关键词： 语文教学   拼音教学   学习方法   情境教学   改进策略  

摘要： 小学一年级的学生心智还未完全成熟,学习习惯也亟待培养,如何激发学生学习兴趣,帮助他们养成良好的学习习惯,是拼音教学环节的重点。本文阐述、分析了这一学段学生的特质,提出相应的改进策略。

关键词： 新时代   党史   学习教育   路径意义  

摘要： 2021年,恰逢中国共产党成立100周年,以习近平同志为核心的党中央在这个我党重大历史时刻,在全党范围内开展了党史学习教育,这次党史学习教育,组织上加强了党的自身建设,提升了党的执政能力,党员方面提升了个人的理想信念和党性。为了能够更好地实施党史学习教育,需要我们首先深刻理解新时代开展党史学习教育的重大意义,规划党史学习教育的总体层级架构,构建党史学习教育的三维立体媒介平台网络,针对党史学习教育探索、创新行之有效的科学学习方法,从而确保党史学习教育能够稳步、扎实、有效、科学地推进,为我党百年华诞献礼。

关键词： 材料科学   机器学习   学习方法   性能预测   结构预测   算法优化  

摘要： 材料信息学利用以数据为中心的方法促进材料科学的发展,从现有的材料数据库中提取材料特征,使用机器学习进行新材料的预测和研究。从机器学习方法(有监督学习、无监督学习、主动学习和半监督学习)的角度,总结了各种学习方法在性能预测、结构预测和算法优化方面的相关研究进展,并对机器学习在材料科学研究中还未解决的问题和未来可能的发展热点进行了分析与展望。

关键词： 深度学习   小样本学习   度量学习   特征优化   原型调整  

摘要： 小样本学习任务旨在仅提供少量训练样本的情况下完成对测试样本的正确分类.基于度量学习的小样本学习方法通过将样本映射到嵌入空间中,计算样本间距离得到相似性度量以预测类别,但仅对样本特征进行独立映射,而忽略了对整个任务的观察,同时在小样本场景下通过传统方法计算的原型与期望原型存在偏差,导致在查询集上泛化性较低.针对上述问题,提出了特征关系依赖网络(FRDN).特征关系依赖网络包含两个模块:首先使用关系挖掘模块充分挖掘任务中样本的类内与类间关系,将其作为自注意力值对类簇进行调整,以获得判别性更高的任务自适应嵌入空间,计算初始原型;随后使用偏差抑制模块对初始原型进行校正,得到在查询集上泛化性更高的优化原型,进一步提高模型的分类准确率.在MiniImagenet数据集上,该方法1-shot分类准确率59.17%,5-shot准确率74.11%,分别超过传统度量学习方法6.13%与2.83%;在CUB数据集上分别提升9.3%和2.74%.

关键词： 地理核心素养   教材知识   地理知识   地理课堂   新课标   义务教育地理课程标准   地理学习方法   新课程标准  

摘要： 同学们,《义务教育地理课程标准》(2022年版)(以下简称新课标)的出台,给同学们的学习明确了前进的方向。在新课标的指导下,我们对地理的学习不能只局限于教材知识,还需要将地理课堂上学到的地理知识与现实生活联系起来,真正体会地理核心素养的概念。

关键词： 义务教育数学   课程标准   跨学科学习   主题学习  

摘要： “跨学科主题学习”是《义务教育数学课程标准(2022年版)》强调小学数学课程应有的综合化和实践化的一种课程设计。本文分享个人对“跨学科主题学习”的理解,并探讨教师如何根据现实问题,引导学生在数学学习、综合实践和创造中设计跨学科主题学习。

关键词： 无监督学习   自监督学习   对比学习   中心差分卷积神经网络  

摘要： 作为无监督学习的一个分支,自监督学习可以从大量无标签数据中学习到有用的特征,是近期一个热门的研究方向.基于前置任务和对比学习的自监督学习已经得到了大量的研究,但对于卷积操作的选择还没有得到足够的重视.将中心差分卷积神经网络引入自监督学习,探究了卷积操作对自监督学习性能的影响.实验结果显示,加入了中心差分卷积神经网络的Resnet18模型相比普通模型在下游分类任务上的性能提升了4.14%,在几乎未增加计算量的情况下,与Resnet50性能相当.

