爱国知识分子

摘要： 课程标准要求的历史教学要重视课堂教学的多样性,体现学生的主体性,要求学生能与老师积极互动。如何调动学生的学习积极性,提高他们的学习兴趣,利用课堂40分钟的时间给学生留下更深刻的印象,并充分体现历史学科核心素养,培养学生历史基本能力,成为一线教师的一个重大课题。笔者尝试利用某个历史人物贯穿课堂教学始终,利用人物串联整堂教学内容进行相关探索。下面以"顺乎世界之潮流"一课为例说明之。

摘要： 他们把科学看得最重、把名利看得最轻,从不计较个人得失。以钱学森为代表的老一代科学家之所以成为爱国知识分子的杰出典范,最根本的是他们有一颗赤诚之心,始终把祖国至上、人民至上的信念追求熔铸到自己的血脉和灵魂中,毕生实践着"人民满意才是最高褒奖"的座右铭。爱国情操矢志不渝1947年,刚刚36岁的中国科学家钱学森,被美国麻省理工学院聘为终身教授。

摘要： 作为享誉海内外的杰出科学家,爱国知识分子的杰出典范,钱学森为我们留下了丰富的知识宝库和宝贵的精神财富。钱学森是享誉海内外的杰出科学家,中国航天事业奠基人,“两弹一星”元勋。在他漫长的科学人生中,钱学森为中国科技事业、国防和军队现代化建设建立了卓越功勋,为中国社会主义建设事业不懈探索、殚精竭虑,被誉为“人民科学家”。

摘要： 西安交通大学教授钟兆琳先生,早在20世纪20年代就留学美国康奈尔大学,后来成为中国著名的电机学家、教育家,为中国的电机事业奉献了60余年,培养了钱学森等一大批杰出的科学家,被誉为“中国电机之父”。在20世纪50年代国家关于交通大学内迁西安的重大安排中,他积极带头,显示了一个爱国知识分子的高尚情操。

摘要： 钱学森先生是享誉海内外的著名科学家,是中国航天事业的奠基人、爱国知识分子的优秀典范。同时,钱学森先生还对推动中国行为法学研究做出了重要贡献。1988年1月,在钱学森先生倡导下,张友渔、谢邦宇等二三十位知名法学家共同发起成立中国行为科学学会行为法学专业委员会。

摘要： 2021年是钱学森先生诞辰110周年。钱学森先生是享誉海内外、功勋卓著的人民科学家,是中国航天事业的奠基人、爱国知识分子的优秀典范。同时,钱学森先生还是中国行为法学研究的先驱和奠基人。20世纪80年代,在钱学森先生的倡导下,我国法学界著名专家学者张友渔、韩德培、谢邦宇等共同发起成立了中国行为科学学会行为法学专业委员会。

摘要： 以1919年5月4日北京大学等校学生上天安门游行示威,火烧赵家楼为主要标志的五四运动,迄今整整100年。以留学生为代表的爱国知识分子,“导燃”、引发、影响和参加了五四运动,并进而影响了 20世纪中国的历史进程。最早反对“二十一条”的是留学生他们是五四运动“外争国权内惩国贼”的先驱;亲到巴黎和会大声疾呼收回中国主权,阻止中国代表在巴黎和约上签字的也是留学生,他们是巴黎和会未能签约的最后直接促成者。

摘要： 本发明公开了基于专家知识与拓扑相似的邻居优先生物分子子网搜索方法。其步骤如下：A、根据生物分子的序列特征，构建网络T（Gt）和B（GB）中生物分子的初始相似矩阵。B、根据生物分子在网络中的拓扑的相似特征，计算生物分子的相似矩阵S。C、构建专家知识字典。D、基于专家知识，以邻居优先策略进行搜索，获得结果子网。E、计算结果子网R（Gr）与目标子网T（Gt）的相似得分。F、计算p值。G、结果子网可视化。与同类方法相比，该方法计算准确度更高，具有更高的稳定性，能更好地处理生物分子网络间的“空隙”（Gap），获得更多的保守边和节点，且能较好地反映生物分子网络之间的变化情况。

摘要： 本发明属于图论学习、深度学习分析领域，具体涉及一种基于知识图谱的分子调控关系预测方法及系统，其中的预测方法包括以下步骤：(1)训练数据集的准备；(2)有向图模型的构建与训练；(3)神经网络的构建与训练；(4)实际预测。本发明通过对预测方法整体流程设计进行改进，首先结合图学习将有向图中的有向调控关系和各调控分子节点(即各调控分子实例)进行最优特征编码，接着在获得各节点与关系的特征编码后，利用深度神经网络框架进一步加强有向图的预测能力，经过迭代训练后提升有向调控的预测准确度。

