关键词： 党史学习   教育   价值  

摘要： 本文旨在探讨党史学习教育融入景德镇陶瓷教育的价值与意义,通过对党史学习教育和景德镇陶瓷教育的概述,分析了景德镇陶瓷教育的现状及存在的问题,进一步研究党史学习教育与景德镇陶瓷教育的融合,并探讨其影响机制。本文还通过实践案例分析探讨党史学习教育在景德镇陶瓷教育中的应用和效果,总结启示和建议,为推动党史学习教育与景德镇陶瓷教育的深度融合提供策略和措施。通过本文的研究,将为促进景德镇陶瓷教育的发展和传承提供有益的借鉴和参考。

关键词： 网络表示   超网络   超边约束   链接预测   超网络重建  

摘要： 与普通网络相比,超网络具有复杂的元组关系(超边),然而现有的大多数网络表示学习方法并不能捕获元组关系。针对上述问题,提出一种超边约束的异质超网络表示学习方法(HRHC)。首先,引入一种结合团扩展和星型扩展的方法,从而将异质超网络转换为异质网络;其次,引入感知节点语义相关性的元路径游走方法捕获异质节点之间的语义关系;最后,通过超边约束机制捕获节点之间的元组关系,从而获得高质量的节点表示向量。在3个真实世界的超网络数据集上的实验结果表明,对于链接预测任务,所提方法在drug、GPS和MovieLens数据集上都取得了较好的结果;对于超网络重建任务,当超边重建比率大于0.6时,所提方法在drug数据集上的准确性(ACC)优于次优的Hyper2vec(biased 2nd order random walks in Hyper-networks),同时所提方法在GPS数据集上的ACC超过其他基线方法中次优的基于关联图的超边超边约束的异质超网络表示学习方法(HRHC-关联图)15.6个百分点。

关键词： 脑出血   随机森林   人工神经网络   贝叶斯网络   辨证分类  

摘要： 目的评价并比较人工神经网络、贝叶斯网络、随机森林三种机器学习算法在脑出血中医辨证分类中的分类效果。方法采用上述三种方法分别对518例脑出血急性期患者的中医四诊信息进行建模,并通过准确率、灵敏度、特异度来评价模型分类效果。结果三种方法中,随机森林的分类效果最好,准确率、中经络正确率、中脏腑正确率分别为81%、80%、81%;人工神经网络次之,分别为73%、74%、71%;贝叶斯网络最差,分别为60%、74%、51%。结论考虑到随机森林在分类性能、建模时间、可解释性、特征筛选、简便性等方面的优点,我们更推荐在脑出血中经络和中脏腑的辨证分类中采用随机森林模型来辅助诊断。

关键词： 新冠肺炎   COVID-19   机器学习   医疗资源分配   预测模型  

摘要： 开发一种机器学习模型,用于预测个体是否处于受COVID-19(COrona VIrus Disease 2019)影响的危险之中,并辅助医疗决策,包括就医或选择居家隔离。基于GradientBoost、XGBoost、随机森林3种集成学习算法以及决策树、逻辑回归、支持向量机、KNN算法4种非集成学习算法,构建COVID-19风险预测模型并验证模型效能,识别COVID-19风险因素。集成学习与非集成学习模型ROC曲线下面积大致都在0.94左右。同时识别出年龄、是否是住院患者、是否携带病毒、是否怀孕、是否患有肺炎、是否插氧等重要风险因素。结果表明,在大样本量下集成学习不一定会优于非集成学习方法。

关键词： 合作学习模式   高中生物学   教学方法  

摘要： 本文分析了合作学习模式下的高中生物学教学方法,帮助教师在进行素质教育的过程中,让学生以小组合作学习的形式集思广益,提高学习效率,并在合作学习过程中培养团队协作精神和交流沟通能力。合作学习的方式也是激发学生学习兴趣和提升学生学科核心素养的重要教育模式。教师需要了解学生的综合学习情况,对合作学习模式进行不断的调整,从而更好地引导学生掌握学习知识的方法,提高个人的综合能力。

