关键词： 体验式学习   小学数学   教学策略  

摘要： 应用体验式学习方法能使小学数学课堂活跃起来,令学生在高质量的教学中取得进步。文章基于体验式学习方法的概述,对小学数学体验式学习方法的应用价值进行分析,从创设情境、认知分析、设计实践、学习评价四个角度出发,深入研究体验式学习方法在小学高年级数学教学中的应用策略,以期为教师的教学设计提供思路,让学生的体验式学习真实发生,进一步激活学生学习数学的主动性。

关键词： 课程思政   学生为中心   教学方法   学习方法   考核方法  

摘要： 本文以计算机程序设计课程为例,在课程思政教学改革的大背景下,坚持“以学生为中心”,更新教学理念,创新教学方法、学习方法、考核方法的实践模式,使学生综合素质和人才培养质量显著提升。

关键词： 国企   党校   党史   意义  

摘要： 国有企业掌握着国民经济的命脉。自中国共产党成立之日起,在党的坚强领导下,国有企业披荆斩棘、砥砺奋进,为中华民族创造出了巨大的物质财富和精神财富。国企党校既要遵循党校姓“党”的根本原则,又要结合行业市场需求,为祖国实现两个一百年奋斗目标培养人才。党史学习教育既是有力的爱国主义教育,也是强大的理想信念教育,能够有效振奋民族精神。本文深入探讨了党史学习教育在国企党校培训中的必要性及重大意义,并为党史课程在国企党校继续深入开展建言献策,对提升国企党校党性教育、推动国企高质量发展具有重要意义。

关键词： 行政法学   行政行为概念   模棱两可   宏大叙事   程序化   自身定位   再检讨  

摘要： 近年来学界对行政行为概念的反思之声不绝于耳,这种反思从宏大命题上说固然与行政法学自身定位有关,值得从根本上对学科整体进行再检讨。但宏大叙事之下最终还是要回到法律技术上来,就如何处置行政行为这张“旧船票”作清晰明了而非模棱两可的回答。本文试图探索是否可以通过维持并改造行政行为概念来一举克服其所被诟病的种种不足。

关键词： 路面平整度   机器学习模型   特征重要性   模型解释可信度  

摘要： 该研究从预测精度、计算效率、模型解释可信度3个方面对比分析了支持向量机(SVM)、随机森林(RF)、梯度提升树(GBR)及神经网络(NN)模型用于国际平整度指数(IRI)预测建模的效果,并基于加性Shapley值解释(SHAP)方法,通过相对重要性及其变异系数评价了模型解释结果的可信度。研究结果表明,梯度提升树模型的综合性能最优,基于决策树和提升算法的机器学习模型更适用于结果解释性研究;虽然神经网络模型具有最高的预测精度,但其损失函数的非凸性使得模型解释结果不可靠;特征重要性结果表明沥青路面平整度的变化由环境因素主导,其中降水的影响最为显著,其次为低温指标。

关键词： 学而不思则罔   青年学子   孔夫子   死记硬背   学生的学习   经验   教育界   人的认识  

摘要： 关于学生的学习方法问题,是长期以来在教育界里有争论的问题,有人提倡这样的学习方法,有人提倡那样的学习方法,每个人的认识是不一样的。我讲的是我自己的一些经验,以及我所认得的一些人的经验。一、不要死记硬背孔夫子说过一句很有名的话:“学而不思则罔。”

关键词： 探地雷达   快速正演模拟   机器学习   随机森林   主成分分析   埋地目标探测  

摘要： 探地雷达正演模拟在真实雷达数据解译及全波形反演中扮演着重要的角色,针对传统探地雷达(Ground Penetrating Radar,GPR)正演模拟计算量巨大、耗时、不利于实时探测等问题,提出一种基于机器学习框架的近实时GPR正演模拟方法.以混凝土中的钢筋探测作为GPR应用场景,混凝土的含水量、钢筋半径及埋地深度作为模型参数,利用时域有限差分数值模拟散射回波信号;运用主成分分析对回波数据进行降维处理得到相应的主成分权值系数,并以此作为机器学习网络的输出;设计了一种基于随机森林的多层循环网络架构和学习策略,不仅充分挖掘学习模型参数和主成分权值系数之间的内在因果关系,也共享主成分间的相互联系,并具有对每个预测主成分完善和修正的功能,以此实现基于机器学习的探地雷达快速正演模拟,与传统机器学习相比,有效提高了正演模拟的精度.在此基础上将两个深度神经网络与随机森林相结合,以回波数据主成分系数为输入,建立了基于机器学习的场景参数预测模型,实现了近实时的埋地目标探测,预测的混凝土含水量最大误差为2%,钢筋埋地深度最大误差为6.7%.

关键词： 地理要素分类   自然地理要素   人文地理要素   机器学习   遥感分类   网络文本分类   自然语言处理  

摘要： 地理要素一般包括自然和人文两类对象。日益增加的遥感大数据和泛在的社交媒体数据为这两类对象的要素分类提供了丰富的数据源。基于遥感影像分类为主的自然要素提取和基于网络文本和社交媒体的人文要素提取,是当前地理要素分类的两大主流。前者以图像处理技术为支撑,后者则以自然语言处理技术为核心。随着机器学习等人工智能分类方法的介入,两类要素分类呈现越来越多的共性相通特点。本文以机器学习方法的演变历程为媒介,剖析了其在自然地理要素遥感影像分类和人文社会要素网络文本分类方面的异同。以遥感单一对象、复合对象分类和微博社交媒体话题分类提取为实例,指出二者在机器学习分类方法上具有相通性。遥感大数据和网络文本大数据分类方法的相互借鉴能够促进自然与人文地理要素的智能分类应用。

关键词： 物联网   机器学习算法   安全和隐私   云计算  

摘要： 物联网已成为重要的网络范式,并且有许多智能设备通过物联网连接。尽管如此,要完全实现物联网愿景仍然存在许多障碍,其中安全和隐私较为关键。确保物联网中的安全和隐私特别复杂,尤其是对于能源供应有限和计算能力低下的资源受限设备而言。机器学习作为另一个重要领域,在计算机视觉、计算机图形学、自然语言处理、语音识别、决策和智能控制等方面均有应用。本文对机器学习在物联网安全中的应用进行了概述。首先对物联网设备及其安全问题进行介绍,然后提供了全面的调查,重点介绍了适用于物联网安全的机器学习技术的最新进展,并描述了各种物联网应用。此外,还讨论了研究挑战和未解决的问题。

关键词： 自适应形状邻域   bagging   协同表示   集成学习   高光谱影像分类  

摘要： 近年来,协同表示分类(collaborative representation classification,CRC)算法成为高光谱遥感影像分类的研究热点,其中基于bagging的协同表示集成学习算法(bagging-based collaborative representation classification,BagsCRC)利用bagging集成方式有效地提高了基分类器协同表示分类算法的精度。为进一步提升BagsCRC算法的有效性,文章提出了一种联合自适应形状邻域和bagging协同表示集成学习算法(shape-adaptive bagging-based collaborative representation classification,SABagsCRC)。该算法通过构建训练样本和测试样本的自适应形状邻域,进而构建空间信息约束的分类器集成模式。实验采用Indian pines和Washington DC Mall两组高光谱遥感影像,对所提出算法的性能进行了评价。实验结果表明,SABagsCRC算法在分类效果上比BagsCRC算法有明显的提升。