关键词： 深度学习   中子输运方程   原函数   微分变阶   损失函数   数值验证  

摘要： 中子输运方程是核反应堆物理分析计算的基本方程,针对深度学习技术求解输运方程因定积分项带来的困难,本文提出了微分变阶理论:将输运方程定积分项变换为对应的原函数,其他部分的角通量密度项表示为原函数高阶微分形式,从而将具有微积分形式的输运方程转换为纯粹的高阶微分方程;给出了变换后的原函数定解约束条件,以及对应的边界条件形式;构造了由原函数方程、边界条件、原函数定解、特征值约束共同形成的加权损失函数,利用深度学习使得神经网络逼近原函数;通过将原函数求导进行微分降阶,最终得到原输运方程角通量密度的数值解。针对多个平板、球几何例题进行了数值验证,获得了具有连续性特点的计算结果,证明了本文理论及相关方法的正确性,从而为中子输运方程的数值求解方法探索新的技术途径。

关键词： 深度学习集成   配电网   多微电网   分布式鲁棒   机会约束   调度优化  

摘要： 针对配电网与多微电网耦合系统调度中分布式电源出力不确定性以及运行效率低下等问题，提出基于深度学习方法集成的配电网与微电网互联系统分布鲁棒机会约束运行优化调度模型。构建了基于概率输出的支持向量机、贝叶斯神经网络、深度信念网络的微电网可再生能源和负荷不确定性概率集合；建立了D-S证据理论信息集成框架，提出了基于kappa系数与准确率权重的证据修正方法，进而得到更高精度不确定性概率集合，得出源荷功率的概率分布模糊集。接着，建立配电网与多微电网两阶段滚动调度优化模型，即第一阶段预调度模型和第二阶段实时调控模型，第一阶段以实现配电网与多微电网区域全局运行经济最优为优化目标进行能量预分配；阶段二为实时运行调控阶段，考虑微电网内新能源实时出力的不确定性对分布式电源进行实时调控；两阶段鲁棒经济调度模型采用改进C&CG和ADMM结合的内外双环算法分布式求解。仿真结果表明，有效提高了源荷预测不确定性下配-微电网市场安全可靠运行，提高了互联系统的新能源消纳率及经济收益。

关键词： 历史唯物主义   “两个确立”   “两个维护”  

摘要： 当前,我们正在全党深入开展学习贯彻习近平新时代中国特色社会主义思想主题教育,如何进一步深刻领悟“两个确立”的决定性意义,进一步增强坚决做到“两个维护”的高度自觉性,是学习贯彻习近平新时代中国特色社会主义思想和党的二十大精神的一个重大理论和现实问题。本文紧紧围绕习近平新时代中国特色社会主义思想的学习,理论与实践相结合、历史与现实相结合,较为全面论述了“两个维护”的历史必然性和重大现实意义,深入阐述了以下几方面内容:维护党的领袖的核心地位是马克思主义的一个重大原则;必须坚定维护党的领袖的核心地位是国际共产主义运动的重大历史经验;坚定维护党的领袖的核心地位就要从思想理论上弄清马克思主义领袖、政党、阶级、群众特别是人民群众与党的领袖的关系;习近平是毛泽东、邓小平两个时代培养出的杰出的无产阶级革命事业接班人;比较我国与以美国为首的西方世界的任期制,更加坚定“两个确立”与“两个维护”的自信。

关键词： 核心素养   对分课堂   学习资源   学习目标   学习体验   学习方法   学习环境  

摘要： 对分课堂将“教”与“学”对分,改变了传统的“教”与“学”的关系,有利于培养学生的学科素养。在高校设计类课程教学中,五层递进对分课堂教学模式以丰富的学习资源培养学生的图像识读素养,以多元化的学习目标培养学生的审美判断素养,以真实的学习体验培养学生的技法表现素养,以灵活的学习方法培养学生的文化理解素养,以虚实结合的学习环境培养学生的创意实践素养。具体教学策略有导学清单亮明白、“精讲”且“留白”、“亮考帮”笔记写起来、协作讨论谈出来、项目实操练起来、多维度多层次评人才。

