关键词： 联邦学习   聚类   数据分布   客户端选择   训练优化  

摘要： 联邦学习(Federated Learning)是为了解决机器学习中以隐私保护为前提的数据碎片化和隔离问题。各客户端节点在本地训练数据,将训练的模型参数信息上传到中央服务器,由参数服务器聚合参数信息以达到共同训练的目的。由于现实环境中,各节点数据之间的分布往往不一致,通过分析非独立同分布数据对联邦学习准确率的影响,来证明传统联邦学习方法得到的模型精度较低。因此,采用多样化抽样策略模拟数据倾斜度分布,提出了基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类的集群联邦学习算法(DBSCAN Based Cluster Federated Learning,DCFL),解决了联邦学习中不同节点的数据非独立同分布降低了学习准确率的问题。在Mnist和Cifar-10标准数据集上进行了实验,相比传统的联邦学习算法,基于DBSCAN聚类的集群联邦学习算法对模型的准确率有较大的提升。

关键词： 深度学习   教学活动设计   单元整体教学   发展数学思维   小数的意义   《数学》   教材分析   任务分析  

摘要： 单元整体教学是当下的研究热点。本文以沪教版《数学》四年级下册“小数的意义”单元为例,对于如何通过单元整体设计促进深度学习,从而发展数学思维进行了初步的实践和探索。以下从单元整体教材分析、单元整体教学目标设计、单元整体教学规划与任务分析、促进深度学习的教学活动设计策略四个方面进行阐述。

关键词： 延安时期   毛泽东   马克思主义理论  

摘要： 延安时期,是党的历史上一个非常重要的时期。这一时期,以毛泽东为主要代表的中国共产党人意识到学习马克思主义理论是领导中国革命走向胜利的客观要求。毛泽东注重加强马克思主义理论学习,号召广大党员要用马克思主义的立场、观点、方法来观察世界、观察社会和观察中国的问题,强调学习马克思主义理论必须注重有效载体和科学方法。延安时期进行的马克思主义理论学习,为完成新时代历史使命提供了丰富的学习经验和实践总结,具有重要的时代意义。

关键词： 轨道角动量   迁移学习   空间光调制器   湍流相位屏  

摘要： 为了加快基于深度学习的轨道角动量光束识别模型的训练速度,提出使用迁移学习的方式识别轨道角动量光束,并利用次谐波法生成大气湍流相位屏仿真大气湍流,以空间光调制器加载相位屏的方式搭建模拟湍流环境,基于迁移学习的轨道角动量光束识别系统在弱湍流和中湍流环境下均获得了90%以上的识别率。并与传统深度学习方式在模型训练速度、识别率等方面进行性能对比,证明了在弱、中湍流环境中,基于迁移学习的轨道角动量光束识别方法在保持较高识别率的前提下可以减少训练时间。

关键词： 通货膨胀   机器学习   SHAP值解释性方法   通胀预期  

摘要： 准确识别通货膨胀的影响因素,可以前瞻性地防范通胀风险及其危害,具有重要政策意义。已有研究主要使用SVAR等传统计量方法分析通胀的影响因素,但传统计量方法能够涵盖的因素种类和非线性关系有限。考虑到机器学习方法能够有效突破传统方法的局限,本文综合使用SHAP值解释性方法和SVR等多种非线性机器学习方法,重新识别了2001—2019年间我国所发生的5轮通胀的影响因素。研究结果表明,第一,通胀预期和食品价格上涨是过去20多年间多轮通胀的共同驱动因素;第二,消费和投资等需求拉动因素对通胀的影响逐渐减弱,成本推动因素尤其是劳动力成本对通胀的影响不断增强;第三,货币政策能够通过多种渠道影响通胀走势,并且一直是通胀的重要影响因素。有鉴于此,建议通过加强引导通胀预期、稳定食品生产和供应、营造良好经营环境以缓解劳动成本上涨压力等举措防范通胀风险。此外,不能因为担心通胀压力就过于束缚货币政策的力度,应该在做好金融市场和房地产市场宏观审慎监管的前提下,适当加大货币政策对实体经济的支持力度,以更好地应对我国经济下行压力。

