摘要：宁夏地方音乐文化具有鲜明的宁夏地域特色。作为为社会培养人才的高等学校,高校音乐教育是地方音乐传承的重要方式。近年来,随着宁夏各高校教育的不断发展,高等院校强调文化服务地方,特色办学的大背景下,在融入地方音乐元素进课堂中取得了一定的成绩。但地方音乐如何在多元文化语境中更好的传承发展,是宁夏各高校不得不思考的问题。本文拟通过对当前宁夏高校地方音乐教学的现状进行归纳、梳理,总结和分析,探索传承和保护宁夏地方音乐的另一有效途径,从而使宁夏地方音乐得以在高校中传承与发展。

摘要：为解决直接建立系统NuSMV(符号模型检测器)模型的困难,提出一种从UML(统一建模语言)模型转换到NuSMV模型的方法,实现了UML与NuSMV结合的形式化验证.首先,使用UML中的视图对系统进行描述,建立系统的UML模型;然后,设计转换规则并给出转换算法,实现从UML模型到NuSMV模型的自动转换;最后,使用计算树逻辑对系统的属性进行描述,并通过NuSMV完成对系统的形式化验证.以一个双按键并发电梯系统为例,说明了基于UML-NuSMV的并发系统建模与验证过程.

摘要：头颈部肿瘤是我国常见的恶性肿瘤,其预后主要受颈部淋巴结转移的影响,医学上通过核磁共振成像技术对转移性淋巴结成像后再进行诊断,然而,核磁共振技术成像存在病灶形态信息丢失,病灶区域对比度低和病灶边界模糊的问题。针对这些问题,提出面向头颈部肿瘤转移性淋巴结分割网络协助医生进行诊断。首先,设计跨层跨视野注意力模块,其接收深浅层的特征信息后利用自注意力机制分别突显深浅层的转移淋巴形状,通过不同感受野的深层特征图学习到更好的语义上下文特征,将浅层特征图与深层特征图逐像素融合,增强转移淋巴病灶区域的形态信息。其次,设计多尺度特征融合模块,在特征金字塔的初始位置融合不同尺度的特征图,丰富转移淋巴病灶区域的形态信息。然后,设计增强注意力预测头模块,通过对预测前的特征图使用并行的自注意力与门控通道转换模块,凸出病灶区域,细化病灶边界。最后,使用临床淋巴结转移医学图像数据集验证网络的有效性。实验结果表明,所提网络对于淋巴结转移病灶分割的APdet,APseg,ARdet,ARseg,mAPdet和mAPseg分别为74.88%,74.12%,63.11%,62.28%,74.64%和74.04%。该网络实现对淋巴结转移病灶区域的精确检测分割,对辅助淋巴结诊断具有积极意义。

摘要：针对肺部X射线图像的病灶区域较小、形状复杂,与正常组织间的边界模糊,使得肺炎图像中的病灶特征提取不充分的问题,提出了一个面向特征增强的双残差Res-Transformer肺炎识别模型,设计3种不同的特征增强策略对模型特征提取能力进行增强。设计了组注意力双残差模块(GADRM),采用双残差结构进行高效的特征融合,将双残差结构与通道混洗、通道注意力、空间注意力结合,增强模型对于病灶区域特征的提取能力;在网络的高层采用全局局部特征提取模块(GLFEM),结合CNN和Transformer的优势使网络充分提取图像的全局和局部特征,获得高层语义信息的全局特征,进一步增强网络的语义特征提取能力;设计了跨层双注意力特征融合模块(CDAFFM),融合浅层网络的空间信息以及深层网络的通道信息,对网络提取到的跨层特征进行增强。为了验证本文模型的有效性,分别在COVID-19 CHEST X-RAY数据集上进行消融实验和对比实验。实验结果表明,本文所提出网络的准确率、精确率、召回率,F1值和AUC值分别为98.41%,94.42%,94.20%,94.26%和99.65%。DRT Net能够帮助放射科医生使用胸部X光片对肺炎进行诊断,具有重要的临床作用。

摘要：基于生成对抗网络(Generative Adversarial Network,GAN)的医学图像融合是计算机辅助诊断领域的研究热点之一,但是现有基于GAN的融合方法存在训练不稳定,提取图像的局部和全局上下文语义信息能力不足,交互融合程度不够等问题。针对上述问题,本文提出了双耦合交互式融合GAN(Dual-Coupled Interactive Fusion GAN,DCIFGAN)。首先,设计了双生成器双鉴别器GAN,通过权值共享机制实现生成器之间和鉴别器之间的耦合,通过全局自注意力机制实现交互式融合;第二,设计耦合CNN-Transformer的特征提取模块(Coupled CNN-Transformer Feature Extraction Module,CC-TFEM)和特征重构模块(CNN-Transformer Feature Reconstruction Module,C-TFRM),提升了对同一模态图像内部的局部和全局特征信息提取能力;第三,设计跨模态交互式融合模块(Cross Model Intermodal Fusion Module,CMIFM),通过跨模态自注意力机制,进一步整合不同模态间的全局交互信息。为了验证本文模型的有效性,在肺部肿瘤PET/CT医学图像数据集上进行实验,该文方法在平均梯度,空间频率,结构相似度,标准差,峰值信噪比,信息熵等上与其他四种方法中最优方法相比,分别提高了1.38%,0.39%,29.05%,30.23%,0.18%,4.63%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

