期刊文献+
共找到6,655篇文章
< 1 2 250 >
每页显示 20 50 100
从单智能体到多智能体:大模型智能体支持下的激励型学习活动设计与实证研究 被引量:16
1
作者 黄昌勤 钟益华 +2 位作者 王希哲 韩中美 魏同权 《华东师范大学学报(教育科学版)》 北大核心 2025年第5期44-56,共13页
大模型与智能代理技术的不断进步,使得大模型智能体成为教育领域中实现教与学提质增效的重要新工具。基于大模型智能体的功能定位差异,单一智能体虽然已能够针对各类教与学任务提供诸如内容生成、智能反馈与评估等支持,但单智能体的交... 大模型与智能代理技术的不断进步,使得大模型智能体成为教育领域中实现教与学提质增效的重要新工具。基于大模型智能体的功能定位差异,单一智能体虽然已能够针对各类教与学任务提供诸如内容生成、智能反馈与评估等支持,但单智能体的交互特点、功能属性具有较高同质性,在促进深层次认知发展方面存在一定局限。相比之下,多智能体能够通过模拟多种教育主体角色,提升学习互动的多样性和深度,进而实现更为个性化和深度的学习体验。鉴于智能体在学习过程中的应用主要依靠学习者自发性,为了保障学习活动的有效开展,本研究基于ARCS动机模型分别设计基于单智能体与多智能体的激励型学习活动方案,并面向英语阅读场景开展了准实验研究。实验结果发现:基于多智能体的激励型学习活动相较单智能体能够显著提升学生在推理、评价与应用方面的学习成绩,具有更强的学习动机,且有效促进了其深层次认知发展,尤其是抽象与概括能力。研究证明了多智能体在支持学生深度学习中的价值,为未来进一步探讨多智能体在教育中的应用提供了借鉴。 展开更多
关键词 大语言模型 多智能体 ARCS动机模型 激励型学习活动 深度学习
在线阅读 下载PDF
跨学科主题学习成效测评模型的构建与应用:基于学生自我评估视角 被引量:1
2
作者 吴鹏泽 胡晓玲 李冰 《中国电化教育》 北大核心 2025年第4期66-74,共9页
跨学科主题学习是培养中小学生核心素养、应对未来挑战的关键手段,在新课程改革中占据重要地位。构建科学、全面的跨学科主题学习成效测评体系是确保跨学科教育质量的关键。该研究基于柯氏模型,通过两轮专家咨询构建了测评框架,并基于... 跨学科主题学习是培养中小学生核心素养、应对未来挑战的关键手段,在新课程改革中占据重要地位。构建科学、全面的跨学科主题学习成效测评体系是确保跨学科教育质量的关键。该研究基于柯氏模型,通过两轮专家咨询构建了测评框架,并基于学生自我评估的测评量表进行验证,形成了包含满意度、素养、投入度和结果的中小学跨学科主题学习成效测评模型。通过对全国31个省市自治区参与过跨学科主题学习的11062名中小学生进行调查,发现跨学科主题学习成效整体良好,但学段、地区(城区与非城区)及参与频次不同的学生在成效上存在显著差异。最后,研究从重视学生跨学科素养培育、关注跨学科教育均衡发展两方面提出了建议。 展开更多
关键词 跨学科主题学习 测评模型 实施成效 柯氏模型
在线阅读 下载PDF
基于可解释机器学习的混凝土重力坝变形安全监控模型 被引量:2
3
作者 程琳 袁喜娜 +2 位作者 马春辉 贾冬焱 徐笑颜 《水利水电科技进展》 北大核心 2025年第3期77-85,共9页
针对目前基于机器学习的大坝安全监控模型无法给出模型预测解释的问题,引入SHAP值理论,并结合LightGBM模型,建立了一种具备可解释性的混凝土重力坝变形安全监控模型,且该模型可以量化每个影响因子的具体贡献。工程实例验证结果表明,该... 针对目前基于机器学习的大坝安全监控模型无法给出模型预测解释的问题,引入SHAP值理论,并结合LightGBM模型,建立了一种具备可解释性的混凝土重力坝变形安全监控模型,且该模型可以量化每个影响因子的具体贡献。工程实例验证结果表明,该模型考虑了变形与环境量之间复杂的非线性关系,更接近真实情况,不仅具有良好的拟合精度和预测精度,还能对模型进行全局和局部的解释。 展开更多
