关键词： 场地污染识别   生态环境大数据   机器学习   信息技术  

摘要： 由于大数据技术的快速发展,用于分析挖掘场地污染特征和成因机制的数据量和类型也大幅增加,传统的场地环境数据获取、清洗和挖掘方法难以满足大数据的存储和处理要求。近年来,采用机器学习算法对场地多源异构数据进行挖掘,实现地块尺度、区域尺度的污染识别已成为研究热点。系统综述了场地污染智能识别大数据的获取、处理和挖掘方面的现状和不足,提出了利用5G和互联网、终端信息采集、网络爬虫、自然语言处理方法获取场地环境数据的应用对策。针对场地多源数据集成和融合的关键技术措施以及未来我国场地污染智能识别模式进行展望。

关键词： 有意义的学习经历   医学通识选修课   课程设计  

摘要： 为改进医学通识选修课程中普遍存在的参与度低、教育模式缺乏创新等现象,将"创造有意义的学习经历"运用于医学通识教育课程的设计、实施中,从核心知识、学以致用、触类旁通、人性维度、人文关怀、学会学习6个维度入手,设定学习目标,制定考核工具,最后选择教学方法,从而形成教学闭环。通过课程实施改革、收集反馈和整理资料后,得出根据此方法所设计的教学活动完全切合及服务于教学目的,考核方式变得多样、内容更加全面,体现了通识教育需要的多维度评价。

关键词： 深度学习   方法探究   初中化学  

摘要： 在当前的化学教学中,部分教师仍旧认为只要让学生了解知识、知道知识就可以,但其并不利于学生的长远大众.而教学的目的是为了学生能够学以致用、学会创新,推动国家的发展.而想要达到这一目标,就需要引导学生进行深度学习.本文从学习目标、教学情境、活动平台、分层教学四个方面入手,阐述了初中化学深度学习方法.

关键词： 前置学习   初中数学   前置性学习   一元二次方程   认知心理学   走马观花式   教师讲授   预习  

摘要： 前置学习是指学生在教师讲授新知识前,运用自身已有知识对新知识进行初步探究和学习的过程.“凡事预则立,不预则废”,学习也是一样,有效的前置学习就像知识海洋里的一展明灯,为迷途学海的学生指引前进的方向.然而初中生在前置性学习方法方面仍有欠缺,例如:在预习的过程中抓不住预习的重点,走马观花式地浏览新知识,只看知识点而不关注与旧知识的联系,不能学以致用进而不能很好发挥前置性学习对于学习的辅助作用,并没有收获很好的效果,导致对于以后的预习产生抵触情绪,造成恶性循环.由此看来,对于“前置学习方法”的研究尤为必要.本文基于认知心理学以“消元--解一元二次方程”为例对初中生前置学习给出几点方法指导.

关键词： 碳中和   天然气进口预测   机器学习   卷积神经网络   曲线投影寻踪动态聚类模型   风   险管理  

摘要： 在“双碳”政策引导下,大力使用低碳、清洁的天然气资源是我国能源转型的重要举措,我国天然气供应主要依赖进口,准确预测天然气进口趋势对实现“双碳”目标具有重大意义。本文采用曲线投影寻踪动态聚类模型从经济发展、人口、天然气行业和能源消费4个方面确定天然气进口影响因素评价指标体系,分别构建多变量灰色GM(1,N)模型、支持向量机回归(SVR)、卷积神经网络(CNN)3种机器学习模型并对2006~2020年我国天然气进口数据进行拟合,对比拟合精度选取最优模型进行预测,以降低预测风险。研究结果表明:(1)曲线投影寻踪动态聚类模型不受指标数量和样本容量限制,按照影响因素的重要程度进行排序构建了天然气进口预测评价指标体系,剔除人为任意性因素的影响,实现预测指标体系的客观性;(2)CNN模型对天然气进口量的时间序列预测具有较高的预测精度;(3)2021~2026年我国天然气进口量呈上升趋势,增速下降,2026年天然气进口量突破2000亿立方米,预测结果与当前国内外能源政策导向吻合,最后针对预测结果提出相关建议。研究结论科学、可靠,可为我国天然气进口及风险管理提供一定的科学依据。