关键词： 数字经济   机器学习   舞弊识别   上市公司  

摘要： 数字时代的来临使利用机器学习识别财务舞弊成为研究的热点。在采用原始财务数据的基础上,引入财务比率、公司治理指标、审计指标和我国资本市场特殊指标,并以Logistic模型为评价基准,分别运用决策树、随机森林、Adaboost决策树和支持向量机(SVM)模型进行机器学习分析,并利用采样的方式降低样本不平衡性,以召回率(recall)为评价各模型的标准,综合运用准确率(accuracy)、召回率和AUC判断模型和数据的优劣。研究发现:加入财务比率、审计指标和我国资本市场特殊要素指标的模型能够得到较优的识别效果,而公司治理指标并不能提高模型的舞弊识别能力;与其他模型相比,随机森林模型和Adaboost-决策树模型具有更好的舞弊识别效果。

关键词： 可解释性   Grad-CAM算法   爆破事件分类   深度学习  

摘要： 采用2016—2020年福建台网所记录的爆破和天然地震事件以及背景噪声数据集,使用CNN模型、Inception10模型、ResNet18模型和Vgg16模型4种深度学习网络模型进行分类研究。针对深度学习网络模型的“黑盒”问题,将梯度类激活映射(Gradient-weighted Class Activation Mapping,Grad-CAM)算法引入这4种分类模型中,得到每个模型的可视化图。通过可视化图可以直观地看出模型在做出分类决策时对于不同波形特征的依赖权重,为模型的可解释性提供依据,进而提高模型的可信度。通过对模型的可视化图分析得出,分类效果更好的CNN模型和Vgg16模型在做出决策时更依赖于地震波形的震相特征,对于震前和震后的波段关注较小;而ResNet18模型和Inception10模型对于震相特征的关注不够敏锐。通过Grad-CAM算法对模型进行可视化分析得到的结果能够很好地反映模型的分类效果,对于改进和选择合适的分类模型具有重要意义。

关键词： 博物馆学   博物馆学习   理论   跨学科研究   博物馆实践  

摘要： 20世纪80年代,教育领域“由教到学”的哲学转向延伸至博物馆领域。随着关于博物馆学习的讨论日益丰富,观众在博物馆中的行为始终无法绕开学习这一因素成为学界共识。《博物馆学习:作为促进工具的理论与研究》一书从理论出发,对相关的学习理论进行阐述,将理论研究和博物馆实践相结合,试图架起研究人员和博物馆专业工作人员之间的桥梁,从心理学、社会学、哲学、人类学等视角开展跨学科研究。本书资料丰富,理论介绍全面,可为我国开展博物馆教育和学习提供较为全面的理论指南和实践指导,如博物馆分众类别研究和学习环境如何分众化的启示,一定程度上也有助于使我们认识到理论的重要性,开展更多聚焦事物本质的研究。

关键词： 高中物理   学生自主   学习意义   教学策略  

摘要： 社会对学习型人才的要求愈发严格,学习者只有不断增强自身的自主学习能力,才能掌握更多适用于社会生活的知识,深化社会参与。高中是学生由校园走向社会的主要阶段,在高中教学中培养学生的自主学习能力至关重要。文章以高中物理教学为切入点,分析引导学生进行自主学习的基本手段与主要策略,基于高中物理教学引导学生自主学习的现实意义分享新的教学理念,以期对高中生物理课程中的自主学习起到推动作用。

关键词： 备考   学习方法   高考数学  

摘要： 数学作为三大主科之一,其高考分数在总体分值中的占比非常大,同时数学还是一个“拉分”比较严重的科目,因此关于数学学科的备考学习是非常重要的。进入到高中阶段,数学学科的难度提升较大,很多同学在备考学习的过程中可能会遇到各种各样的困难,在这种情况下,学生要掌握正确的备考学习方法,在备考学习过程中做到有的放矢,进而使备考学习事半功倍。下文中笔者将通过多角度分析,结合实际情况,对于高考数学的备考学习方法进行充分详细的论述。

关键词： 机器学习   点估计   区间估计   学生成绩  

摘要： 利用现代技术挖掘高校学生成绩的影响因素并对学生成绩进行预测,是教师优化教学方法、学校调整教学策略的关键。将Bootstrap方法、递归特征消除、支持向量回归模型以及变邻域搜索算法相结合,对小样本下影响高校学生成绩的因素进行挖掘,并基于此对高校学生成绩进行点预测和区间预测。将上述方法应用于某高校学生数学成绩数据,并与传统Bootstrap支持向量模型进行对比,验证了所提方法的有效性。