期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于叙事医学的产科人文医学实践教学——以“温暖的医学”课程“生”主题实践为例
被引量：
2
1
作者
徐丁丁
冯媛
+1 位作者
田利红
余佯洋
《中国医学伦理学》
北大核心
2024年第11期1302-1307,共6页
叙事医学强调叙事能力的养成,为促进临床学科教学、引导医学生向医生角色的转化提供了重要路径。“温暖的医学”课程基于叙事医学理论,课程设计了覆盖“生·老·病·死”全生命周期的两层进阶式实践教学体系,在实际医疗场...
叙事医学强调叙事能力的养成,为促进临床学科教学、引导医学生向医生角色的转化提供了重要路径。“温暖的医学”课程基于叙事医学理论,课程设计了覆盖“生·老·病·死”全生命周期的两层进阶式实践教学体系,在实际医疗场景中锻炼医学生吸收、解释、回应患者故事和困境的能力。以“生”主题实践为例,呈现了该课程的具体实施和开展情况。“生”主题实践教学提升了学生对医学主旨的理解和生命本质的感悟,促进了医患关系主体间性的建立和医学生全人医学诊疗思维的形成。
展开更多
关键词
叙事医学
产科教学
临床教育
医学人文教育
在线阅读
下载PDF
职称材料
基于多尺度分段的长时间序列预测方法
被引量：
3
2
作者
何胜林
龙琛
+6 位作者
郑静
王爽
文振焜
吴惠思
倪东
何小荣
吴雪清
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2024年第2期232-240,共9页
针对目前长时间序列预测(long sequence time-series forecasting,LSTF)存在历史数据量大、计算复杂度高、预测精度要求高等问题,提出一种基于多尺度分段的Transformer模型.该模型基于Transformer架构进行改进和优化,使用多尺度分段将...
针对目前长时间序列预测(long sequence time-series forecasting,LSTF)存在历史数据量大、计算复杂度高、预测精度要求高等问题,提出一种基于多尺度分段的Transformer模型.该模型基于Transformer架构进行改进和优化,使用多尺度分段将时间序列切片成多个时间段进行训练和预测,降低了长时间序列的复杂性,并实现了更高精度的预测.在电力变压器油温(electricity transformer temperature,ETT)数据集、用电负荷(electricity consumption load,ECL)数据集和天气(Weather)数据集中,分别采用传统Transfomer、Informer、门控循环单元(gated recurrent unit,GRU)、时序卷积网络(temporal convolutional network,TCN)和长短期记忆(long short-term memory,LSTM)5种基准模型与本研究提出的多尺度分段的Transformer模型,对长时间序列进行预测.结果表明,采用基于多尺度分段的Transformer模型在Weather数据集上对预测长度为192的时间序列预测的均方误差和平均绝对误差分别为0.367和0.407,均优于其他模型.基于多尺度分段的Transformer模型可以综合Transformer模型的优点,且计算速度更快,预测性能更高.
展开更多
关键词
计算机神经网络
时间序列预测
Transformer模型
多尺度分段
深度学习
电力预测
在线阅读
下载PDF
职称材料
题名
基于叙事医学的产科人文医学实践教学——以“温暖的医学”课程“生”主题实践为例
被引量：
2
1
作者
徐丁丁
冯媛
田利红
余佯洋
机构
深圳大学
医学部医学人文中心
深圳大学总医院妇产科
出处
《中国医学伦理学》
北大核心
2024年第11期1302-1307,共6页
基金
2023年广东省临床教学基地教学改革研究项目“基于叙事医学的两层进阶式医学人文实践教学模式探索与研究”
2023年广东省“新医科”教学改革项目“新医科医学人文实践教育体系与实践平台建构”
2023年深圳大学医学部教学改革研究重点项目-重点项目“新医科背景下基于叙事医学的两层进阶式医学人文实践教学模式探索与研究”(YXBJG202338)。
文摘
叙事医学强调叙事能力的养成,为促进临床学科教学、引导医学生向医生角色的转化提供了重要路径。“温暖的医学”课程基于叙事医学理论,课程设计了覆盖“生·老·病·死”全生命周期的两层进阶式实践教学体系,在实际医疗场景中锻炼医学生吸收、解释、回应患者故事和困境的能力。以“生”主题实践为例,呈现了该课程的具体实施和开展情况。“生”主题实践教学提升了学生对医学主旨的理解和生命本质的感悟,促进了医患关系主体间性的建立和医学生全人医学诊疗思维的形成。
关键词
叙事医学
产科教学
临床教育
医学人文教育
Keywords
narrative medicine
obstetrics teaching
clinical education
medical humanities education
分类号
R-05 [医药卫生]
在线阅读
下载PDF
职称材料
题名
基于多尺度分段的长时间序列预测方法
被引量：
3
2
作者
何胜林
龙琛
郑静
王爽
文振焜
吴惠思
倪东
何小荣
吴雪清
机构
深圳大学
计算机与软件学院
深圳
市卫生健康发展研究和数据管理中心
深圳
市荔康科技有限公司
深圳大学总医院妇产科
出处
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2024年第2期232-240,共9页
基金
国家自然科学基金资助项目(61572328)。
文摘
针对目前长时间序列预测(long sequence time-series forecasting,LSTF)存在历史数据量大、计算复杂度高、预测精度要求高等问题,提出一种基于多尺度分段的Transformer模型.该模型基于Transformer架构进行改进和优化,使用多尺度分段将时间序列切片成多个时间段进行训练和预测,降低了长时间序列的复杂性,并实现了更高精度的预测.在电力变压器油温(electricity transformer temperature,ETT)数据集、用电负荷(electricity consumption load,ECL)数据集和天气(Weather)数据集中,分别采用传统Transfomer、Informer、门控循环单元(gated recurrent unit,GRU)、时序卷积网络(temporal convolutional network,TCN)和长短期记忆(long short-term memory,LSTM)5种基准模型与本研究提出的多尺度分段的Transformer模型,对长时间序列进行预测.结果表明,采用基于多尺度分段的Transformer模型在Weather数据集上对预测长度为192的时间序列预测的均方误差和平均绝对误差分别为0.367和0.407,均优于其他模型.基于多尺度分段的Transformer模型可以综合Transformer模型的优点,且计算速度更快,预测性能更高.
关键词
计算机神经网络
时间序列预测
Transformer模型
多尺度分段
深度学习
电力预测
Keywords
computer neural networks
time series forecasting
Transformer model
multi-scale segmentation
deep learning
power forecasting
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于叙事医学的产科人文医学实践教学——以“温暖的医学”课程“生”主题实践为例
徐丁丁
冯媛
田利红
余佯洋
《中国医学伦理学》
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于多尺度分段的长时间序列预测方法
何胜林
龙琛
郑静
王爽
文振焜
吴惠思
倪东
何小荣
吴雪清
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