关键词 混凝土重力坝 变形安全监控 可解释机器学习 SHAP值理论 LightGBM模型
在线阅读 下载PDF
基于集成学习模型与贝叶斯优化算法的成矿预测 被引量:1
4
作者 孔春芳 田倩 +3 位作者 刘健 蔡国荣 赵杰 徐凯 《地学前缘》 北大核心 2025年第4期122-139,共18页
全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一... 全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。 展开更多
关键词 集成学习 自适应提升模型 随机森林 贝叶斯优化算法 隐伏锰矿 成矿预测
在线阅读 下载PDF
基于深度学习和模型压缩技术的轻量级煤矿人车检测模型——以贵州地区煤矿为例 被引量:2
5
作者 解北京 李恒 +3 位作者 栾铮 雷振 李晓旭 李卓 《煤炭学报》 北大核心 2025年第2期1393-1408,共16页
煤矿工人和载人车辆(煤矿人车)的智能识别是视频监控系统的重要组成部分,也是煤矿智能化发展的关键任务。然而,煤矿人车检测场景较为复杂,大型人车检测模型部署在有限的计算设备上难以实现,如何在模型检测性能和检测效率之间取得平衡存... 煤矿工人和载人车辆(煤矿人车)的智能识别是视频监控系统的重要组成部分,也是煤矿智能化发展的关键任务。然而,煤矿人车检测场景较为复杂,大型人车检测模型部署在有限的计算设备上难以实现,如何在模型检测性能和检测效率之间取得平衡存在诸多挑战。以贵州地区煤矿视频监控数据集为例,提出了一种基于深度学习和模型压缩技术的轻量级煤矿人车检测模型,该模型精准实时的完成了煤矿人车检测任务,对网络进行瘦身的同时几乎没有损失检测性能。具体来说,在网络模型设计阶段,以YOLOv8s为基线提出了一种名为FCW-YOLO的煤矿人车轻量级检测模型,首先将Faster-Block和坐标注意力和开发到网络的特征提取模块中,设计了一种新颖的C2f-Faster-CA轻量级架构,旨在减少网络的冗余通道同时自适应捕捉全局关键信息;其次,采用了WIOU边界回归损失函数以增加模型对普通质量样本的关注,降低了训练样本不平衡带来的回归误差等问题。在模型压缩阶段,联动剪枝算法对提出的FCW-YOLO模型进行通道级别的稀疏,模型可自动识别不重要的通道并对其进行删减,实现了煤矿人车检测模型二次轻量化设计FCWP-YOLO。在自建的煤矿人车检测数据集上的结果表明,提出的模型参数量,计算量和模型大小分别为2.3 M,4.0 GFLOPs,6.0 MB,对比基线模型分别实现了4.9倍、4.7倍、4.4倍的压缩效果,平均检测精度为88.7%,提高了1.1%,每张图像的处理时间仅为5.6 ms。对比多种轻量级架构和先进的检测模型,该方法精度表现优异,计算成本更低,实时性能更好,为资源受限的煤矿场景提供了一种可行的煤矿人车检测方法,满足煤矿视频监控部署要求,可为煤矿人车智能巡检任务提供实时预警。 展开更多
关键词 煤矿工人检测 煤矿载人车辆检测 深度学习 模型压缩 轻量级架构
在线阅读 下载PDF
数据循证赋能学习设计的系统模型与关键过程 被引量:1
6
作者 王明娣 陈小涵 《电化教育研究》 北大核心 2025年第7期100-107,共8页
