治疗黑色素瘤最有效的方法就是早发现早治疗。当前主要靠皮肤科医生人工观察皮肤镜图像来诊断黑色素瘤,又因为黑色素瘤的形状、颜色、以及纹理种类较多,且恶性黑色素瘤和良性黑色素瘤的外观很相似,所以传统的人工诊断准确率较低,且费时费力,给黑色素瘤的诊断带来了阻碍。随着深度学习技术的逐渐成熟,卷积神经网络模型给皮肤镜图像的检测带来了历史性的突破,显著提高了诊断准确率和工作效率。为了解决黑色素瘤的类内差异性、类间相似性、数据集不平衡等问题以及提高检测系统的准确率,本文提出基于集成卷积神经网络的皮肤镜图像检测研究,其主要的内容如下:首先,研究了一种基于注意力残差U-Net(Attention Residual Block-UNet,ARB-UNet)皮肤镜图像分割方法。该方法引入了卷积块注意力机制(Convolutional Block Attention Module,CBAM),将CBAM模块应用到原U-Net模型的“跳过连接”中和扩张残差网络(Dilated Residual Networks,DRB)模块中,以得到新的注意力残差机制(Attention Residual Bottleneck,ARB),同时选用Focal Tversky Loss作为该模型的损失函数,通过实验验证了ARB-UNet能很好提高图像的分割性能。其次,针对皮肤镜图像的纹理特征和颜色特征展开了研究。利用LBP和SIFT算法描述皮肤镜图像精确纹理特征,同时采用HSV和RGB算法描述皮肤镜图像的颜色特征,并进行了对比实验,表明基于SIFT纹理特征的分类模型具有更优性能。最后,探讨了一种基于集成微调卷积神经网络的皮肤镜图像分类方法。通过重构Xception、Res Net50和Vgg-16这三个预训练模型的全连接层,其中引入了Dropout层和L正则化算法,以此提高网络模型的泛化能力,并在ISIC2016皮肤数据集上对预训练模型进行迁移学习,以适应数据量小且不均衡的数据集,接着对模型的输出通过加权融合方法形成最终的集成模型,同时经实验证明了所提算法的有效性和可行性。综上,本课题将深度学习与图像医疗领域相结合,探索基于集成卷积神经网络的皮肤镜图像分割、特征提取以及识别技术,为机器学习算法在皮肤癌医学诊断领域中的应用奠定必要的理论和实验基础。

关键词：皮肤镜图像卷积神经网络集成学习图像分割图像分类深度学习