关键词： 矿井通风   深度学习   机器训练   知识表示   知识图谱  

摘要： 智能决策是矿井智能通风领域的核心研究方向，而实现智能决策的前提是对数据进行有效处理、分析和表示学习。针对矿井智能通风系统数据利用率低、知识推理能力不足的问题，基于《煤矿安全规程2022》构建矿井通风知识本体框架，通过系统评估TransE、TransR、RESCAL、DistMult和ComplEx等知识表示学习模型的性能特征，实现了矿井通风知识的向量化表征与信息深度挖掘。通过损失函数和评价指标对不同维度下的知识表示方法进行了评估，确定了TransE模型在矿井通风知识表示中的最优适用性。实验结果表明，TransE模型在表示学习效率和准确性方面优于其他模型，在表示学习过程中具有较低的平均损失值，同类通风实体在向量空间中呈现显著的聚类特征，且嵌入向量为40维时性能最优。该模型通过有效表征通风知识，为智能决策系统提供了高精度的知识推理支持。

关键词： CRNN   故障预测   深度学习   风电滚动轴承   振动信号  

摘要： 故障诊断和预测是风力发电机组在实践和研究中的重要课题。风电机组在工业发展中面临不少困难和挑战,需要继续减少计划外停机、缓解性能下降及消除安全隐患,这需要在早期检测和恢复潜在故障。智能故障预测是一种很有前景的实用工具,因为能够快速有效地处理收集的信号并提供准确的预测结果。尽管许多研究已经开发了用于检测轴承故障的机器学习(Machine Leaning,ML)和深度学习(Deep Learning,DL)算法,但结果通常局限于相对较小的训练和测试数据集,并且已经对输入数据进行了处理(使用了选择性特征)以达到高精度。在这项工作中,将从加速度传感器收集的原始数据(时域特征)用作一种新的时间序列预测算法的输入,由此提出一种端到端的故障预测方法。使用等效时间序列作为一种新的卷积长短期记忆递归神经网络(Convolutional long-short-term-memory Recurrent Neural Network,CRNN)的输入,从而在尽可能短的时间内以最高的精度来检测轴承故障。实验表明该方法可以达到文献中的最高精度,避免了对输入数据的任何预处理或操作。将该方法应用于智能维护系统(Intelligent Maintenance System,IMS)振动数据集,并与其他智能故障预测方法进行比较,验证了该方法的有效性和可行性。

关键词： 课程创生   课程实践   教育质量评估   有意义学习   本质规律   有意义的学习   幼儿园   课程规范  

摘要： 《幼儿园保育教育质量评估指南》在“教育过程”的“活动组织”中指出,“发现和支持幼儿有意义的学习”。然而,在课程实践中,一些教师课程决策比较盲目,如缺乏对儿童“有意义学习”的有效支持,缺乏对学科知识和教学法的有效整合。在这样的背景下,笔者以“COI”(Cycle of Inquiry,即“探究循环”系统,简称“COI”)理念驱动课程创生实践:基于价值观范畴概括“COI”理念驱动课程创生的基本理念、课程规律和思维内核;基于方法论范畴探析课程创生的基本原则、本质规律及课程规范;基于技术层面的手段形成“COI”理念驱动课程创生的行动范式。

关键词： 高中物理教学   深度学习   信息整合   批判性思考   物理知识   逻辑结构   理论与实践并重   深度理解  

摘要： 深度学习强调学习者对知识的深度理解、批判性思考、信息整合及迁移应用能力的培养,要求学习者不仅掌握知识的表层含义,还要洞察其背后的逻辑结构、应用价值及与周遭世界的广泛联系。物理作为一门理论与实践并重、逻辑与直觉交织的学科,物理概念的形成、规律的探索、实验的设计以及问题的解决,无不蕴含着深度学习的精髓——从现象到本质的探索,从已知到未知的跨越。指向深度学习的高中物理教学,不仅能够促进学生对物理知识的深度理解和掌握,还能够激发他们的好奇心、探究欲和创新精神。

关键词： 问题情境   学习方法   学习能力   数学学科核心素养  

摘要： 数学教学不仅要让学生掌握知识,更重要的是让学生掌握思想和方法,获得继续学习和终身发展的关键能力和必备品格.在实际教学中,教师应重视数学问题情境的创设,让学生在问题的驱动下充分挖掘知识背后蕴含的学科观念和思想方法,从而让学生在学习知识的过程中掌握数学学习方法,获得数学学习能力,提升数学学科核心素养.

