关键词： 朴素贝叶斯   桥梁   损伤状态识别  

摘要： 以简支梁、连续梁、连续刚构桥梁图片为样本数据,利用不同机器学习方法对桥梁图片数据进行分析与挖掘,识别桥梁的振动、变形、应力、裂缝等指标,比较不同挖掘算法预测的准确性。结果表明:较于其他分类器,朴素贝叶斯分类器与神经元网络分类器对桥梁状态具有较好的识别准确性。基于Weka图像数据挖掘平台对图片数据进行分类与预测具有较好的效果,可以为桥梁状态在线评估提供新的思路。

关键词： 研究生   党史学习教育   体验式   学术理路   实践创新  

摘要： 研究生“体验式”学习更契合学习教育的理论特性、更贴近研究生的价值接受规律、有效应对信息时代对认知方式的影响。探索建立“感知性体验、情景性体验、互动性体验、持续性体验”四位一体“体验式”党史学习教育,能够有效提升党史学习教育效果。要充分彰显研究生的主观能动性,注重阐释党史理论内在的历史规律,始终坚持政治性、系统性和趣味性的有机融合,切实提升党史学习教育针对性与亲和力。

关键词： 双减   情感分析   深度学习   双向长短期记忆模型  

摘要： 为探究“双减”教育政策的民众情感倾向,利用深度学习方法对“双减”短文本评论进行情感分析。采用Jieba分词处理,使用波森情感词典作为辅助工具计算文本情感倾向,基于朴素贝叶斯、支持向量机、长短期记忆模型(LSTM)和双向长短期记忆模型(BiLSTM)四种模型分别进行分类训练。结果表明,约60%的民众对政策持有焦虑态度,40%民众持有积极态度。BiLSTM模型对于积极、消极情感文本的F1分数分别达到78%、86%,模型准确率达到82.74%,分类效果最优。最后给出关于“双减”政策的一些建议。

关键词： 路面裂缝检测   视觉图像识别   深度学习  

摘要： 基于可见光视觉图像的表面裂缝识别为非接触式,不受被测对象材质限制,可在线自动检测,具有速度快、成本低和精度高等优势。首先较为全面地搜集了典型的路面裂缝公开数据集,整理归纳了样本特征及其随机可变影响因素,并比较了传统手工设计特征工程、机器学习和深度学习3种主要裂缝识别方法的优缺点。然后,从网络架构、性能和效果方面着重评述了自搭架构、迁移学习和编码-解码器等易于训练和部署的深度学习算法新进展,通过算法优化和算力提升可显著提高识别的效果和性能,测试结果表明能够在低算力平台上实现裂缝补丁级快速检测和像素级实时检测。

关键词： 绪论   学科属性   普通植物病理学   教学方法   学习方法  

摘要： “绪论”是高校所有课程的第一课,上好“绪论”第一课可第一时间在学生心中播下对该门学科的使命感、进取心和责任心的“种子”。作者通过多年的教学研究与实践,认为“绪论”教学的首要目的是激发学生的好奇心和求知欲,点燃学生的进取心和紧迫感,进而喜欢和会学这门课程。为达到上述教学目的,我们构建了“绪论”第一课授课内容、方法与目的三者相吻合的教学模式:首先,采用生动有趣和灵活多样的手段导入情景和实物,并设问;随后通过循循善诱和启迪独立思考,师生共同探究和感悟该学科属性、形成发展历史、目前研究现状及未来发展前景,以及教与学的目的、任务和方法等,从而让学生树立上进心和责任心,增强学好该课程的决心和信心。本文以普通植物病理学课程为例,展示了采用“绪论”第一课的教学模式开展的教学过程。多年的教学实践证明,“绪论”第一课教学模式导入的“绪论”内容规范、系统、全面、与教学目标相契合。并且,其内涵丰富、可操作性强、实施效果好,对提高教学质量十分奏效,适合推广应用。

关键词： 小学语文   语文核心素养   新课标下   任务驱动   学生自主探究   项目化学习   三维目标   核心素养培育  

摘要： 项目化学习的核心是驱动任务的设计。好的学习任务目标明确,指令性强,富有挑战性;它来源于生活又用于生活,能激发学生学习热情。但是很多老师是为了设计而设计任务,生拉硬扯,缺乏与目标的整合,缺少与生活的关联,进而无法在任务驱动下实现课堂重构,达成引导学生自主探究、提升语文核心素养的目标。大家熟悉的“问题设计”,与课堂三维目标教学理念对应,教师是“先生”;而“学习任务”呢,则是与新课标下核心素养培育的教学理念对应.教师是“导游”。

关键词： 技术赋能   数学学习   学段衔接   学习方法   学习内容  

摘要： 《义务教育数学课程标准(2022年版)》修订的主要变化之一是加强学段衔接.目前,大部分地区义务教育阶段采用的是“六三”学制,导致中、小学生在不同的学校学习,且初中生在进一步学习数学的过程中总会遇到衔接不顺的障碍.在数字化时代可以借助信息技术,让技术赋能,通过微信、微课、网络等为学生打通中、小衔接的壁垒,实现从小学到初中数学学习的顺利过渡.

