1985—2015年中国县域芝麻生产的时空演变

为阐明我国芝麻生产的时空变化特征，基于1985—2015年的我国县域芝麻生产统计数据，采用集中度、重心迁移、产量贡献率、优势度等指标，对我国芝麻种植面积、产量和单产的时空动态变化进行分析。结果表明:1)1985—2015年，我国芝麻产量和面积的分布基本一致，主要集中在大别山山脉一带和辽宁省西北部；全国芝麻单产水平不断提升，种植面积自2000年起小幅缩减，而产量变化处于明显的波动状态。2)30年间，全国芝麻产量集中度和面积集中度变化波动较小，集中地区分布发生了一定的变化；我国芝麻产量、面积重心同步向南偏西方向迁移，迁移距离分别为252和344 km。3)我国芝麻生产的主导因素一直为面积，占比为40.0%—49.9%；我国芝麻的生产优势区主要在河南、安徽、湖北、江西四省。近30年来，我国芝麻种植变化受其自身特性、病虫害、湿害以及政策等影响，芝麻生产受到一定的限制。因此，优化和调整我国芝麻生产的政策倾向、种植结构、良种研发以及栽培管理等方面尤显关键。     

基于卷积神经网络的小麦产量预估方法

小麦产量是评估农业生产力的重要指标之一,针对小麦产量人工预估困难,提出将卷积神经网络运用于小麦产量预估,为农业生产力的预估提供参考,指导农业生产管理决策。利用无人机分别在河南省新乡、漯河两地进行图片采集,并以之构建麦穗数据集,分为正样本(麦穗)和负样本(叶子和背景)。针对小麦常规的生理形态和生长环境,设计卷积神经网络识别模型,以图像金字塔构建多尺度滑动窗口,以非极大值抑制(NMS)去除重叠率较高的目标框,实现对单位面积内麦穗的计数,并利用随机采样的方式对大田麦穗进行单位面积图像采样,以采样图像中麦穗数量的平均值作为产量预估基准,进一步实现麦穗产量预估。随机抽取100幅不同小麦图片进行测试,与人工计数结果进行对比,准确率达到97.30%,漏检率为0.34%,误检率为2.36%,误差率为2.70%。试验结果表明,此方法能够克服环境中的多种噪声干扰,能够在不同光照条件下对麦穗进行计数和产量预估。     

基于部分亲和场的行走奶牛骨架提取模型

在奶牛关键点预测的基础上,通过点、线重构奶牛骨架结构,可为奶牛跛行检测、发情行为分析、运动量估测等提供重要参考。本研究基于部分亲和场,以养殖场监控摄像头拍摄的视频为原始数据,使用1 600幅图像训练了奶牛骨架提取模型,实现了奶牛站立、行走状态下关键点信息和部分亲和场信息的预测,并通过最优匹配连接对奶牛骨架结构进行准确提取。为了验证该模型的性能,采用包含干扰因素的100幅单目标奶牛和100幅双目标奶牛图像进行了测试。结果表明,该模型对单目标行走奶牛骨架提取的置信度为78.90%,双目标行走奶牛骨架提取的置信度较单目标下降了10.96个百分点。计算了不同关键点相似性(Object keypoint similarity,OKS)下的模型准确率,当OKS为0.75时,骨架提取准确率为93.40%,召回率为94.20%,说明该模型具有较高的准确率。该方法可以提取视频中奶牛骨架,在无遮挡时具有高置信度和低漏检率,当遮挡严重时置信度有所下降。该模型的单目标和双目标图像帧处理速度分别为3.30、3.20 f/s,基本相同。本研究可为多目标奶牛骨架提取提供参考。     

面向深度增强学习的网络数据流优化研究

探讨面向分布式深度增强学习框架的网络数据流优化,设计使深度学习训练能容忍无损网络的数据流优化策略。对于参数服务器同步架构,假设计算节点和服务器之间的网络通信会产生丢包,该优化策略需要保证分布式训练在无损网络中的性能。采用理论分析与实验评估相结合的方式来验证所提出策略的性能。     

一种面向蔬菜中文知识图谱表示学习的改进方法

由于TransE模型在处理不同类别关系时,忽略了同类别向量的语义差别,在对蔬菜领域知识图谱中存在的一对多、多对一和多对多的复杂属性关系进行表示学习时效果较差。本文在TransE方法的基础上,提出PTA(Path-based TransE for Attribute)模型对其进行改进。首先,将蔬菜领域实体和关系通过word2vector映射到一个低维稠密向量空间中;其次,将复杂的属性关系和上下位关系进行结合构成关系路径进行训练;并采取Mean Rank和Hits@10两个评价指标衡量表示学习模型的链接预测效果。试验结果表明:PTA模型较TransE模型在不考虑关系分类的情况下,链接预测效果有较大的提高,Mean Rank最高提前6个次序;且在对属性关系按照复杂度进行分类的情况下,链接预测Hits@10的值较TransE模型最高提高13%。     

机器学习在动物基因组选择中的研究进展

基因组选择是指利用覆盖在全基因组范围内的分子标记信息来估计个体育种值。利用基因组信息能够避免因系谱错误带来的诸多问题，提高选择准确性并缩短育种世代间隔。根据统计模型的不同，基因组选择方法可大致分为基于BLUP(best linear unbiased prediction, BLUP)理论的方法、基于贝叶斯理论的方法和其他方法。目前应用较多的是GBLUP及其改进方法 ssGBLUP。准确性是基因组选择模型最常用的评价指标，用来衡量真实值和估计值之间的相似程度。影响准确性的因素可以从模型中体现，大致分为可控因素和不可控因素。传统基因组选择方法促进了动物育种的快速发展，但这些方法目前都面临着多群体、多组学和计算等诸多挑战，不能捕获基因组高维数据间的非线性关系。作为人工智能的一个分支，机器学习是最贴近生物掌握自然语言处理能力的一种方式。机器学习从数据中提取特征并自动总结规律，利用该规律与新数据进行预测。对于基因组信息，机器学习无需进行分布假设，且所有的标记信息都能够被考虑进模型当中。相比于传统的基因组选择方法，机器学习更容易捕获基因型之间、表型与环境之间的复杂关系。因此，机器学习在动物基因组...     

基于网络多媒体茶叶英语教学模式对发展学生自主学习能力的研究

在互联网时代,英语教学也应该积极与网络多媒体技术结合,如此才能够满足当前教育教学改革发展的需求,并全面提升教学效率,促进英语教育的现代化进程。而茶叶英语教学当然也是如此,在这样的背景下,英语教育工作者应该充分借助网络多媒体直观、生动的优势,为学生创建自主学习模式,提升学生的独立学习能力以及学习兴趣,以此推进我国高校英语教育的可持续发展,以及茶文化的发展传承。     

中学英语教学中的茶文化培养的必要性

随着当前整个教学体系不断成熟,如今中学英语教学活动的开展思路更为完善。无论是具体的教学理念,还是相关教学元素都实现了实质性创新与发展。相对于传统教学活动而言,当前整个中学英语教学已经实现了实质性提升。本文拟从中学英语教学活动开展过程中存在的问题和不足分析,结合中学英语教学活动开展的具体要求,通过融入茶文化培养的必要性认知,从而探究融入茶文化开展中学英语教学活动的具体思路。