数智化时代,学习分析与学习设计的交互作用具有优化学习设计效果的潜力,数据循证得以支持并赋能学习设计变革。在此背景支持下,学习设计与学习分析之间究竟如何进行深度交互并在数据驱动下实现循证改进?针对该问题,研究分别从学习设计... 数智化时代,学习分析与学习设计的交互作用具有优化学习设计效果的潜力,数据循证得以支持并赋能学习设计变革。在此背景支持下,学习设计与学习分析之间究竟如何进行深度交互并在数据驱动下实现循证改进?针对该问题,研究分别从学习设计、学生发展以及教师成长三个视角探讨了数据循证赋能学习设计的多重价值,进而构建了数据循证赋能学习设计系统模型(Data-EDT),通过“证据系统”“学习设计系统”“智能技术系统”三重系统交互作用以展现学习设计与学习分析的动态关系,并揭示了基于设计视角的落地关键过程:前期准备阶段为“教师与研究者协作共创设计产品的过程”;中期实践阶段为“教师在真实学习情境中的设计实施过程”;后期反思阶段为“教师基于设计评估的自我深度反思过程”;终期生成阶段为“教师基于设计迭代的双重角色生成过程”,以此支持教师的循证学习设计实践,进而有效促进数智化时代的学习设计变革。 展开更多
关键词 数据驱动 学习分析 循证学习设计 系统模型 关键过程
在线阅读 下载PDF
居民健康不平等预测模型构建及影响因素研究——基于机器学习的证据 被引量:1
7
作者 苏敏 赵文菲 李政蓉 《卫生经济研究》 北大核心 2025年第7期23-29,35,共8页
当前,我国仍面临显著的健康不平等问题,迫切需要识别影响居民健康不平等的关键因素。对此,引入“样本外预测”的思路,基于健康社会决定因素的分层模型纳入预测因子,结合多种机器学习算法,构建高维预测模型,评估多维因素对居民健康不平... 当前,我国仍面临显著的健康不平等问题,迫切需要识别影响居民健康不平等的关键因素。对此,引入“样本外预测”的思路,基于健康社会决定因素的分层模型纳入预测因子,结合多种机器学习算法,构建高维预测模型,评估多维因素对居民健康不平等的预测能力。研究发现,随机森林模型的预测性能最佳,年龄、个人总收入、受教育程度、职业类型和家庭经济状况是最具预测能力的变量,与居民健康不平等之间存在非线性及复杂交互关系;建议针对不同人群的具体需求制定差异化的健康政策,以有效缓解健康不平等,最终推动人口健康和社会可持续发展。 展开更多
关键词 健康不平等 机器学习 预测模型
在线阅读 下载PDF
使用开源代码训练大模型的著作权法评价——以全球首例机器学习诉讼为研究样本 被引量:2
8
作者 张韬略 《知识产权》 北大核心 2025年第3期47-70,共24页
从法解释论视角评价使用开源代码训练大模型行为的著作权法合法性时,应先分析在先许可协议对开源代码使用的约定。尽管大模型开发商可能违反了开源许可协议,且在模型训练或者输出阶段可能存在复制、修改、传播开源代码乃至删除作品来源... 从法解释论视角评价使用开源代码训练大模型行为的著作权法合法性时,应先分析在先许可协议对开源代码使用的约定。尽管大模型开发商可能违反了开源许可协议,且在模型训练或者输出阶段可能存在复制、修改、传播开源代码乃至删除作品来源信息的行为,但训练数据集不公开在多方面限制了著作权侵权认定。司法机关以大模型输出端为规制对象并以合理使用为利益调节器的务实思路,向大模型产业传递了友好信号,刺激了降重技术的开发,并可能进一步降低著作权人提起侵权诉讼的概率和理论正当性。个案分析过程还暴露出我国著作权法在应对大模型训练著作权侵权问题时的优缺点。我国亟需修正合理使用制度以应对大模型开发对数据训练的需求,同时应从立法和技术角度推动训练数据著作权权属信息的透明化,以保护作者著作人身权和电子权利管理信息。 展开更多
关键词 开源代码 模型 机器学习 著作权侵权 合理使用
在线阅读 下载PDF
基于Levy飞行和麻雀搜索算法优化集成学习模型的水质估算 被引量:3
9
作者 李爱民 康轩 +3 位作者 袁铮 王海隆 闫翔宇 许有成 《同济大学学报(自然科学版)》 北大核心 2025年第3期450-461,共12页
