合作学习理论在研究生医学信息检索课教学中的应用

基于合作学习的基本理论,探讨了研究生医学信息检索课合作化教学的原则、策略和方法。教学实践证明,该方法能更好地发挥教师的主导作用,增强学生学习的主动性,有效培养学生的信息意识、信息能力和创新思维能力,是符合学习者心理特征的一种行之有效的教学方法。     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

吉林西部退化草地不同修复措施的效果分析

吉林省西部草原大面积退化严重破坏了吉林省中西部生态环境系统的平衡,已成为制约吉林西部草原可持续发展的主要因素。针对吉林西部严重退化草地的土壤硬度大、结构致密等特点,研究采用浅耕翻和深松两种不同翻耕方式对表层土壤环境进行修复,并选用5种适宜本地区的优良牧草进行田间对比试验。结果表明在吉林西部施行深松和浅耕翻可以明显改善土壤环境,相比之下深松效果比浅耕翻好;所选5种草种在吉林西部生长旺盛。     

数字图书馆是信息时代终身学习的平台

21世纪是数字化、网络化、信息化世纪。数字化是基础，网络化是手段，信息化是目的。数字化是决定人类命运的新的转折点，数字图书馆则是有效的形式和工具，是信息化的核心，必然成为终身学习的重要基地、学习社区。     

Modelling Wild-Oat Density in Terms of Soil Factors: A Machine Learning Approach

In crop fields, weed density varies spatially in non-random patterns. Initial knowledge of weed distribution would greatly improve weed management for Precision Agriculture operations. Site properties could be correlated to weed distribution, since the former vary among crop fields and also certain factors such as soil texture or nitrogen may condition the weed growth. This paper presents a method, based on artificial intelligence techniques, for inducing a model that appropriately predicts the heterogeneous distribution of wild-oat (Avena sterilis L.) in terms of some environmental variables. From several experiments, distinct rule sets have been found by applying a genetic algorithm to carry out the automatic learning process. The best rule set extracted was able to explain about 88% of weed variability.     

基于机器视觉的小贯小绿叶蝉智能识别的研究与应用

深度学习已经在农作物害虫实时监测的智能识别过程中广泛应用。以小贯小绿叶蝉（Empoasca onukii）识别模型为基础,研究深度学习在诱虫板上叶蝉识别中的应用,旨在提高小贯小绿叶蝉田间种群调查的准确性。本研究设计了一种茶园小贯小绿叶蝉的识别、计数方法,首先采用黄色诱虫板诱集小贯小绿叶蝉,利用相机对诱虫板进行图像采集并上传至服务器,然后通过服务器部署的目标检测算法,对图像中叶蝉进行识别与计数。通过算法筛选,确定YOLOv3作为识别算法,用改进后的Soft-NMS代替原来的NMS,用K-means聚类方法计算新的先验框的尺寸,提升YOLOv3对目标识别的速度和准确率。通过田间试验对比诱虫板上叶蝉的真实数量,结果显示优化后识别算法的准确率可达到95.35%以上。本研究验证了诱虫板诱集、目标识别算法和物联网技术相结合,能够为小贯小绿叶蝉田间种群的实时监测提供技术支持,可为其他具有颜色偏爱性昆虫的实时监测和茶园害虫综合治理提供参考。     

Fucoxanthin and Its Metabolites in Edible Brown Algae Cultivated in Deep Seawater

Three metabolites of fucoxanthin were isolated from a brown alga, Scytosiphon lomentaria, and the structure of a new compound was determined by NMR. The content of fucoxanthin, a biologically active carotenoid, in four edible brown algae, cultivated in deep seawater, was studied.     

华北平原水浇玉米-小麦轮作农田硝态氮的淋失

Soil water deep drainage and nitrate (NO3^-) leaching losses below the root zone were investigated in a 1 ha wheatmaize rotation field under traditional agricultural management that local farmers generally follow in the North China Plain, using the soil water balance method and NO3-N concentration in suction samples. Water drainage, and NO3-N distribution and leaching losses exhibited pronounced spatial and temporal variability. Soil water deep drainage and NO3- N leaching loss mostly occurred during the summer maize growing season (rainy season), which coincided with irrigations and significant rainfall. On average, soil water deep drainage was 39 and 90 mm in the 1998/1999 and 1999/2000 cropping years, correspondingly, accounting for 10% and 19% of the total irrigation plus rainfall, respectively. The NO3-N leaching loss from soil and fertilizer N below the root zone ranged from 6 to 17 (averaging 12) and 30 to 84 (averaging 61) kg N ha^-1 in 1998/1999 and 1999/2000, correspondingly, equivalent to 1.4%-4.1% and 7.3%-20.3% of N fertilizer applied,respectively. The results indicated that water and fertilizer inputs could be greatly reduced, thus improving water and nutrient use efficiency in this region.     

基于特征变量与支持向量机回归克里格(SVRK)法的湿地土壤有机质空间变异特征分析

选取适宜变量与有效方法有助于揭示河口湿地土壤有机质的空间异质性,对维护湿地生态平衡和全球碳循环的具有重要作用。以福州市闽江河口湿地为研究区,采用逐步回归分析与主成分分析法筛选显著的特征变量,运用支持向量机回归克里格法(SVROK)分析湿地土壤有机质的空间异质性,并与神经网络克里格法(BPNNOK)、回归克里格法(RK)进行比较。结果表明：归一化植被指数(NDVI)、比值植被指数(RVI)、土壤水分指数(PDI)、汇流累积量(FA)及沉积物移动指数(STI)与土壤有机质含量关系密切,其逐步回归模型的判定系数R_²为0.446,显著性概率值P<0.0001,可转换为3个独立的主成分作为模型的自变量。研究区土壤有机质的空间变异主要受结构性因素影响,呈现出“北低南高”的空间格局,采用SVROK模型的预测精度更高,可较好的体现河口湿地土壤有机质的空间异质特征。该研究可为同类区域的土壤有机质空间特征研究提供方法支撑。     

基于图像识别的苹果叶片病害识别模型对比研究

为实现苹果叶片病害图像自动识别,展开苹果叶片病害识别模型研究。通过整理网络开源植物病害数据,获取苹果赤霉病、苹果雪松锈病和苹果灰斑病3种苹果病害叶片图像,以1种健康叶片图像作为研究对象,随机抽取4433张图像建立数据集用于模型训练,采用离线增强和在线增强2种手段对数据进行预处理,扩充图像样本并保证各类样本均衡。在Resnet 50、Mobilenet v2、Vgg16、Vgg19、Inception v3等5种预训练模型的基础上,对迁移模型进行一系列的参数调整。5种模型训练比对结果表明,优化后的Resnet50模型能够达到0.9770的准确率。优化后的训练模型具有识别速度快、准确率提高的特点,可以准确、快速地识别出病害类型,为植物病害的自动诊断提供支撑。