摘要：音乐人类学是人类学的分支学科,注重研究音乐艺术及与其相关的所有社会文化现象。基于中西比较的视野,对音乐人类学学科的基本问题和学科发展历程进行了梳理,认为中西方音乐人类学研究具有共同性:研究方法的运用基本相同;在音乐研究中注重对社会文化和精神内涵的挖掘、整理和研究;注重音乐教育教学实践的创新探索。由于学科传统和研究对象所处文化环境迥异,中西方音乐人类学在学科发展过程中也表现出一定的差异性:根植各自文化土壤,概念界定有所不同;对比学科研究视角,理解和诠释方式不同;追溯学术思想渊源,话语表述和实践应用不同。当前,构建中国自主知识体系、学术体系和话语体系任重道远,中国音乐人类学研究前景广阔。

摘要：新冠肺炎(COVID-19)自爆发以来严重影响人类生命健康,近年来残差神经网络广泛应用于COVID-19识别任务中,辅助医生快速地诊断COVID-19患者,但是COVID-19图像病变区域形状复杂、大小不一,与周围组织的边界模糊,导致网络难以提取有效特征.本文针对上述问题,提出一种M^(3)Res-Transformer的新冠肺炎胸部X-ray图像识别模型,采用Res-Transformer作为模型的主干网络,结合ResNet和ViT,有效地整合局部病变特征和全局特征;设计混合残差注意力模块(mixed residual attention Module,mraM),同时考虑通道和空间位置的相互依赖性,增强网络的特征表达能力;为了增大感受野,提取多尺度特征,通过叠加具有不同扩张率的扩张卷积构造多尺度扩张残差模块(multiscale dilated residual Module,mdrM),根据不同层次特征尺度的差异,使用3个逐渐收缩尺度的mdrM进行多尺度特征提取;提出上下文交叉感知模块(contextual cross-awareness Module,ccaM),使用深层特征中的语义信息来引导浅层特征,然后将浅层特征中的空间信息嵌入深层特征中,采用交叉加权注意力机制高效聚合深层和浅层特征,获得更丰富的上下文信息.为了验证本文所提模型的有效性,在新冠肺炎胸部X-ray图像数据集上进行实验,与先进的CNN分类模型、融合不同注意力机制的ResNet50模型、基于Transformer的分类模型对比以及消融实验.结果表明,本文所提模型的Acc、Pre、Rec、F1-Score与Spe指标分别为96.33%、96.36%、96.33%、96.35%与96.26%,在COVID-19胸部X-ray图像识别任务中有效提升了识别精度,并通过可视化方法对其进行进一步验证,为COVID-19的辅助诊断提供重要的参考价值.

摘要：提升金融服务实体经济的质效是充分挖掘企业创新活力,形成新质生产力,从而实现经济高质量发展的重要举措。基于2011—2021年中国A股上市企业数据,考察了银行数字化转型对企业高质量发展的促进作用,并分析了作用的三条传导路径和两种外部调节机制。研究结果表明,这一助推作用是通过提升银行对企业的信息甄别能力、纾解企业融资约束以及加剧银行竞争来实现的。进一步研究发现,银企关系的建立与产融结合程度的加深都会促使银行数字化转型助推企业高质量发展。异质性研究发现,银行数字化转型对企业高质量发展的促进作用存在差异:对民营企业受益更大,对小微企业发展更有利,对成长期企业提升更明显。在地理区位上,西部地区企业受到的助推作用更为显著。研究结论有助于完善我国银行业数字化转型促进企业高质量发展的理论基础和实践经验,为充分发挥银行数字技术应用成果,实现银行业推动经济高质量发展提供有益启示。

摘要：多模态医学图像可在同一病灶处提供更多语义信息,针对跨模态语义相关性未充分考虑和模型复杂度过高的问题,该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先,提出学习正电子发射型断层显像(PET)、计算机断层扫描(CT)和PET/CT不同模态语义信息的3分支网络;然后,设计跨模态交互式增强块充分学习多模态语义相关性,余弦重加权计算Transformer高效学习全局特征关系,交互式增强网络提取病灶的能力;最后,提出双分支轻量块,激活函数簇(ACON)瓶颈结构降低参数同时增加网络深度和鲁棒性,另一分支为密集连接的递进重参卷积,特征传递达到最大化,递进空间交互高效地学习多模态特征。在肺部肿瘤PET/CT多模态数据集中,该文模型获得94.76%mAP最优性能和3238 s最高效率,以及0.81 M参数量,较YOLOv5s和EfficientDet-d0降低7.7倍和5.3倍,多模态对比实验中总体上优于现有的先进方法,消融实验和热力图可视化进一步验证。

摘要：在高密度复杂结构带权无向图中,由于信息传递复杂,传统信息传播算法求解最大权重团问题效率较低。利用最大权重独立集与最大权重团的映射关系提出一种针对高密度带权无向图求解最大权重团问题算法,该算法以最大积信息传播算法为框架,将最大权重团的约束条件与置信传播算法迭代方程相结合,设计信息传播算法势函数。同时,将高密度复杂结构带权无向图映射为因子图,并进行去环操作,利用信息传播迭代式进行特征收敛计算,通过迭代收敛后的最大后验概率计算最大权重团最优解。基于不同密度随机图进行实验对比分析,实验结果表明,该算法求解高密度复杂结构带权无向图最大权重问题时非常有效,求解总权值的准确度与求解速率均高于标准置信传播算法。