由于水体的光学复杂性和不同水质参数之间的相互作用,利用集成学习方法估算水质参数具有优势;然而,在建模过程中如何合理选择超参数仍然是一个难题。麻雀搜索算法能够快速搜索集成学习模型的最优参数;而Levy飞行算法可以防止麻雀搜索算... 由于水体的光学复杂性和不同水质参数之间的相互作用,利用集成学习方法估算水质参数具有优势;然而,在建模过程中如何合理选择超参数仍然是一个难题。麻雀搜索算法能够快速搜索集成学习模型的最优参数;而Levy飞行算法可以防止麻雀搜索算法(Sparrow Search Algorithm,SSA)陷入局部最优,并提高模型的准确性和效率。使用Levy飞行算法和麻雀搜索算法对随机森林(RandomForest,RF)、自适应回归(AdaBoost Regression,ABR)和类别提升回归(CatBoost Regression,CBR)3种集成学习模型进行了优化。以郑州东风渠和熊耳河为研究区,基于实测叶绿素a(chlorophyll-a,Chl-a)和总悬浮物(total suspended solids,TSM)数据,构建了LSSA-RF、LSSA-ABR和LSSA-CBR这3种估算模型。实验结果表明:模型经过优化后,各项指标均有不同程度的提高。其中表现最优的是LSSA-CBR模型;CBR模型是在梯度提升框架下进行的建模,对比RF和CBR模型具有更高维度的学习能力。在叶绿素a的估算中,LSSA-CBR估算模型的均方根误差为2.325μg·L^(-1),决定系数为0.896;在总悬浮物的估算中,LSSA-CBR模型的均方根误差为1.598 mg·L^(-1),决定系数为0.882。最后,将精度较好的LSSA-CBR模型应用于卫星Planet影像中,以评估河流叶绿素a和总悬浮物的空间分布情况。研究结果可为环保部门快速了解城市河流水质分布及进行水质评价与管理提供参考。 展开更多
关键词 叶绿素a 总悬浮物 集成学习模型 Levy飞行—麻雀搜索算法 城市河流
在线阅读 下载PDF
基于对比学习和扩散模型的图像语义通信方法
10
作者 邢焕来 况田泽宇 +6 位作者 徐乐西 李洋 郑丹阳 罗寿西 戴朋林 李可 冯力 《计算机学报》 北大核心 2025年第5期1151-1167,共17页
无监督图像传输语义通信方法的目的是在接收端生成与原始图像尽可能相似的图像。然而,在低压缩比(Compression Ratios,CRs)或低信噪比(Signal-to-Noise Ratio,SNR)的条件下,重建图像的质量往往会显著下降。为了解决上述问题,本文提出了... 无监督图像传输语义通信方法的目的是在接收端生成与原始图像尽可能相似的图像。然而,在低压缩比(Compression Ratios,CRs)或低信噪比(Signal-to-Noise Ratio,SNR)的条件下,重建图像的质量往往会显著下降。为了解决上述问题,本文提出了一种能够自监督提取并利用图像高层语义的语义通信模型。为有效地提取包含高、低层的混合语义特征,本文提出了一种基于动量对比(Momentum Contrast,MoCo)的自监督语义编码器。与纯高层语义特征相比,混合语义特征能够提高生成图像与原图的相似性;与纯低层语义特征相比,混合语义特征能够更好地表示图像的核心语义。本文设计了一种基于扩散模型(Diffusion Model)的语义解码器,旨在建立高层语义特征到图像像素的映射关系,将接收到的语义信息还原为图像像素。实验结果表明,在低CRs和低SNR条件下,与传统通信方法和四种无监督语义通信方法相比,本文所提出的模型在加性高斯白噪声(Additive White Gaussian Noise,AWGN)信道、瑞利(Rayleigh)信道和莱斯(Rician)信道下生成的图像在视觉特征方面与原数据集更接近,并在使用第三方图像分类器进行分类时具有更高的正确率。 展开更多