关键词： 群体行为识别   深度学习   深度神经网络架构   卷积神经网络(CNN)   长短时记忆神经网络(LSTM)  

摘要： 群体行为识别是计算机视觉领域应用广泛且亟待解决的重要研究问题。伴随着深度神经网络的发展,群体行为识别与理解的宽度与深度也在不断扩展。通过调研近十年来群体行为识别的研究文献,确定了目前群体行为识别研究的问题定义;指出了群体行为识别研究现存的问题与挑战;在深度学习网络架构下,描述了从早期仅仅对群体行为进行分类识别,到如今更加侧重于对行为群体中活动细节理解的群体行为识别算法的发展历程;重点介绍了以卷积神经网络CNN/3DCNN、双流网络Two-Stream Network、循环神经网络RNN/LSTM和Transformer等网络架构为基础的,主流群体行为识别算法的核心网络架构和主要研究思路,对各算法在常用公共数据集上的识别效果进行了对比;对标注了群体行为类型和个体行为类别等多级标签的常用的群体行为数据集进行了梳理和对比。期望通过客观的对各种算法优缺点的讨论分析,引发读者提出群体行为识别研究的新思路或新问题。最后,对群体行为分析的未来发展进行了展望,期待能够启发新的研究方向。

关键词： 高光谱   随机森林   可解释性   人参   中药材   产地  

摘要： 人参是传统中药材中的贵重品种,具有较高的经济价值。人参生长的地域性很强,不同产地人参有效成分含量存在差异,人参因“道地”与否,会导致其质量、医学效用和经济价值的差异,因此人参产地识别的意义重大。目前常通过磨粉提取等制备,再采用化学或光学等多种手段检验人参产地,但会造成样本破坏。而基于外观性状或芦头特征的鉴别,因主观性差异不能作为标准化的识别方法。如何用高精度、无损、快速检测识别的方法,对人参的产地进行识别分析,是该研究的主要立足点。通过采用高光谱成像技术,对已知产地信息的人参样本,通过获取从400~2 500 nm的反射光谱,经过基于白板的绝对和相对辐射校正处理,构建了高光谱反射率数据集。采用随机森林的机器学习方法,构建了基于高光谱数据的全光谱人参产地识别模型,并对不同尺度的地域划分规则分别开展了产地识别精度验证,发现不同产地的人参光谱有明显区别。其中东三省与否的产地识别精度,可以达到98.2%。同时利用随机森林基于决策树构建的优势,获得了人参产地识别的光谱重要性结果,为专用轻量化仪器研发指明特征光谱。高光谱人参产地识别研究作为严格的无损检测方式,将对人参等道地药材的产地识别、药材图谱指纹认知和挖掘、药材鉴定和质量评价等提供理论支撑和技术手段。

关键词： “四史”学习教育   生成逻辑   科学内涵   现实意义  

摘要： 中国共产党历来重视分析历史问题、总结历史经验、学习历史知识。党的十八大以来,习近平总书记多次就学习党史、新中国史、改革开放史、社会主义发展史发表重要讲话,将“四史”学习教育放在重要位置,形成了关于“四史”学习教育的重要论述。开展“四史”学习教育,从党的历史中汲取智慧,应深入理解习近平关于“四史”学习教育重要论述的生成逻辑,重点关注其历史逻辑、现实逻辑、实践逻辑,准确把握“四史”学习教育以总结历史经验为指引、以红色资源为载体、以弘扬革命精神为核心要义、以坚定理想信念为价值旨归的具体内涵,明确“四史”学习教育的现实意义,为党和国家的工作提供行动指南,有利于广大共产党人牢固树立“四个自信”、坚定理想信念、厚植爱国主义情怀。从习近平关于“四史”学习教育重要论述的生成逻辑、科学内涵和现实意义三个维度展开了分析,阐述了习近平关于“四史”学习教育重要论述的现实意义,为更好地发挥“四史”学习教育这部鲜活教科书资政育人的作用贡献力量。