关键词： 深度学习   教师主导   学生自主  

摘要： 传统对“深度学习”的理解强调学生的自主,鼓励学生的理解、探究、查证等学习行为,因而“少教多学”“以学定教”等主张迅速流行,小组讨论、合作探究则成为发挥学生主体性的先进教学方法,而对讲授法的讨论和批判则甚嚣尘上。但教学实践证明,一味强调学生“自主”并不是真正的深度学习,深度学习也不可能在缺少教师参与、缺乏教师指导的情况下实现。从学生“自学”的效果、教与学的辩证统一关系、深度学习的内容等角度来看,深度学习的实现必须依赖于教师专业化的引导,对学生主体作用的尊重不能建立在消解教师主导作用的基础上。要落实真正意义上的深度学习,教师需要重视对知识内在结构的挖掘,帮助学生获得结构化的知识体系;要重视语言的艺术性,通过情境性、引导性的语言来激发学习的动机和理解的深度;要重视情感的感染和熏陶,激发学生的情感能量。如此,方能引导学生在深度学习中寻找收获感、锻炼高层次表达、获得积极的情感体验。

关键词： 语文教学   读写结合   学习方法  

摘要： 读写结合作为我国传统语文教育思想的重要组成部分,二者之间的关系经历了系列演变过程:从古代阅读与写作各自独立分步进行,到近代以读促写,发展到当代二者关系的多元化。反思读写结合的实践现状,其存在结合点狭窄僵化、结合序列不合理等问题。在新的教育理念和语文课程发展背景下,读写结合需要拓展多元结合,合理定位仿写,丰富读写结合文本类型,在传承传统经验的基础上改进创新,以期提升读写结合的教学质量。

关键词： 类增量学习   原型更新   知识蒸馏   原型回放   灾难性遗忘  

摘要： 灾难性遗忘问题在增量学习场景中普遍存在,而对旧知识的遗忘会严重影响模型在整个任务序列上的平均性能。因此,针对在增量学习过程中原型偏移引起的旧知识遗忘问题,提出了一种基于原型回放和动态更新的类增量学习方法。该方法在原型更新阶段保留新类的原型后,进一步采用动态更新策略对旧类的原型进行实时更新。具体地,在学习新任务后,该策略基于当前可访问数据的已知偏移,来实现在旧类原型中存在的未知偏移的近似估计,并最终完成对旧类原型的更新,从而缓解原始的旧类原型与当前的特征映射间的不匹配。在CIFAR-100和Tiny-ImageNet数据集上的实验结果表明,所提出的基于原型回放和动态更新的类增量学习方法能够有效地减少对旧知识的灾难性遗忘,提高模型在类增量学习场景中的分类性能。

关键词： RNA结构   扭转角预测   深度学习  

摘要： RNA分子三级结构模建是分子生物物理学研究的基本问题之一,对理解RNA的功能和设计新的结构有重要意义.RNA三级结构主要由主链和侧链上的7个扭转角确定,准确预测这些扭转角是RNA分子三级结构模建的基础.目前只有个别采用深度学习模型预测RNA分子扭转角的方法,要用于模建RNA分子的三级结构其预测精度还有待进一步提高.本文提出了一种预测RNA分子扭转角的深度学习方法1dRNA,采用了考虑相邻核苷酸的卷积模型(DRCNN)和考虑全链核苷酸的超长短期记忆模型(DHLSTM)两种不同的深度学习模型.结果显示,与现有方法相比,这两种模型都能提高RNA分子大部分扭转角的预测精度,DRCNN预测精度提高在5%到28%之间,DHLSTM预测精度提高在6%到15%之间.结果还显示,α和g角是最难预测的,环区扭转角比螺旋区的扭转角难预测,模型对预测序列长度的变化不敏感,模型预测角度与decoys的角度偏差可用于模型质量评估.

关键词： 高质量发展   股票市场表现   机器学习   错误定价  

摘要： 从高质量发展理念出发,基于“创新、协调、绿色、开放、共享”五大新发展理念建立高质量发展指标体系,应用九种机器学习方法对股票收益率进行预测,并对指标体系各变量的重要性、成分预测能力的变化以及预测能力来源进行探究。结果表明,公司高质量发展水平对股票收益率具有显著预测能力;创新类指标是预测股票收益率的最重要类别;除股市动荡时期外,公司高质量发展水平对股票市场预测能力较为稳定且有增强趋势。从成分预测能力来看,创新类与绿色类指标的预测能力增强,协调类指标预测能力下降;高质量发展水平可以预测公司未来基本面变化,但投资者对该部分信息反应不足,这种错误定价是高质量发展指标体系预测能力的来源。建议完善资本市场定价机制,使公司的高质量发展水平得到充分定价。