关键词： 数学史   重构式   教学  

摘要： 数学史重构式学习是数学史走进课堂的方式之一,是依据数学知识的发展历史,重构数学知识的发生、发展过程,设计相应的探究任务,使学生经历数学知识的发展过程,从而感受数学的魅力。以“百分数的意义”一课为例,挖掘内容主题背后的数学史,将数学史的价值融入教学目标,依据教学目标设计学习任务,实施深度教学,开展学习评价,让学生经历数学家式的探究过程,从而感受数学的魅力,更好地学习数学。

关键词： 污染场地管控   机器学习   数据融合   贝叶斯   XG Boost  

摘要： 以某搬迁电镀厂为例,基于污染场地调查报告中的非结构化采样数据(已脱敏处理),集成GIS、机器学习等方法,对主要污染物特征进行融合、量化。基于《关闭搬迁企业地块风险筛查与风险分级技术规定》,提出一种面向污染场地实际管控需求的场地内部污染程度量化方法,建立朴素贝叶斯模型,对采样点污染类别进行概率分类,并将结果划分为中度关注、高度关注两个类别。利用XG Boost算法,提取各污染特征的特征重要性,识别造成污染的主要因素,计算各采样点的污染特征值。结果表明,该场地西北侧污水处理厂附近及原电镀厂排污出口处污染较为严重,主要污染物浓度、地表覆盖情况及地下防渗措施是控制污染物分布的主要因素。该结果可为污染场地管控及决策提供数据支撑。

关键词： 基于学习   非平稳流行度   内容变大小   延迟命中  

摘要： 传统的缓存算法大多基于简单的统计信息进行内容替换,在绝大部分场景下都和离线最优算法有着较大的性能差距。当前基于机器学习来设计高效的缓存策略基本都假设请求的大小相等,忽略了真实场景中请求的大小往往不等且大小变化的范围较大。由于传输速度已接近极限,但网络的吞吐量依旧在持续增长,延迟命中这一因素表现得更加突出。延迟命中下的命中率和传统算法中的命中率并不等价。本文同时考虑请求大小不等和延迟命中两个因素,提出ARC-learning+算法,研究内容主要包括:(1)对请求内容变大小场景,分析了缓存内容大小对于缓存性能的影响,并提出基于概率准入策略的ARC-learning+算法。在真实数据集上实验结果表明,在请求内容变大小场景下,修改后的缓存替换策略非常接近已有算法的最优内容命中率。(2)对延迟命中场景,ARC-learning+算法采用的排序函数综合考虑请求缺失所消耗的时延和请求的流行度等因素。实验结果表明,ARC-learning+算法在流行度变化较快情况下的时延提升明显优于已有的其他缓存算法。在其他流行度变化情况下也非常接近已有算法的最优时延性能。

关键词： 不相称分析   布加替尼   信号检测   药品不良反应   机器学习算法   美国食品药品监督管理不良反应事件报告系统  

摘要： 目的评估机器学习算法在检测布加替尼(Brigatinib)药品不良反应信号中的性能。方法使用美国食品药品监督管理局(FDA)不良反应事件报告系统(FAERS)2017年4月1日至2022年3月31日收集的布加替尼药品不良反应信号数据开展研究。首先为研究药品构建一个输入数据集,包括药品标签上列出的已知不良反应和未知不良反应。对于已知不良反应,训练4种机器学习算法,并通过曲线下面积(AUC)评估机器学习算法[随机森林(random forest,RF)、极限梯度提升机(extreme gradient boosting)、Logistic回归和邻近算法(k-NearestNeighbor,kNN)]与传统不相称分析方法[报告优势比(ROR)]和信息成分(IC)]进行比较。结果kNN算法具有最高的AUC,平均值0.875,其余方法中Logistic回归(0.852),XGBoost(0.722),RF(0.662)和DPA(0.548)。在未知不良反应数据集中,以kNN算法建立的机器学习模型检出6个额外信号(占15.8%),传统不相称方法检出4个额外信号(占10.5%)。结论以kNN算法建立的机器学习模型比传统DPA方法在药品不良反应信号检测方面性能更佳。

