目的系统评价以问题为基础的教学法(Problem-based Learning,PBL)与传统讲授教学法(Lecture-based Learning,LBL)在眼科住院医师规范化培训中的应用效果。方法计算机检索PubMed、Wiley、Web of Science、中国期刊全文数据库(CNKI)、维...目的系统评价以问题为基础的教学法(Problem-based Learning,PBL)与传统讲授教学法(Lecture-based Learning,LBL)在眼科住院医师规范化培训中的应用效果。方法计算机检索PubMed、Wiley、Web of Science、中国期刊全文数据库(CNKI)、维普中文期刊数据库(VIP)数据库和万方数据库。收集PBL与LBL在眼科住院医师规范化培训中应用效果的对比研究文献。所纳入文献对比PBL与LBL教学的理论成绩、操作成绩和满意度。采用RevMan 5.3软件进行Meta分析。结果共纳入7项研究。Meta分析结果显示,两组学生的理论成绩(WMD=7.25,95%CI:3.17~11.33,P<0.05)、操作成绩(WMD=11.51,95%CI:3.21~19.81,P<0.05)、满意度(OR=6.00,95%CI:2.31~15.60,P<0.05)均具有统计学差异。结论在眼科住院医师规范化培训中PBL教学在理论成绩、操作成绩、满意度方面优于传统讲授教学。提示在眼科住院医师规范化培训中引入PBL教学可以取得更好的教学效果。展开更多
针对民机机械部件故障样本缺乏且类不平衡以及故障信号复杂多样导致的故障诊断精度低,识别不稳定的问题,提出基于增强元学习与通道注意力机制(learn to reweight with SE-1DleNet,LRS)的故障诊断方法。利用小样本平衡验证集指导了不平...针对民机机械部件故障样本缺乏且类不平衡以及故障信号复杂多样导致的故障诊断精度低,识别不稳定的问题,提出基于增强元学习与通道注意力机制(learn to reweight with SE-1DleNet,LRS)的故障诊断方法。利用小样本平衡验证集指导了不平衡训练集的损失权重更新以改善原始不均衡样本分布,提出元梯度增强的梯度裁剪策略;在1D-LeNet的基础上引入SE注意力机制对多维度故障特征通道自适应加权。结果表明:以民机大梁和机械轴承故障作为仿真试验数据集,与当前主流的故障诊断算法ProtoNet、DNCNN、GAN-CNN等相比,该方法诊断效果最优,在样本极端不平衡时准确率达95%以上,能够进行准确故障诊断。展开更多
跨域推荐技术通过深入挖掘及利用其他域的有用信息,有效提升目标域的推荐表现,为解决用户冷启动问题提供了一种有效途径。然而,当前跨域推荐方法存在局限,未能细粒度地扩展隐式关系,并且忽视了嵌入向量中可能包含的冗余信息,从而制约了...跨域推荐技术通过深入挖掘及利用其他域的有用信息,有效提升目标域的推荐表现,为解决用户冷启动问题提供了一种有效途径。然而,当前跨域推荐方法存在局限,未能细粒度地扩展隐式关系,并且忽视了嵌入向量中可能包含的冗余信息,从而制约了跨域推荐系统的性能。鉴于此,提出一种基于域内和域间元路径聚合的跨域推荐方法,IMCDR(intra-domain and inter-domain meta-paths aggregation based cross-domain recommendation)。IMCDR首先通过细粒度地计算实体多字段的语义嵌入,有效扩展用户-用户和物品-物品关系;然后,IMCDR基于域内元路径和域间元路径为每个节点分别生成私有特征和共享特征,并将它们有效融合,以获得更高质量的嵌入向量。在三个跨域推荐任务上的综合实验结果表明,IMCDR在有效性和性能上具有明显优势。展开更多
文摘针对民机机械部件故障样本缺乏且类不平衡以及故障信号复杂多样导致的故障诊断精度低,识别不稳定的问题,提出基于增强元学习与通道注意力机制(learn to reweight with SE-1DleNet,LRS)的故障诊断方法。利用小样本平衡验证集指导了不平衡训练集的损失权重更新以改善原始不均衡样本分布,提出元梯度增强的梯度裁剪策略;在1D-LeNet的基础上引入SE注意力机制对多维度故障特征通道自适应加权。结果表明:以民机大梁和机械轴承故障作为仿真试验数据集,与当前主流的故障诊断算法ProtoNet、DNCNN、GAN-CNN等相比,该方法诊断效果最优,在样本极端不平衡时准确率达95%以上,能够进行准确故障诊断。
文摘跨域推荐技术通过深入挖掘及利用其他域的有用信息,有效提升目标域的推荐表现,为解决用户冷启动问题提供了一种有效途径。然而,当前跨域推荐方法存在局限,未能细粒度地扩展隐式关系,并且忽视了嵌入向量中可能包含的冗余信息,从而制约了跨域推荐系统的性能。鉴于此,提出一种基于域内和域间元路径聚合的跨域推荐方法,IMCDR(intra-domain and inter-domain meta-paths aggregation based cross-domain recommendation)。IMCDR首先通过细粒度地计算实体多字段的语义嵌入,有效扩展用户-用户和物品-物品关系;然后,IMCDR基于域内元路径和域间元路径为每个节点分别生成私有特征和共享特征,并将它们有效融合,以获得更高质量的嵌入向量。在三个跨域推荐任务上的综合实验结果表明,IMCDR在有效性和性能上具有明显优势。