关键词 语义通信 深度学习 对比学习 扩散模型 图像处理
在线阅读 下载PDF
数字经济何以赋能新质生产力:基于生产关系理论与双重机器学习模型 被引量:2
11
作者 吴小军 《暨南学报(哲学社会科学版)》 北大核心 2025年第4期29-44,共16页
数字经济作为推动城市高质量发展的新引擎,在提升新质生产力和实现可持续发展方面具有重要意义。立足生产关系视角,选取2011-2022年282个地级市面板数据,基于双重机器学习模型探究数字经济对新质生产力的作用机制。研究发现,数字经济能... 数字经济作为推动城市高质量发展的新引擎,在提升新质生产力和实现可持续发展方面具有重要意义。立足生产关系视角,选取2011-2022年282个地级市面板数据,基于双重机器学习模型探究数字经济对新质生产力的作用机制。研究发现,数字经济能有效赋能城市新质生产力发展,且数字经济对新质劳动对象的影响最大。就区域而言,数字经济对新质生产力的影响程度从大到小依次为东部地区、西部地区、中部地区、东北地区,与经济发展水平低的城市相比,经济发展水平高的城市数字经济对新质生产力的促进作用更大,且在不同资源禀赋下数字经济对新质生产力的影响程度从大到小依次为再生型城市、成长型城市、衰退型城市、非资源型城市、成熟型城市。机制检验结果表明,数字经济能够通过要素配置优化、产业结构转型等机制驱动新质生产力水平的提升。 展开更多
关键词 数字经济 双重机器学习模型 新质生产力 生产关系
在线阅读 下载PDF
基于匹配的模型卸载边缘联邦学习方法
12
作者 顾永跟 张吕基 +1 位作者 吴小红 陶杰 《计算机应用研究》 北大核心 2025年第1期139-148,共10页
针对边缘计算环境下联邦学习中因资源异质性导致的“滞后者”效应等问题,提出基于匹配的模型卸载边缘联邦学习方法(Fed-MBMO)。该方法通过收集边缘设备的性能分析结果,将设备分别划分为强、弱客户端,考虑了模型训练的四个阶段时间占比,... 针对边缘计算环境下联邦学习中因资源异质性导致的“滞后者”效应等问题,提出基于匹配的模型卸载边缘联邦学习方法(Fed-MBMO)。该方法通过收集边缘设备的性能分析结果,将设备分别划分为强、弱客户端,考虑了模型训练的四个阶段时间占比,弱客户端通过冻结部分模型以节省在特征层上反向传播的时间,并将模型卸载至“强客户端”进行额外的训练,最后将强客户端模型的特征层与弱客户端的全连接层进行模型重构。为提高模型卸载效率,综合考虑模型特征层的相似度与任务完成时间构建了卸载成本矩阵,并将问题转换为迭代求解基于二部图的最优匹配问题,提出基于Kuhn-Munkres(KM)的模型卸载算法并进一步分析了Fed-MBMO算法的时间复杂度。实验结果表明,在资源与数据极端异质的情况下,该方法能够加速模型收敛,模型训练时间与FedAvg、FedUE和Aergia相比分别平均减少46.65%、12.66%、38.07%。实验结果证明了所提的Fed-MBMO算法能够有效解决“滞后者”效应问题并显著提高联邦学习效率。 展开更多
关键词 联邦学习 滞后者效应 模型卸载 强弱匹配 资源异质性 模型重构 边缘计算
在线阅读 下载PDF
基于深度学习贝叶斯模型平均代理的油藏自动历史拟合研究
13
作者 张凯 陈旭 +3 位作者 刘丕养 张金鼎 张黎明 姚军 《钻采工艺》 北大核心 2025年第1期147-156,共10页
