检索结果-南通市图书馆

中国心理卫生杂志 2009年第8期23卷 607-608页

作者：安芹贾晓明李波北京理工大学人文社会科学学院北京100081

已有研究表明,童年期创伤对儿童的危害不仅能造成短期或直接的危害,而且对受害者的社会心理发展产生长期影响.本文以北京市中学生为研究对象,探讨童年期创伤经验与自尊及主观幸福感的关系.

关键词：童年期创伤自尊主观幸福感中学生横断面研究

在线全文

学校读者我要写书评

暂无评论

高职高专院校课程教学资源库建设的探讨

中国成人教育 2013年第24期 184-185页

作者：高安芹牟伟山东电力高等专科学校齐鲁师范学院

本文结合《应用电子技术与实训》教学资源库的建设与使用,阐述了高职高专院校教学资源库建设的必要性,提出了课程教学资源库的设计思路和建设内容,分析了高职课程教学资源库的应用效果。

关键词：高职高专课程教学资源库建设

在线全文

学校读者我要写书评

暂无评论

以工作过程为导向的高职高专课程改革与实践

中国成人教育 2009年第18期 71-72页

作者：高安芹牟伟山东电力高等专科学校山东济南250002 山东省教育学院山东济南250013

当前高职高专教育所面临的核心任务是课程的改革,本文通过以工作过程为导向的高职高专课程改革与实践,提出和论证了以工作过程为导向的高职高专课程设计与实施的主要内容和方法。

关键词：工作过程导向课程改革

在线全文

学校读者我要写书评

暂无评论

含一个无外力圆柱面带转动的三维杂交应力元

力学学报 2014年第1期46卷 105-113页

作者：王安平中国科学院空间应用工程与技术中心北京100094

根据一种修正的余能原理,建立了一类具有一个无外力圆柱表面及结点含转动自由度的8结点新型三维杂交应力元.单元边界位移场选择二次位移插值函数,且与相邻元协调;单元内假定应力场满足以柱坐标表示的平衡方程及圆柱面上无外力边界条件.... 详细信息

根据一种修正的余能原理,建立了一类具有一个无外力圆柱表面及结点含转动自由度的8结点新型三维杂交应力元.单元边界位移场选择二次位移插值函数,且与相邻元协调;单元内假定应力场满足以柱坐标表示的平衡方程及圆柱面上无外力边界条件.数值算例表明,这种特殊杂交应力元在相当粗的网格下即能十分准确地分析圆弧形槽口附近及曲梁的三维(及二维)的孔边应力分布.

关键词：杂交应力元转动自由度槽孔应力场应力分布

在线全文

学校读者我要写书评

暂无评论

有环壳过渡段的锥-柱组合壳的应力和稳定性

应用力学学报 1997年第1期14卷 128-134页

作者：王安稳海军工程学院

用解析方法计算了受静水外压载荷作用的有环壳过渡段的锥—柱组合壳中的应力值，并用瑞利法计算了其失稳临界载荷。计算结果说明，利用环壳过渡值锥—柱壳形成光滑连接，可使连接部位的局部应力值显著降低。

关键词：环壳过渡段组合壳稳定性应力弹性力学

在线全文

学校读者我要写书评

暂无评论

基于稀疏分解的雷达信号抗噪声干扰方法研究

系统工程与电子技术 2011年第8期33卷 1765-1769页

作者：余付平冯有前高大化安芹力空军工程大学导弹学院陕西三原713800 空军工程大学理学院陕西西安710051

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising,BPDN)算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪... 详细信息

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising,BPDN)算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。

关键词：稀疏分解基追踪去噪雷达回波信号抗干扰

在线全文

学校读者我要写书评

暂无评论

大学生自我分化发展特点的质性研究

中国临床心理学杂志 2012年第5期20卷 713-716,726页

作者：安芹邱彩虹王伟北京理工大学人文与社会科学学院北京100081

目的:探索中国文化背景下大学生自我分化发展的表现特征。方法:对采用大学生自我分化量表甄别出的12名高自我分化和低自我分化被试进行深度访谈。结果:大学生自我分化发展的特点:高自我分化者偏理性,合理进行情绪调节;家庭联结融洽,主... 详细信息

目的:探索中国文化背景下大学生自我分化发展的表现特征。方法:对采用大学生自我分化量表甄别出的12名高自我分化和低自我分化被试进行深度访谈。结果:大学生自我分化发展的特点:高自我分化者偏理性,合理进行情绪调节;家庭联结融洽,主动表达内心情感;敢于表达个人想法,并能坚持自我;希望避免父母过度干涉,同时内心期待父母认同;同伴交往亲密适度,面临冲突时或协调或包容。低自我分化者偏感性或过于理性,情绪调节缺乏弹性;家庭联结疏离,有被动和回避倾向;自我感不确定,较少坚持自己的观点;过于在乎父母的看法,陷入与父母的关系;同伴关系中易情绪化,面对冲突时或回避或顺从。结论:我国大学生自我分化发展表现出独特的特征。

关键词：自我分化表现特征大学生质性研究

基于并联多尺度卷积神经网络的微动脉瘤检测方法

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2023年第11期44卷 224-233页

作者：苑玮琦王安沈阳工业大学视觉检测技术研究所沈阳110870 佳木斯大学信息电子技术学院佳木斯154007

由于视网膜图像中微动脉瘤尺寸小、背景干扰多,导致传统方法检测时准确率低,现阶段的深度学习模型大多针对大尺寸目标进行检测,存在结构复杂、对小目标的检测效果不佳的问题。为解决以上问题,提出了一种基于并联多尺度卷积神经网络的微... 详细信息