关键词： 神经胶质瘤   血氧水平依赖功能磁共振成像   基于刺激的功能定位   机器学习   一般线性模型   独立成分分析  

摘要： 目的探讨基于一般线性模型(GLM)的机器学习方法在血氧水平依赖功能磁共振成像(BOLD-fMRI)定位脑胶质瘤患者个体化运动功能中的应用价值。方法前瞻性研究。纳入2017年11月—2021年11月西安交通大学第一附属医院神经外科确诊为脑胶质瘤且病灶位于大脑运动功能区的38例患者作为机器学习模型的验证集(男25例、女13例,年龄24~69岁),同期招募健康志愿者50例作为模型的训练集(男26例、女24例,年龄22~68岁)。采用独立成分分析法(ICA),随机提取98例人类连接组计划(HCP)受试者的静息态功能核磁共振(rs-fMRI)特征。依据健康志愿者的rs-fMRI和基于任务的功能磁共振(tb-fMRI)的相关性,训练基于GLM的机器学习模型。观察项目:(1)采用Pearson相关系数(CC)分析比较GLM预测的激活与实际激活的相似度。(2)采用Dice系数(DC)作为模型预测效能的定量指标,比较GLM与ICA方法的预测效能。结果(1)胶质瘤患者基于GLM的机器学习方法所预测的激活与实际tb-fMRI的功能激活相似度高[(89.47%(34/38)的患者CC值>0.30)]。(2)胶质瘤患者GLM预测任务态运动功能激活的效能,DC为0.34(0.27,0.42),优于ICA方法的效能DC 0.26(0.16,0.30),差异有统计学意义(Z=-3.88,P<0.001);GLM在肿瘤半球的预测效能优于ICA方法,DC分别为0.36(0.17,0.48)和0.34(0.04,0.45),差异有统计学意义(Z=-2.43,P=0.015);2种方法在非肿瘤半球的预测效果均显著高于肿瘤半球(Z=-4.33、-3.59,P值均<0.001)。结论基于GLM的机器学习方法能够很好地在术前利用rs-fMRI数据预测出胶质瘤患者的tb-fMRI运动功能激活,且其预测效果好于ICA方法。

关键词： 可解释机器学习   疾病预测   脓毒血症  

摘要： 目的探索可解释机器学习方法在疾病预测中的应用。方法本研究以脓毒血症死亡风险预测为例,从重症监护医学数据库(Medical Information Mart for Intensive Care,MIMIC)-Ⅳ中采集符合纳排标准的19903例脓毒血症(sepsis-3)患者的临床数据,利用决策树、逻辑回归、随机森林、XGBoost、轻量梯度提升机(light gradient boosting machine,LightGBM)模型分别构建脓毒血症死亡预测模型。在此基础上,利用全局可解释方法(特征重要性、部分依赖图、个体条件期望、全局代理模型)和局部可解释方法(局部代理模型和Shapely值)对复杂机器学习模型进行解释,探索影响脓毒血症患者预后的危险因素。结果解释性差的机器学习模型的预测性能[模型LightGBM、随机森林、XGBoost的曲线下面积(area under curve,AUC)值分别为0.913、0.892、0.872]高于具有内在解释性的模型(逻辑回归模型AUC=0.779,决策树模型AUC=0.791),并利用全局解释性方法、局部可解释性方法两种类型的解释方法对机器学习模型决策过程进行解释。结论利用全局解释性方法可以解释在整个特征空间内机器学习模型的响应趋势,利用局部可解释性方法可以解释机器学习模型对特定病例的决策过程。

关键词： 跨学科主题学习   学生主体   课程综合化   实践育人  

摘要： 跨学科主题学习是分科设置课程背景下,实现课程综合化、实践化的积极稳妥的措施。跨学科主题学习不是独立的专设课程,而是各门学科课程的一个内容板块。它通过教学内容的跨学科关联及教学方式的实践化来推动各门课程及学校课程育人体系的整体建设。高水平跨学科主题学习的开展,要避免“为跨而跨”的庸俗化和浅表化,立足学科去主动跨界,在系统而坚实的学科学习基础上展开。