油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能... 油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能力方面存在局限性。基于空间特征构建的代理模型侧重于学习油藏渗流的空间特性,但忽视了时间维度;基于时空特征构建的模型虽然擅长捕捉时间序列特征,却在空间特征学习方面不足。为此,文章提出了一种基于深度学习的贝叶斯模型平均代理方法,利用贝叶斯模型平均方法对两种深度学习代理模型进行集成,结合二者优势,增强代理模型对油藏特征的多维度学习能力,从而提高预测精度。该方法进一步结合多重数据同化集合平滑器,应用于实际油藏历史拟合中。实验结果表明,基于深度学习贝叶斯模型平均代理的历史拟合方法能够在保证高效计算的同时,准确拟合油藏实际生产动态,为快速、精确的历史拟合提供了一种创新解决方案。 展开更多
关键词 深度学习 历史拟合 产量预测 贝叶斯模型平均方法 集成代理模型
在线阅读 下载PDF
基于深度学习和SVM-RFE的网络入侵检测模型
14
作者 叶青 张延年 吴昊 《电信科学》 北大核心 2025年第7期108-119,共12页
网络入侵检测系统是对抗各种网络威胁的有效手段。然而,网络入侵数据中存在大量冗余信息和分布不平衡问题,为此,提出基于深度学习和支持向量机的递归特征消除算法的网络入侵检测(DLRF)模型。DLRF模型利用基于支持向量机的递归特征消除... 网络入侵检测系统是对抗各种网络威胁的有效手段。然而,网络入侵数据中存在大量冗余信息和分布不平衡问题,为此,提出基于深度学习和支持向量机的递归特征消除算法的网络入侵检测(DLRF)模型。DLRF模型利用基于支持向量机的递归特征消除算法进行特征权重排序,选择重要特征。同时,结合过采样和欠采样技术解决数据样本分布不平衡的问题。利用3个深度学习算法构建集成框架的基学习器,并利用深度神经网络构建元学习器,进而提升DLRF模型检测网络攻击的性能。通过两个典型的网络入侵数据集UNSW-NB15和数据集CICIDS 2017验证DLRF模型的性能。性能分析表明,DLRF模型在这两个数据集上的准确率分别为0.9068、0.9968,F1值(F1-score)分别为0.9068、0.9960。 展开更多
关键词 入侵检测模型 深度学习 递归特征消除 集成学习
在线阅读 下载PDF
融合物理机制的机器学习水文模型研究进展
15
作者 张建云 谢康 +3 位作者 刘艳丽 郑雅莲 汤梓杰 王国庆 《人民长江》 北大核心 2025年第10期37-46,共10页
随着信息技术和物理模型的发展,融合物理机制的机器学习方法因其优越的准确性、物理一致性以及有效处理不确定性和非线性特征的能力,正逐渐成为水文领域的研究热点。在重点综述近10 a来融合物理机制的机器学习在水文模型中最新应用与发... 随着信息技术和物理模型的发展,融合物理机制的机器学习方法因其优越的准确性、物理一致性以及有效处理不确定性和非线性特征的能力,正逐渐成为水文领域的研究热点。在重点综述近10 a来融合物理机制的机器学习在水文模型中最新应用与发展的基础上,总结了物理机制与机器学习融合模型的不同应用分类,分为误差校正型、参数优化型、数据增强型、物理约束型、结构内嵌型、公式融入型等6种,并重点讨论了数据与物理双驱动水文模型的进展与不足。最后,展望了融合物理机制的机器学习在水文模型中的发展方向,提出需重点关注模型参数优化、可解释性问题、小样本及中长期尺度模拟等方面的研究,让物理机制与人工智能深度结合的新方法促进水文模型领域的建设与发展。 展开更多
关键词 水文模型 数据驱动 物理机制 机器学习
在线阅读 下载PDF
诊断和提高迁移学习模型鲁棒性的可视分析方法
16
作者 刘真 颜菁 +2 位作者 吴兆国 林菲 吴向阳 《计算机辅助设计与图形学学报》 北大核心 2025年第6期1073-1087,共15页
