高校党外知识分子

摘要： 中共十九届六中全会通过的《中共中央关于党的百年奋斗重大成就和历史经验的决议》将坚持统一战线作为党百年奋斗的宝贵历史经验之一。高校党外知识分子工作是统一战线工作的重要组成部分。随着改革进程的不断深入和经济社会的迅速发展,高校党外知识分子队伍结构中呈现出明显的代际更替趋势。新时代,高校党外知识分子工作必须坚持和加强党的集中统一领导,加强思想政治引领,建立健全高校党外知识分子工作机制体制,改进工作方式方法,推动高校党外知识分子工作实现高质量发展。

摘要： 随着经济的发展和改革的深化,高校党外知识分子的队伍结构、思想动态、价值取向等都发生了很大变化,给高校统战工作带来了新问题和新挑战。就东莞理工学院来说,其党外知识分子思想政治工作存在对思想政治教育重视程度不够、思想政治工作机制不健全、教育针对性不强等问题。为解决这些问题,东莞理工学院从统筹规划、思想教育、队伍建设、载体创新等几个方面入手,创新了新时代高校党外知识分子思想政治工作路径。

摘要： 全媒体视域下,高校党外知识分子价值取向多元、政治参与加深、思想观念活跃、社会影响力逐步扩大,高校党外知识分子工作应顺应时代发展变化,创新统战工作载体,充分发挥高校党外知识分子作用,增强统战工作实效性。以“聚”“趣”“新”“浸”创新工作组织载体、活动载体、宣传载体、文化载体,充分发挥出不同载体的作用,提高统战工作针对性和实效性,把高校党外知识分子更加紧密地团结在党的周围。

摘要： 当今世界正在经历百年未有之大变局,实现中华民族的伟大复兴正处于关键时期。面对新时代全球政治及经济格局的剧烈变化,需要进一步加强新时代下凝聚高校党外知识分子群体意识形态共识工作的研究,创新高校党外知识分子统战工作载体的原则与方法,探究基于群体特征分析的高校党外知识分子政治认同研究,着力构建统战话语权,牢牢掌握统战工作主动权,广泛凝聚共识,广聚天下英才,从而更好地寻求最大公约数、画好最大同心圆。

摘要： 高校党外知识分子服务区域经济发展是实施科教兴国战略和创新驱动战略的需求,也是实现其自身价值的重要途径。本文从统一战线视角出发,首先阐述高校党外知识分子的作用,然后对高校党外知识分子服务区域经济发展中存在问题及原因进行分析,提出新时代高校党外知识分子服务区域经济发展的各种有效途径。

摘要： 探索“双一流”背景下高校党外知识分子的特征及作用机制,以更好探析其为“双一流”建设贡献力量的工作路径,是加强新时代高校党外知识分子作用发挥,为学校“双一流”建设贡献力量的重要研究课题。

摘要： 以北京科技大学为例,对党外知识分子情况进行调研分析,结合相关资料和高校统战工作现状,探究了新型政党制度背景下高校党外知识分子工作路径,为高校统战工作的顺利开展提供参考。

摘要： 本文以中国学术期刊网络出版总库(CNKI)为来源数据库,运用Citespace对网络意识形态传播与高校党外知识分子意识形态进行高频词统计,构建可视化分析,直观揭示网络意识形态传播与高校党外知识分子意识形态研究内部的结构和态势.

摘要： 在新时代,高校党外知识分子思想政治工作存在时效性差、针对性差等困境,分析其困境原因,并从内外部维度提出有针对性的策略。

摘要： “课程思政”是一种全新的课程观,是新时期高校思想政治教育工作的新探索,在专业课中积极融入思政元素,将思政教育与专业课教学的各个环节、各个方面有机融合,形成协同效应、良性互动,春风化雨、润物无声地塑造大学生正确的思想意识和价值观念,实现高等教育铸魂育人的教育使命。

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。