关键词： 高等数学   学习热情   学习方法   主观能动性  

摘要： 高等数学是我国高校理工类专业的必修课之一,对于学生专业课程的学习起着基础性的作用,影响着学生专业课程的学习效果。针对高等数学教学的特点及学生学习过程中反馈的问题,探讨如何从兴趣出发,提高学生的学习热情,激发学生学习的主观能动性。

关键词： 高中英语   主题意义   深度学习   阅读教学  

摘要： 在高中英语阅读教学中,主要围绕语篇挖掘和活动设计两个方面进行研究,倡导研究细化、分层和分维度。通过从浅到深的剖析,从结构、内涵、语言特点、深藏的文化特征等挖掘语篇内在逻辑和内涵意义,并横向扩展和延伸。根据学生已有的知识和思维水平来设计阅读活动,在读前、读中和读后以理解、分析和解决类的任务为导向,推动阅读的输入、整合和输出,最终实现互动协作、多元评价和反馈,促进学生的深度学习。

关键词： 推抓技能学习   生成对抗网络   DQN   模型泛化  

摘要： 杂乱环境中机器人推动与抓取技能自主学习问题被学者广泛研究,实现二者之间的协同是提升抓取效率的关键,本文提出一种基于生成对抗网络与模型泛化的深度强化学习算法GARL-DQN。首先,将生成对抗网络嵌入到传统DQN中,训练推动与抓取之间的协同进化;其次,将MDP中部分参数基于目标对象公式化,借鉴事后经验回放机制(HER)提高经验池样本利用率;然后,针对图像状态引入随机(卷积)神经网络来提高算法的泛化能力;最后,设计了12个测试场景,在抓取成功率与平均运动次数指标上与其他4种方法进行对比,在规则物块场景中两个指标分别为91.5%和3.406;在日常工具场景中两个指标分别为85.2%和8.6,验证了GARL-DQN算法在解决机器人推抓协同及模型泛化问题上的有效性。

关键词： 大学化学   无机化学   思维导图   学习方法  

摘要： 思维导图作为一种新兴的教育工具在教学实践中广泛应用。文章基于化学知识结构以及思维可视化原理的理念,探索在大学本科化学教育中如何利用思维导图帮助学生建构化学知识体系。从大学化学和无机化学这两门学科中的化学热力学、化学动力学以及化学平衡三个章节出发,以可逆化学反应为切入点,串联关键知识点,理清思维脉络和各知识点之间的逻辑关系,帮助学生构建清晰的化学知识体系结构。

关键词： 石墨炔   原子电催化剂   自验证机器学习   密度泛函理论  

摘要： 近年来,原子催化剂(ACs)引起了广泛的研究关注.目前该领域的长足发展受限于贵金属的使用和单原子催化剂(SACs)的性能有限.本文总结了利用密度泛函理论(DFT)和机器学习(ML)方法筛选高效的基于石墨炔(GDY)的原子催化剂的工作.研究表明, Pd, Co, Pt和Hg可以形成稳定的零价过渡金属-石墨炔组合(TM-GDY),而镧系-过渡金属的双原子催化剂(Ln-TM DAC)组合通过f-d轨道耦合作用可以获得有效的催化性能提升.进一步分析表明,主族元素与过渡金属和镧系金属的结合可以通过p轨道耦合保持高电活性,从而构成高度稳定的GDY-DAC系统,机器学习算法也揭示了s,p轨道的作用.此外,理论算法技术在筛选催化水分解析氢反应(HER)的高效组合上也表现出了优越性,创新性地预测了石墨炔-原子催化剂在实际催化反应中的潜能.本综合评述可为未来设计新型原子催化剂提供新的思路与策略.