虽然迁移学习可以使开发人员根据复杂的预训练模型(教师模型)构建符合目标任务的自定义模型(学生模型),但是迁移学习中的学生模型可能会继承教师模型中的缺陷,而模型鲁棒性是作为衡量模型缺陷继承的重要指标之一.在迁移学习领域中,通常... 虽然迁移学习可以使开发人员根据复杂的预训练模型(教师模型)构建符合目标任务的自定义模型(学生模型),但是迁移学习中的学生模型可能会继承教师模型中的缺陷,而模型鲁棒性是作为衡量模型缺陷继承的重要指标之一.在迁移学习领域中,通常会运用缺陷缓解或学生模型和教师模型联合训练的方法,达到减少继承教师模型的缺陷知识目的.因此,文中提出一种用于探索迁移学习过程中模型鲁棒性变化情况的可视分析方法,并构建了相应的原型系统——TLMRVis.该方法首先计算了学生模型的鲁棒性能指标;其次在数据实例层面展示模型各类别的表现性能;然后在实例特征层面通过模型抽象化方式去揭示教师模型和学生模型之间继承的重用知识;最后结合模型切片方法改善模型的缺陷继承用以提高模型鲁棒性.同时, TLMRVis系统不仅结合多种可视化方法展示多种学生模型和教师模型之间的异同点,而且通过引入缺陷缓解技术来查看和诊断教师模型和学生模型的性能变化和底层预测行为机制. 2个案例的实验结果表明, TLMRVis系统可以帮助用户分析迁移学习中模型的鲁棒性、模型继承的缺陷知识和模型缺陷改善后的性能变化. 展开更多
关键词 迁移学习 可视分析 模型鲁棒性 缺陷继承 缺陷缓解
在线阅读 下载PDF
LLM生成计算图的深度学习模型编译器缺陷检测
17
作者 潘丽敏 赵智洋 +2 位作者 邵思源 罗森林 张浩然 《北京理工大学学报》 北大核心 2025年第11期1204-1212,共9页
深度学习模型编译器缺陷容易引发模型推理崩溃,严重影响模型的可用性和安全性,目前缺陷检测代码行覆盖严重不足、缺陷类型有限.现有方法以局部算子为约束进行检测,多算子交互引发的缺陷触发困难;语义保持的变异策略限制了计算图节点算... 深度学习模型编译器缺陷容易引发模型推理崩溃,严重影响模型的可用性和安全性,目前缺陷检测代码行覆盖严重不足、缺陷类型有限.现有方法以局部算子为约束进行检测,多算子交互引发的缺陷触发困难;语义保持的变异策略限制了计算图节点算子的类型造成检测的代码行覆盖不足,较大影响了检出缺陷的数量.本文提出多轮提示LLM构造测试用例的缺陷检测方法,创建提示词引导LLM生成计算图,再掩码掉常用算子替换为非常用算子,多次迭代更新计算图生成多样化测试用例.在多种深度学习模型编译器上的实测结果表明,方法大幅提升了代码行测试覆盖率和检出缺陷数量,可靠性高,实用价值大. 展开更多
关键词 模糊测试 深度学习模型编译器 缺陷检测 大语言模型
在线阅读 下载PDF
基于机器学习的巷道围岩变形融合分析及预测模型
18
作者 王猛 袁春玉 +4 位作者 李鑫磊 胡超 袁瑞甫 尚栋煌 王成 《采矿与岩层控制工程学报》 北大核心 2025年第4期75-91,共17页
为解决巷道变形预测和破坏区定位困难等问题,建立了多重扰动底抽巷围岩数值分析模型,选取围岩强度、侧压系数等地质参数,巷道断面尺寸、抽采钻孔、支护强度等开采参数作为研究对象,获取了多因素扰动下底抽巷顶板变形数据集,采用随机森... 为解决巷道变形预测和破坏区定位困难等问题,建立了多重扰动底抽巷围岩数值分析模型,选取围岩强度、侧压系数等地质参数,巷道断面尺寸、抽采钻孔、支护强度等开采参数作为研究对象,获取了多因素扰动下底抽巷顶板变形数据集,采用随机森林、极端随机树、GBDT、XGBoost等机器学习算法,分别建立了单一基学习器巷道变形预测模型,以弹性网算法为元学习器,利用Stacking融合方法,对不同基学习器输出模型进行了融合处理,构建了多重扰动底抽巷围岩变形融合预测模型,评价了各特征因素对巷道变形的抑促效应,识别了影响底抽巷围岩稳定的主控因素。以赵固二矿14040运输巷底抽巷为工程背景,利用建立的巷道变形预测模型,以巷道实际生产地质条件和开采参数作为输入项,通过设置巷道期望变形量,逆向运算并输出了试验巷道建议支护强度,并指导了现场巷道支护设计及关键参数确定。现场应用结果表明,采用建议支护强度后,巷道实测变形值处于决策模型规定的允许范围内,顶板变形量仅为原支护的52%,有效控制了巷道围岩大变形。基于机器学习建立的巷道变形预测模型为巷道稳定维护提供了一条新途径,促进了煤矿巷道智能运维技术的发展。 展开更多