关键词： 感知-认知双系统   双环深度Q网络   动态调度   知识图谱   多智能体  

摘要： 航天结构件生产过程中批产任务与研发任务并存,个性化小批量研发生产任务导致紧急插单现象频发.为了保障任务如期完成,解决柔性作业车间面临的动态调度问题,以最小化设备平均负载和最小化总完工时间为优化目标,提出了感知-认知双系统驱动的双环深度Q网络方法.感知系统基于知识图谱实现对车间知识的表示并生成多维信息矩阵;认知系统将调度过程分别抽象为资源配置智能体和工序排序智能体两个阶段,分别对应两个优化目标,设计了车间状态矩阵对问题和约束进行描述,调度决策中分步骤引入动作指令;最后分别设计奖励函数实现资源配置决策和工序排序决策的评价.经某动力所航天壳体加工的实例验证和算法对比分析,验证了所提方法的优越性.

关键词： 有意义学习成果   成果导向教学   高职  

摘要： 高职课程应围绕有意义的学习成果来组织与实施。对此,基于高职毕业生的访谈与问卷调查,从主题内容相关性、目标领域复合性、目标水平层次性、行动表现性、行动情境真实性、能力泛化性六个要素特征分析其对学习成果有意义性的认知。结果显示,“通过情境实操来展现实用技能”的学习成果最有意义,“去情境化的停留在低阶认知水平的纸笔考试”意义性最低。这为优化成果导向教学设计、构建高职课程有意义学习成果提供了参考与建议。

关键词： 网络表示学习   网络嵌入   节点标签   图神经网络   自监督机制  

摘要： 节点标签是复杂网络中广泛存在的监督信息,对网络表示学习具有重要作用。基于此,提出了一种结合图自编码器与聚类的半监督表示学习方法(GAECSRL)。首先,以图卷积网络(GCN)和内积函数分别作为编码器和解码器,并构建图自编码器以形成信息传播框架;然后,在编码器生成的低维表示基础上增加k-means聚类模块,从而使图自编码器的训练过程和节点的类别分布划分形成自监督机制;最后,利用节点标签的判别信息对网络低维表示的类别划分进行指导,将网络表示生成、类别划分以及图自编码器的训练构建在一个统一的优化模型中,并获得融合节点标签信息的有效网络表示结果。在仿真实验中,将GAECSRL用于节点分类和链接预测任务。实验结果表明,相比DeepWalk、node2vec、全局结构信息图表示学习(GraRep)、结构化深度网络嵌入(SDNE)和用数据的转导式或归纳式嵌入预测标签和邻居(Planetoid),在节点分类任务中GAECSRL的Micro-F1指标提高了0.9~24.46个百分点,Macro-F1指标提高了0.76~24.20个百分点;在链接预测任务中,GAECSRL的AUC指标提高了0.33~9.06个百分点,说明GAECSRL获得的网络表示结果能有效提高节点分类和链接预测任务的性能。

关键词： 深度参与   深度学习   分数的意义  

摘要： 参与是衡量课堂教学有效性的标准,也是开展深度学习的必由路径。以“分数的意义”为例,从教材资源、学生立场和学习经历这三个维度来挖掘引发学生深度参与的因子。从一节课的各个环节入手,阐述认知参与、思维参与和情感参与的策略和方法。

关键词： 刀具破损监测   增量学习   半监督学习   不平衡数据   工况  

摘要： 针对零件加工过程刀具破损监测存在的破损样本数量极少、样本分布随工况变化的问题,提出一种半监督的增量学习方法。首先,采集部分刀具正常状态的样本,通过自编码器学习正常样本的低维共性特征,并根据样本在特征空间的分布建立刀具破损监测模型,在无破损样本的条件下开始破损监测。在破损监测过程中,采用自编码器的重建误差检测样本分布是否变化,在样本分布变化或模型识别错误时,采用最新获取的样本对模型进行增量训练,使模型保持良好的识别能力。利用发电机转子铣削过程刀片破损数据进行验证,与标准的自编码器方法、一分类支持向量机方法和局部离群因子方法进行对比分析,结果表明,所提方法显著提高了对不同工况获取的样本的识别效果。