关键词： “以电折水”系数   径向基函数神经网络模型   支持向量机回归模型   农业地下水开采计量  

摘要： 目前“以电折水”作为农业地下水开采量的间接计量方法,估算地区农灌机井“以电折水”系数对于地区地下水开采量准确计量至关重要。当前多数研究采用在灌溉机井出水口安装计量设施,直接测量机井单位时间内的抽水量与耗电量来计算“以电折水”系数的具体数值。相比之下,利用数学模型并结合相关影响因素对“以电折水”系数进行预测的研究较为稀缺。文章针对“以电折水”系数进行预测及分析研究,采用平均相对误差(MRE)、均方根误差(RMSE)以及决定系数(R^(2))对不同模型的预测准确性展开对比。研究表明,采用平均值法预测的“以电折水”系数误差平均为30.33%,表明该方法下的预测结果与实际数据之间的拟合度较低,精度欠佳;而使用径向基函数神经网络模型时,预测误差则降低至11.23%;支持向量机回归模型展现了良好的预测性能,其预测误差仅为9.29%,显示出最佳的数据拟合度与最高的预测精度。

关键词： 气温   低压配网   电压   深度学习   迁移学习  

摘要： 针对低压配网潮流计算模型数据不足以及电压计算需求迫切的矛盾,提出一种计及气温影响的低压配网电压计算深度学习方法。首先,分析电压与负荷之间的关系,以获得深度神经网络的输入特征;其次,考虑气温对负荷的影响程度,构建差异化的气温影响模型,根据气温对负荷产生影响的阈值大小将负荷分为气温高敏、中敏、低敏负荷;接着,基于多层感知器,建立低压配网电压拟合的深度神经网络模型,并进一步采用预训练网络微调的迁移学习策略,提高电压拟合模型的训练效率;最后,通过仿真计算验证所提方法的有效性。仿真结果表明,所提深度学习方法可以利用少量可获取的负荷数据以及气温因素,拟合出较为准确的电压结果,而且拟合模型对不同负荷类型、不同气温区间具有广泛的适应性,使用迁移学习策略,可以明显提升训练效率,降低计算量。

关键词： 修辞结构理论   西班牙语   汉语  

摘要： 西班牙语与汉语作为世界两大使用广泛的语言,它们在语言学习研究领域占据着重要地位。语料库作为一个大型电子资源库,可为学生提供不同语言学的真实示例。本文通过分析西班牙语与汉语的语言结构差异,并结合具体的语言学习案例,探讨了如何使用语料库来学习西班牙语和汉语。

关键词： 技能型社会   技术知识   有意义学习  

摘要： “技能型社会”的理念一经提出便受到学界关注。技术知识有意义学习既符合职业教育作为类型教育的特性,也能直接强化学习者的技术技能,培养满足技能型社会建设需要的复合型技术技能人才。文章在厘定技术知识有意义学习基本概念的基础上,分析了影响技术知识有意义学习的技术知识自身所具有的特点、学习者已有的认知结构和动机水平、教师的教学水平等因素,并从技术知识、学习者和教师三个层面提出推进策略。

关键词： 联邦学习   数据安全   恶意行为   标签翻转攻击   防御  

摘要： 由于联邦学习参与训练的用户自主性较高且身份难以辨别,从而易遭受标签翻转攻击,使模型从错误的标签中学习到错误的规律,降低模型整体性能.为有效抵抗标签翻转攻击,提出了一种多阶段训练模型的稀释防护联邦学习方法.该方法通过对训练数据集进行随机划分,采用稀释防护联邦学习算法将部分数据分发给参与训练的客户端,以限制客户端所拥有的数据量,避免拥有大量数据的恶意参与者对模型造成较大影响.在每次训练结束后,对该阶段中所有训练轮次的梯度通过降维算法进行梯度聚类,以便识别潜在的恶意参与者,并在下一阶段中限制其训练.同时,在每个阶段训练结束后保存全局模型参数,确保每个阶段的训练都基于上一个阶段的模型基础.在数据集上的实验结果表明,该方法在降低攻击影响的同时不损害模型准确率,并且模型收敛速度平均提升了25.2%~32.3%.