关键词 巷道变形 机器学习 预测模型 智能运维 围岩控制
在线阅读 下载PDF
比较多种机器学习模型预测肺移植术后受者生存
19
作者 史灵芝 刘亚灵 +7 位作者 严浩吉 喻赠玮 侯森林 刘明昭 杨航 吴波 田东 陈静瑜 《器官移植》 北大核心 2025年第2期264-271,共8页
目的 比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法 回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随... 目的 比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法 回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随机生存森林(RSF)和极端梯度提升树(XGBoost)构建预后模型,使用综合曲线下面积(iAUC)和时间依赖曲线下面积(t AUC)进行模型性能评估。结果 训练集和验证集的各变量差异均无统计学意义。基于VIMP筛选排名前15的变量用于建模并确定重症监护室(ICU)住院时间为最重要的因素。与XGBoost模型相比,RSF模型在预测受者生存期方面表现出更好的性能(i AUC0.773比0.723)。在预测受者6个月生存期(tAUC6个月0.884比0.809,P=0.009)和1年生存期(tAUC1年0.896比0.825,P=0.013)方面,RSF模型也表现出更好的性能。基于两种算法的预测截断值,将LTx术后受者分为高风险组和低风险组,两种模型的生存分析结果均显示高风险组受者的生存率低于低风险组(P<0.001)。结论 与XGBoost相比,基于RSF算法开发的机器学习预后模型可以更好地预测LTx受者的生存期。 展开更多
关键词 肺移植 机器学习 预测模型 随机生存森林 极端梯度提升树 生存期 比例风险回归模型 重症监护室
在线阅读 下载PDF
基于主动学习PC-Kriging模型的复杂结构可靠性分析方法
20
作者 陈吉清 张钰奇 +2 位作者 兰凤崇 周云郊 王俊峰 《汽车工程》 北大核心 2025年第2期383-390,共8页
对于复杂结构可靠性设计中多维设计变量和隐式非线性响应的问题,构造准确的代理模型是一种有效的解决方法。然而,基于预设样本量的试验设计来构建代理模型,可能面临效率低下或准确性不足的挑战。为此,提出一种主动学习PC-Kriging模型的... 对于复杂结构可靠性设计中多维设计变量和隐式非线性响应的问题,构造准确的代理模型是一种有效的解决方法。然而,基于预设样本量的试验设计来构建代理模型,可能面临效率低下或准确性不足的挑战。为此,提出一种主动学习PC-Kriging模型的可靠性分析方法,结合多项式混沌展开增强全局近似精度以及Kriging捕捉局部特征的优点,利用主动学习策略,自适应地选择最佳样本点,最大程度减少训练样本量,即减少结构性能分析的计算成本,提高分析效率。进一步构建主动学习PC-Kriging模型驱动的多软件协同设计框架,对前、后处理软件进行二次开发,实现参数化建模、性能分析和后处理的无缝连接,形成一套自动化分析流程。最后,以电池包结构为例进行可靠性分析,验证本文方法的高效性和准确性。 展开更多
关键词 结构可靠性分析 主动学习 代理模型 PC-Kriging 多软件协同
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部