由于视网膜图像中微动脉瘤尺寸小、背景干扰多,导致传统方法检测时准确率低,现阶段的深度学习模型大多针对大尺寸目标进行检测,存在结构复杂、对小目标的检测效果不佳的问题。为解决以上问题,提出了一种基于并联多尺度卷积神经网络的微动脉瘤检测方法。首先,建立微动脉瘤尺寸与检测用理论感受野之间的对应关系;然后,根据微动脉瘤的类型和尺寸范围构建包含两个感受野尺度的并行卷积网络;最后,提出了一种基于主动学习的训练集构建与数据增广方式,以提高模型的检测性能。方法在两个公开数据集和1个自采眼底数据集中进行了对比实验,实验结果表明,该方法能有效实现微动脉瘤的检测,相比于同类方法对于小尺寸和与血管粘连的微动脉瘤具有更好的检测效果。

关键词：卷积神经网络微动脉瘤检测感受野数据增广

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的半监督音频事件检测研究

基于深度神经网络的半监督音频事件检测研究

作者：路安芹山东师范大学

学位级别：硕士

音频事件检测旨在识别一段音频中出现的音频事件的类型及定位各个音频事件的起止时间。音频事件检测在医疗健康、音频监控、自动驾驶和智能机器人等领域都具有潜在的应用价值和广阔的应用前景。音频事件检测模型为了获得良好的检测性能... 详细信息

音频事件检测旨在识别一段音频中出现的音频事件的类型及定位各个音频事件的起止时间。音频事件检测在医疗健康、音频监控、自动驾驶和智能机器人等领域都具有潜在的应用价值和广阔的应用前景。音频事件检测模型为了获得良好的检测性能,需要大量具有强标签的音频数据参与模型训练。强标签是指数据标签中既包含音频事件的类型,又包含音频事件的起止时间,因此强标签的标注成本非常昂贵,这导致在音频事件检测研究中,强标签数据往往匮乏。为了降低音频事件检测研究对强标签数据的依赖,本文基于深度神经网络对半监督音频事件检测展开研究,提出了两种半监督音频事件检测算法,分别是基于教师-学生学习框架的半监督音频事件检测算法、基于门控自适应机制和多任务学习的半监督音频事件检测算法。音频事件检测中音频的全局特征和局部特征对音频事件检测的准确性均起着至关重要的作用。当前的音频事件检测研究没能综合利用音频的全局特征和局部特征进行分类,因而存在一定的局限性。为解决这一问题,本文引入教师-学生学习框架进行音频事件检测研究,提出了一种基于教师-学生学习框架的半监督音频事件检测算法。算法在教师-学生学习框架中设置了两个教师模型,一个教师模型提取音频的全局特征,另一个教师模型提取音频的局部特征;基于提取的全局特征和局部特征,算法在学生模型中分别采用早期融合和晚期融合进行音频事件分类。早期融合将两个教师模块提取的全局特征和局部特征进行融合,生成融合张量进行分类。晚期融合对两个教师模块的预测输出结果进行集成得到最终的检测结果。在DCASE 2020 Task4数据集上的实验结果证明了提出的基于教师-学生学习框架的半监督音频事件检测算法的有效性。基于早期融合的半监督音频事件检测算法的检测EB-F1值为40.9%,基于晚期融合的半监督音频事件检测算法的检测EB-F1值为41.3%,比DCASE 2020 Task4挑战赛的音频事件检测基线算法的EB-F1值分别提高了6.1%和6.5%。本文提出的基于教师-学生学习框架的半监督音频事件检测算法的一个缺陷是算法在不同时刻同等对待全局特征和局部特征,而实际中,不同时刻全局特征和局部特征的重要性是不同的。为此,本文提出采用门控自适应机制融合全局特征和局部特征,以在不同时刻自适应选择两类特征。多任务学习技术由于在多个任务之间共享模型的特征学习过程,因而可以使共同学习的多个任务之间相互辅助,改善不同任务的识别结果。多任务学习技术在众多分类识别领域取得了成功,本文将其引入音频事件检测领域,提出了一种基于门控自适应机制和多任务学习的半监督音频事件检测算法。算法在提出的教师-学生学习框架基础上做出改进,在学生模型中引入了门控自适应机制模块和多任务学习模块。门控自适应机制模块采用遗忘门和更新门自适应选择两个教师模型提取的全局特征和局部特征;多任务学习模块同时执行音频标记任务和音频事件检测任务,并基于注意力机制对音频标注特征与音频事件检测特征进行融合,以提高音频事件检测系统的性能。在DCASE 2020Task4数据集上的音频事件检测实验证明了所提算法的有效性,其EB-F1值为50.3%,比DCASE 2020 Task4挑战赛的音频事件检测基线算法的EB-F1值提高了15.5%;比基于早期融合的教师-学生学习框架半监督音频事件检测算法和基于晚期融合的教师-学生学习框架半监督音频事件检测算法的EB-F1值分别提高了9.4%和6.0%。

关键词：半监督音频事件检测教师-学生学习框架门控机制多任务学习