期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进Transformer的持续血糖浓度预测模型
1
作者 徐鹤 杨丹丹 +1 位作者 刘思行 季一木 《数据采集与处理》 北大核心 2025年第4期1065-1081,共17页
糖尿病是一种普遍存在的慢性疾病,做好血糖控制对糖尿病的预防具有重要作用。然而,持续血糖监测(Continuous glucose monitoring,CGM)过程中数据的不确定性显著增加了血糖预测的难度。因此,提出一种新的基于深度学习的血糖浓度预测模型... 糖尿病是一种普遍存在的慢性疾病,做好血糖控制对糖尿病的预防具有重要作用。然而,持续血糖监测(Continuous glucose monitoring,CGM)过程中数据的不确定性显著增加了血糖预测的难度。因此,提出一种新的基于深度学习的血糖浓度预测模型,旨在提高模型对传感器提取数据的适应性。在该模型中,堆叠式降噪自编码器(Stacked denoising auto encoder,SDAE)被嵌入Transformer编码器的结构中,实现对输入数据的重构去噪和特征提取;然后,采用混合位置编码策略替代原来的单一绝对位置编码嵌入,同时将轻量级解码器引入Transformer模型中,替代原始结构复杂的解码器,聚合来自不同层次的特征信息,同时获取局部和全局特征;最后,通过搭建的SDAE-改进Transformer网络对CGM数据序列并行化训练,更全面地捕捉数据中的时序模式和复杂关联,提高预测性能。实验结果表明,该模型相较于传统方法在血糖预测任务中取得了显著的性能提升,证实了其在处理CGM数据时的有效性和鲁棒性。 展开更多
关键词 持续血糖监测 神经网络 堆叠降噪自编码器 TRANSFORMER 注意力机制
在线阅读 下载PDF
基于员工绩效导向的弹性预算体系设计——以JSCG设计院的实践为例 被引量:2
2
作者 刘旭 刘丽华 李腾 《会计之友》 北大核心 2021年第3期85-90,共6页
预算管理是勘察设计企业管理会计亟需提升的领域之一,它的重要性与实用性不言而喻,但实际工作中很多企业对预算的编制和执行都存在很大随意性。JSCG设计院作为一家大型设计机构,在多年固定预算编制基础上,基于现行的薪酬体系,以部门及... 预算管理是勘察设计企业管理会计亟需提升的领域之一,它的重要性与实用性不言而喻,但实际工作中很多企业对预算的编制和执行都存在很大随意性。JSCG设计院作为一家大型设计机构,在多年固定预算编制基础上,基于现行的薪酬体系,以部门及员工绩效为导向,优化调整并制定了一套弹性预算管理体系,构建了一套内在的实施原则,对其他勘察设计企业、知识型企业开展预算管理具有一定的指导与借鉴价值。 展开更多
关键词 员工绩效 成本性态 弹性预算
在线阅读 下载PDF
采用艾维^(■)纤维开发抗菌功能性针织面料 被引量:1
3
作者 薛香 温林涛 《针织工业》 北大核心 2020年第5期11-13,共3页
采用14.8 tex(40~S)艾维~?纤维赛络紧密纺纱线和3.3 tex氨纶交织,在26针/25.4 mm的圣东尼1800TJB型单面圆纬机上,开发艾维~?纤维抗菌功能性针织面料。详细介绍原料选择、编织工艺、染整工艺,并测试面料的色牢度和抗菌性能。结果表明,开... 采用14.8 tex(40~S)艾维~?纤维赛络紧密纺纱线和3.3 tex氨纶交织,在26针/25.4 mm的圣东尼1800TJB型单面圆纬机上,开发艾维~?纤维抗菌功能性针织面料。详细介绍原料选择、编织工艺、染整工艺,并测试面料的色牢度和抗菌性能。结果表明,开发的艾维~?纤维针织面料的耐皂洗、耐水、耐汗渍、耐摩擦、耐日晒色牢度均达到3.5级及以上,面料对金黄色葡萄球菌和白色念珠菌的抑菌值分别为1.2、1.1,面料具有抗菌性,而且吸湿透气、手感柔软、触感舒适。 展开更多
关键词 艾维纤维^(■) 竹黏纤维 功能性针织面料 编织工艺 抗菌性能 色牢度
在线阅读 下载PDF
基于机器学习的介入式葡萄糖传感器故障监测模型
4
作者 刘思行 许硕洋 +1 位作者 徐鹤 季一木 《计算机科学》 2025年第9期106-118,共13页
随着传感器技术的进步,血糖监测从传统的单点采集发展为连续动态监测(CGM),通过介入式葡萄糖传感器实时监测间质液葡萄糖浓度。血糖传感器的运行状态对监测准确性至关重要,但传感器故障识别面临类别不平衡问题,导致机器学习模型性能下... 随着传感器技术的进步,血糖监测从传统的单点采集发展为连续动态监测(CGM),通过介入式葡萄糖传感器实时监测间质液葡萄糖浓度。血糖传感器的运行状态对监测准确性至关重要,但传感器故障识别面临类别不平衡问题,导致机器学习模型性能下降。基于此,提出了一种结合数据预处理、特征工程和模型集成的优化策略。首先,通过缺失值填补和噪声处理提升数据的完整性和可靠性;其次,利用合成少数类过采样技术(SMOTE)对少数类样本进行过采样,缓解类别不平衡问题;最后,采用堆叠泛化(Stacking)的集成学习方法,结合基于焦点损失函数(Focal Loss)优化的极端梯度提升(XGBoost)和类别特征梯度提升(CatBoost)集成基分类器,与逻辑回归(LR)元分类器构建双层模型,进一步提升故障监测的准确性。为了证明所提出模型的有效性,将该模型的预测结果与其他模型进行了对比,包括基于Focal Loss的单一XGBoost,及其分别与SVM,KNN,LightGBM作为基分类器构建的集成模型等。研究结果表明,提出的基于Focal Loss的XGBoost和CatBoost模型在传感器故障分类任务中表现良好,PR曲线和ROC曲线效果均优于其他模型,精确度和召回率分别为0.9250和0.9238。 展开更多
关键词 传感器故障监测 堆叠泛化 集成学习 极端梯度提升 类别特征梯度提升
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部