关键词： 学业预警   增量学习   非均衡   深度学习   加权损失函数  

摘要： 学业预警是构建完善教育管理体系的基础,有助于及早发现、干预学生学习和生活中的异常状况。然而实际研究仍面临诸多挑战,如:1)学生学业表现的相关影响因素往往不断变化,导致数据分布的变化;2)学业预警数据集一般存在类别不均衡的问题。针对上述挑战,提出一种面向学业预警的非均衡增量式学习方法(WILS)。WILS由增量学习机制和加权损失函数两部分构成,增量学习机制能够适应数据分布和样本特征的动态变化,加权损失函数通过为少数类赋予更高的权重提升对该类别的关注度。为评估WILS的效果,在包含2 275名本科生的真实数据集和包含1 000名学生的公开数据集上进行了实验验证。结果表明,相较于已有方法,WILS能够较好地适应数据和特征的连续动态变化,取得优异的识别效果。

关键词： 全体中华儿女   祖国统一大业   社会影响力   一国两制   成功实践   中国台湾   澳门同胞   澳门地区  

摘要： 党的二十大报告引起澳门地区各界热议。报告中,国家对港澳一如既往深切关注,分别对港澳未来发展提出期望,对中国台湾问题做出了《台湾问题与新时代中国统一事业》白皮书基础上的进一步阐述。中国澳门同胞中超过2万人具有“中国台湾+中国澳门”双重身份,并且大部分在两地具有较高社会影响力。作为期待国家永远行走在和平稳定富强发展道路上的中国澳门同胞,我尝试分享一些关于中国澳门现状对中国台湾未来发展的启示。二十大报告指出,解决中国台湾问题、实现祖国完全统一,是党矢志不渝的历史任务,是全体中华儿女的共同愿望.

关键词： 论党的自我革命   自我革命   社会革命  

摘要： “自我革命”思想是习近平在回答“建设什么样的长期执政的马克思主义政党、怎样建设长期执政的马克思主义政党”这一重大时代课题上,提出的原创性的治国理政新理念新思想新战略。《论党的自我革命》是一部集中阐述习近平“自我革命”思想的理论著作,深入学习这部著作,有助于进一步增强以自我革命精神加强党的自身建设的自觉性,深入推进全面从严治党,跳出治乱兴衰的历史周期率;同时,有助于进一步深化以自我革命引领社会革命的思想,在党的自我革命推动下完成党肩负的以中国式现代化全面推进中华民族伟大复兴的历史任务。

关键词： 残差神经网络   深度学习   心律失常   心电图识别  

摘要： 目的针对心律失常心电图自动识别,探究出一种新的DRNN深度学习模型与算法。方法基于开源心电数据库(The PhysioNet Challenge 2017),利用8249条心电记录数据,建立DRNN模型,通过五折交叉验证对3类心电节律进行识别,并与4种常用模型的识别效果进行比较。结果本文提出的DRNN模型与算法对心律失常的识别效果明显优于其他4种模型,其查准率、查全率和F1分数的综合指标分别为86.28%、86.12%和86.17%。结论DRNN模型对心电图具有良好的识别效果。

关键词： 罗杰斯意义学习   自主探究能力   初中历史  

摘要： 在初中历史教学中,教师要合理运用罗杰斯意义学习理论,基于调动情感、订立契约、代入场景的原则,引导学生自主探究,提升学生自主探究的能力;通过联系时事、对比影视、组织主题活动等途径,调动学生的学习积极性;结合历史知识的类型,针对陈述性、程序性、策略性知识的特点设计教学策略,这样才能更好地激发学生的自主性,构筑高效的探究性课堂。

关键词： 传统中药   归经判别   归经理论   机器学习  

摘要： 目的从药材成分集合与化合物分类集合相似性差异的角度,使用集成学习算法构建药材主归经络判别模型,为中药归经判别提供新方法。方法收集中药药材及其对应归经信息,通过TCMSP数据库收集药材对应成分。利用ChemSpider数据库及RDKit包收集药材成分的物理性质及指纹特征并对数据进行降重和归一化处理,使用K均值聚类算法构建化合物分类集合。使用余弦相似性计算药材成分、化合物分类集合相似性,集合相似性的差异将用于中药归经的判别。最后使用集成学习算法建立药材归经判别模型,并对模型进行对比评价。结果使用Random Forest,XGBoost,Ada⁃boost三种算法构建药材主归经络判别模型,使用十折交叉验证进行参数调优,根据最优参数下测试集上的平衡准确率(balance accuracy)评价模型优劣,三种算法中随机森林算法表现出了最优的性能,平衡准确率达到了0.72。结论本研究探索了中药药材成分与主归经络之间的关系,建立了药材归经判别模型,为中药归经判别量化提供一种新思路和新方法。