摘要： 本发明公开一种纳米孔单分子感知信号知识表示学习方法，其为基于实例判别transformer的学习方法，其适用于机器学习和纳米孔单分子感知技术；本发明方法包括：构建基于transformer的纳米孔单分子感知信号知识表示学习神经网络模型；创建纳米孔单分子感知信号数据集并对信号数据进行合适的预处理；设置神经网络模型内各参数初始值，以最小化损失函数为目标训练模型实现针对纳米孔单分子感知信号的实例级判别；将待处理的感知信号输入到训练完成的模型输出信号对应的知识表示。本发明在编码器部分采用了transformer结构，实现了信号在知识表示空间内的稀疏分布，并且其直接从信号数据中挖掘模式信息，可适用于不同类型的下游信号分析任务，通用性和有效性强。

摘要： 本发明涉及药物表示学习领域，具体涉及一种结合领域知识的药物分子生成方法，包括利用构象搜索算法获得分子3D构象，从而获得分子空间信息，利用分子空间信息增强分子的初始表示；利用优化后的谱聚类算法以及优化后的CH聚类评价指标获取分子的分子划分结果；根据分子的增强表示和分子划分结果，利用图卷积神经网络对其编码获得其隐空间嵌入表示，即分别为全局图表示和局部子图表示；利用互信息最大化机制优化全局图表示和局部子图表示，得到富含空间信息和子结构信息的分子表示，并应用于下游分子生成任务；本发明有助于捕捉到分子的空间和结构信息，同时能更好地服务于基于深度学习的药物发现领域相关任务。

摘要： 本发明公开了一种基于化学元素知识图谱的分子图对比学习方法，包括：根据化学元素周期表中每个化学元素的所有化学属性，构建化学元素知识图谱；利用化学元素知识图谱对分子图进行图增强得到分子增强图；利用可插拔表示模型获得分子图和分子增强图的图表示；采用硬负样本挖掘技术选出与分子图在分子指纹空间相似的其他分子图作为负样本；将正样本对和负样本对的图表示映射到同一空间后，通过最大化正样本对之间的一致性同时最小化负样本对之间的一致性构建对比损失函数，利用对比损失函数进行优化学习；将参数确定的可插拔表示模型与非线性分类器形成预测模型，利用参数微调的预测模型进行分子图的分子性质的预测，以提升分子性质的预测准确性。

摘要： 本发明涉及一种融合分子结构特征的知识表示学习方法，属于知识图谱领域，将小分子结构特征与知识图谱三元组特征同时进行学习的方法，完成融合了小分子结构信息的知识表示学习过程，并最终形成隐含结构信息以及知识图谱关联信息的新型特征表示。它的成功将会明显提高生物医学领域知识图谱的相关应用的准确性。从而更好地服务于基于机器学习或深度学习的生物医学知识图谱中的药物挖掘的相关应用。

摘要： 本发明属于药物分子生成领域，具体涉及了一种基于领域知识和深度强化学习的药物分子生成器训练方法，旨在解决通过深度学习进行药物分子生成时的样本有限的问题。本发明包括利用领域知识构建活性药效团分子组群；利用动态策略下的课程式学习，将活性药效团分子组群中的药效团随机插入分子的生成过程中，生成具有特定目标的药效团结构分子；利用强化学习方法，最大化混合奖励函数，得到训练好的药物分子生成器。本发明解决了样本量过小的问题，防止过度的演示学习造成分子单一的问题，可以使生成的分子更快收敛到具有特定目标的药效团结构。

摘要： 本发明涉及小分子药物晶型技术领域，为一种小分子药物晶型知识图谱的构建方法及系统，包括：S1，爬取网络已公开的小分子药物的综合数据信息，并对源文件内容进行存储；S2，对所述源文件内容按照关键字归类并进行清洗，其中分子信息及晶体信息按照结构化数据的格式进行处理存放，其他信息按照非结构化数据的方式灵活存放；S3，构建实体数据层，根据所述实体数据层中的数据进一步构建用来存储实体间的关系及实体的属性的模式层。将小分子药物的晶型研究及制成过程中的概念充分发掘，并提供丰富晶型研究中相关实体的类别和属性信息，实现相似晶型的自动查询。对小分子新药的整体研发流程起到促进加速的重要作用。

摘要： 本发明公开了基于专家知识与拓扑相似的邻居优先生物分子子网搜索方法。其步骤如下：A、根据生物分子的序列特征，构建网络T（Gt）和B（GB）中生物分子的初始相似矩阵。B、根据生物分子在网络中的拓扑的相似特征，计算生物分子的相似矩阵S。C、构建专家知识字典。D、基于专家知识，以邻居优先策略进行搜索，获得结果子网。E、计算结果子网R（Gr）与目标子网T（Gt）的相似得分。F、计算p值。G、结果子网可视化。与同类方法相比，该方法计算准确度更高，具有更高的稳定性，能更好地处理生物分子网络间的“空隙”（Gap），获得更多的保守边和节点，且能较好地反映生物分子网络之间的变化情况。

摘要： 更简便且切实地使生物分子在纳米孔内往复运动。一种衔接子分子，其与分析对象的生物分子直接或间接地结合，且具有由单链核苷酸构成的立体结构形成区域。