随着锂电池领域论文数量的激增和研究主题的日益丰富,准确监测该领域的发展趋势和把握最新研究动向变得日益复杂。通过运用大数据和机器学习技术,采用BERTopic主题模型对Web of Science数据库中的18万余篇锂电池论文进行文本分析,绘制...
详细信息
随着锂电池领域论文数量的激增和研究主题的日益丰富,准确监测该领域的发展趋势和把握最新研究动向变得日益复杂。通过运用大数据和机器学习技术,采用BERTopic主题模型对Web of Science数据库中的18万余篇锂电池论文进行文本分析,绘制了锂电池领域的主题图,识别了新兴研究主题和高被引主题。结果表明,锂电池研究活动正显著加速,锂硫电池、锂枝晶生长抑制、电池回收和金属回收等新兴主题快速发展,而材料研究如二硫化钼纳米材料、氧化铁电极材料则具有显著的高学术影响力。研究还探讨了《锂电池百篇论文点评系列》对当前锂电池研究主题的监测情况,该系列对多数科学技术主题有良好覆盖。本研究为锂电池领域的主题监测提供了新方法,为政策制定和技术研发提供了情报支持,并为“锂电池百篇论文点评”系列的后续研究提供了参考。
智慧医疗的发展推动了医疗数据的大规模应用,现有的医疗数据协作方法面临着数据隐私保护、模型性能优化和跨医疗机构间协作积极性差等问题,迫切需要革新与优化。提出基于蜂群学习的医疗数据协作方法(medical data collaboration based o...
详细信息
智慧医疗的发展推动了医疗数据的大规模应用,现有的医疗数据协作方法面临着数据隐私保护、模型性能优化和跨医疗机构间协作积极性差等问题,迫切需要革新与优化。提出基于蜂群学习的医疗数据协作方法(medical data collaboration based on swarm learning,MDC-SL),促进智慧医疗的发展;提出基于医疗数据定价的激励机制算法,根据参与方贡献度和本地模型质量进行定价,设置奖励币奖惩机制,以鼓励协作训练,可以使系统达到最优效用;提出蜂群学习动态模型聚合算法,通过控制聚合权重,使高质量模型在聚合中的贡献占比提高,可以提升训练模型的性能以及抵御投毒攻击的能力。此外,设计了基于本地化差分隐私的蜂群学习来防止模型参数传递过程中的数据泄露,增强医疗数据隐私保护。通过在医学数据集上进行实验,结果表明,该方法的模型性能比原蜂群学习更优,加入噪声导致的模型损失在预期范围之内,系统的平均奖励高于基线4.3百分点,从而验证了上述方法的有效性。
本研究以Web of science(WOS)和中国国家知识基础设施(CNKI)工程数据库中的核心期刊为数据来源,使用Cite Space工具,对1992—2022年已发表的2022篇相关文献进行分析梳理,系统回顾国内外已发表文献中数字经济背景下智能制造研究在不...
详细信息
本研究以Web of science(WOS)和中国国家知识基础设施(CNKI)工程数据库中的核心期刊为数据来源,使用Cite Space工具,对1992—2022年已发表的2022篇相关文献进行分析梳理,系统回顾国内外已发表文献中数字经济背景下智能制造研究在不同时期的热点及其阶段性特征,并通过构建智能制造相关研究的框架体系和战略坐标图,探索未来的研究趋势及发展方向。研究结果表明:国内外相关研究在发文趋势方面趋于一致,现阶段趋于高发文量的稳定态势,但各研究机构间尚未形成广泛合作关系;国内研究热点主要涵盖智能制造、转型升级、数字孪生、人工智能、精益生产、大数据、机器人、产教融合、职业教育、信息化、数字化、数字制造技术、集成制造技术等研究主题,相关热点也从理论探讨向智能制造技术层面和应用层面转换,并不断拓展到智能制造新技术及新场景上。
暂无评论