面向任务扩展的增量学习动态神经网络:研究进展与展望

增量学习是近年来机器学习领域的一个重要的研究方向，它能高效地进行知识迁移却不产生遗忘.与静态模型相比，动态网络可以根据不同的输入调整其结构或参数，从而在准确性、计算效率和适应性等方面具有显著的优势.本文从动态架构角度出发，根据动态网络中的自适应选择方式，对当前增量学习模型中所涉及到动态神经网络进行了系统化的总结.文中首先了阐述了增量学习研究进展和定义，归纳了增量学习的学习场景.其次根据动态路由选择粒度的不同，将增量学习的动态神经网络划分为基于任务的动态选择、基于模块化的动态选择、基于神经元的动态选择、基于卷积通道的动态选择和基于权重的动态选择，并对常用的增量学习模型分类进行了阐述和比较.最后归纳了一些常见数据集，并对未来的研究方向进行展望.     

钒钛磁铁尾矿原位改良及无土生态闭库种植试验

针对钒钛磁铁尾矿库沉积滩浅表层尾矿的土壤特性，采用有机生物菌肥、团粒促进剂、抗旱保水剂为主要改良材料，辅以速效复合肥对尾矿进行原位改良，通过三因素二水平正交试验设计，将钒钛磁铁尾矿与改良材料混合后制成不同配比的人工土壤，选用羊胡子草、牛筋草等8种乡土耐受性植物，通过测试分析和种植试验，研究尾矿改良的人工土壤理化性质和植物生长特征。结果表明：钒钛磁铁尾矿经原位改良的人工土壤质量符合绿化种植土壤标准，种植的乡土植物具有较好的成活率和覆盖度，能满足尾矿库闭库复垦的要求，表层人工土壤的较优配比为有机生物菌肥12%、团粒促进剂0.4%、抗旱保水剂0.05%、速效复合肥0.6%;底层人工土壤的较优配比为有机生物菌肥4%、团粒促进剂0.8%、抗旱保水剂0.2%、速效复合肥1.2%。     

山西青铜簋环耳的审美影响及应用思路

山西青铜簋环耳的艺术特色明确。通过整理研究西周时期三耳簋和四耳簋的环耳部分，分析其发展历程和艺术审美，感受青铜器的纹饰美和文化寓意，以及对现代工艺美学应用的影响。     

交叉式病证结合思维模式的培养在中医内科学教学标准中的意义探析

中医内科学在中医课程中占据承上启下的重要地位，是培养学生临床思维的关键一步。随着中西医结合的不断深入，传统病证结合和现代病证结合相交叉的诊病模式在中医内科学教材中得到充分体现，将之有效传授给学生则势在必行。     

超高效液相色谱法同时测定食用植物油中的4种植物甾醇

目的建立超高效液相色谱(UPLC)法测定食用植物油中4种植物甾醇(菜籽甾醇、豆甾醇、菜油甾醇、β-谷甾醇)的方法。方法食用植物油样品经皂化后,用冰醋酸调节p H=6.0~7.5,乙醇定容后冷冻离心,取上清液测定。采用Endoavorsil C_(18)(100 mm×2.1 mm,1.8μm)色谱柱,以甲醇作为流动相等度洗脱,使用二极管阵列检测器在波长205 nm下进行检测。结果方法的线性范围:β-谷甾醇、豆甾醇、菜籽甾醇为20~200μg/ml;菜油甾醇为10~100μg/ml,相关系数r均大于0.999 9。方法检出限(S/N=3):菜籽甾醇、豆甾醇、菜油甾醇、β-谷甾醇分别为23.2、18.8、18.6、23.8μg/g;定量限(S/N=10)分别为77.5、62.8、62.2、79.4μg/g;4种组分按高、中、低3个浓度水平加标回收率为84.7%~100.7%,相对标准偏差RSD(n=6)均3%。结论本方法简便稳定,准确灵敏,适用于食用植物油中4种主要植物甾醇的同时测定。     

面向软件产品家族的变化性建模方法

用户需求和运行环境的变化增加了软件产品开发、维护和演化的难度.另一方面,如果能对同类软件(比如软件产品家族)的变化性实施有效的控制,则可以极大地促进软件复用,提高软件生产效率和质量.对变化性建模是控制变化性的有效手段,既有助于变化性的识别和规约,又能够提供足够的机制支持变化性的演化.提出了一种面向产品家族的变化性建模方法,以变化性的管理策略为指导,从扩展的用况(use case)模型入手捕获系统行为的变化性,以特征模型来组织功能性需求和质量属性并识别其变化性,两种模型对变化性的建模采用相同的机制.还结合一个实例讨论了产品家族变化性建模的全过程.该研究对产品家族变化性的分析与建模具有一定的参考作用.     

深度学习图像描述方法分析与展望

图像描述任务是利用计算机自动为已知图像生成一个完整、通顺、适用于对应场景的描述语句，实现从图像到文本的跨模态转换。随着深度学习技术的广泛应用，图像描述算法的精确度和推理速度都得到了极大提升。本文在广泛文献调研的基础上，将基于深度学习的图像描述算法研究分为两个层面，一是图像描述的基本能力构建，二是图像描述的应用有效性研究。这两个层面又可以细分为传递更加丰富的特征信息、解决暴露偏差问题、生成多样性的图像描述、实现图像描述的可控性和提升图像描述推理速度等核心技术挑战。针对上述层面所对应的挑战，本文从注意力机制、预训练模型和多模态模型的角度分析了传递更加丰富的特征信息的方法，从强化学习、非自回归模型和课程学习与计划采样的角度分析了解决暴露偏差问题的方法，从图卷积神经网络、生成对抗网络和数据增强的角度分析了生成多样性的图像描述的方法，从内容控制和风格控制的角度分析了图像描述可控性的方法，从非自回归模型、基于网格的视觉特征和基于卷积神经网络解码器的角度分析了提升图像描述推理速度的方法。此外，本文还对图像描述领域的通用数据集、评价指标和已有算法性能进行了详细介绍，并对图像描述中待解决的问题与未来研究...