摘要： 音乐文献学是对音乐类文献的进行分析整理等，为研究者提供了很大的便利。本文主要就音乐文献学的概论、研究对象、历史、作用及方法进行阐述，希望为研究者提供一点参考。

关键词： 环境振动   振动源强   地铁   机器学习   迁移学习  

摘要： 随着我国城市轨道交通建设的蓬勃发展,地铁运营产生的环境振动问题日益突出,合理的减隔振设计对环境振动预测提出了更高的要求。目前在地铁项目可行性阶段主要采用经验链式公式预测环境振动,振动源强作为该公式中最为重要的一项基础值,其高效准确的取值有利于后续预测工作的展开。针对当前振动源强取值的一些局限性,本文提出将机器学习的方法应用于振动源强取值的预测。主要研究内容及成果如下。(1)建立车辆-轨道-隧道-地层模型。运用多体动力学软件SIMPACK和有限元软件ABAQUS分别建立车辆-轨道模型和隧道-地层模型,计算列车通过时隧道壁处的加速度响应,采用两位校准法思想与实测结果进行对比,确保数值模型的准确性。(2)振动源强影响因素分析。考虑了车轮磨耗状态、钢轨磨耗状态、车速和土体动弹性模量四个变量,通过车辆-轨道-隧道-地层模型计算得到432组数据组成机器学习的基础数据库,在此基础上分析了各变量对振动源强的影响。(3)机器学习模型设计。在数据预处理阶段采用独热编码考虑定性指标;在预测评价阶段采用K折交叉验证和留一法消除训练集数据选取对预测结果的影响。选用支持向量机和BP神经网络两种机器学习方法,进行模型训练优化,最终得到两种模型对实测数据预测,绝对误差均在±2 d B以内,平均绝对误差均为0.59 d B,符合规范要求,均可以应用于实际工程预测。(4)BP神经网络的迁移学习。采用迁移学习方法,利用实测数据对预训练神经网络模型进行二次优化,使其对实测数据特征适应性更好。该方法综合了数值计算数据变化丰富和实测数据特征具有代表性的优点,为机器学习应用于实际工程预测提供了支撑。

关键词： 机器学习   WebGIS   耕地质量   农业   预测系统  

摘要： 我国是世界上最大的农业生产国,广阔的耕地资源与历史悠久的农耕文化,使得我国在农业实力上居于世界前列。目前我国的耕地资源总体呈现数量多、质量差的局面,各地方农业部门积极开展的耕地质量等级评价,明确了耕地质量提升与保护工作的下一步重点。本文以安徽省庐江县为研究区域,通过机器学习算法中的决策树（DT）模型与随机森林（RF）模型,构建安徽省耕地质量等级预测模型,将两种模型准确度进行对比,确定一种精度更高的预测模型;设计并开发了安徽省耕地质量等级查询与预测系统,并通过与Web GIS技术结合将模型内嵌,以GIS矢量图的形式,直观地展示安徽省耕地质量等级分布情况,实现区域定位与图斑查看、耕地质量相关信息查询与分析、耕地质量等级的预测等功能,以期为农业部门提供决策参考。主要工作与研究成果如下:（一）针对安徽省耕地质量影响因子选取问题,以耕地质量等级国家标准为基础,深度考虑耕地质量影响程度及重要性,利用特征选择方法进行特征影响因子选择。选取了耕地利用现状、土壤类型、耕层质地、质地构型、地形部位、灌溉能力、排水能力、土壤常规养分（有机质含量、有效磷含量、速效钾含量）含量及土壤酸碱度（p H值）等共计11个指标作为本研究的影响因子。（二）耕地质量特征影响因子指标数据多维度、多类型、多量纲,采用主成分分分析法（PCA）、数据量化处理（Quantization）、数据标准化处理（Normalization）等一系列方法进行处理后,数据集对机器学习算法模型具有较强适用性。（三）建立基于决策树（DT）与随机森林（RF）的耕地质量等级预测模型,采用拟合优度（R2）和均方根误差（RMSE）等评价指标评价模型精度。评价结果显示,基于决策树（DT）、随机森林算法（RF）的耕地质量等级预测模型,均具有较稳定的预测性能。其中RF表现性能最佳,对耕地质量等级预测的拟合优度R2达到98.81%,RMSE为0.27,模型稳定性较高。（四）设计、开发了安徽省耕地质量等级查询与预测系统,对系统进行回检测试。系统包含耕地质量等级、土壤养分、土壤类型查询与可视化,耕地质量等级预测模拟等功能,回检测试结果表明,模型对庐江县2020-2021年抽取的部分耕地质量等级评价数据具有较强适应性,测试结果与真实结果对比差值在0.1以内,模拟结果具有参考意义。

关键词： 主动学习   矿床学   课程思政   资源勘查工程   教学实践  

摘要： 矿床学课程具有内容丰富、课程知识重点和难点突出和注重学生实践能力培养的特点。根据对以往的教学过程梳理发现,学生主动学习动力不强,是导致课程的教学效果下降和自学内容效果差异的主要因素。另外,各类娱乐信息占用学习时间及传统授课吸引力下降等问题同样影响课程学习的效果。提出将课程思政内容融入矿床学教学、提升课程的吸引力并加强课程监督和考核三种引导学生主动学习方法,通过实施减弱终端娱乐信息渗透,建立有吸引力的知识结构体系以及专业教学与思想教育相结合的措施,取得了较好的引导学习效果。

关键词： 新时代   党史学习教育   途径  

摘要： 当前,党史教育存在一些问题需要优化和解决,如相关部门对党史学习教育的重视程度有待提升、党史学习方法存在"庸俗化"倾向、党史教育人才综合能力需要加强以及党史学习教育方式科学性和针对性有待优化改进等。因此,新时代背景下,党史学习教育要抓重点、讲实效,加强党史教育人才队伍建设,不断优化改进党史学习教育的方式方法,为新时代党员党史学习教育探索出一条适合时代要求的有效路径。

关键词： 胸片   异物检测   深度学习   YOLO网络  

摘要： 为了提高胸片异物自动检测的能力,采用深度学习网络高效提取各种尺度和形状的异物影像特征,实现胸片中多种异物的自动稳定检测。在网络构建过程中,根据异物的影像特征,改进YOLO v4目标检测网络,通过在特征提取网络CSPDarkNet53中加入SE-block(Squeeze and Excitation),使模型能够区别利用各个通道的信息。实验结果表明,改进的深度学习网络在异物检测中能够实现92%的精确率和83%的召回率。因此,新的深度学习方法可用于胸片异物检测等应用场景,客观评判摄影质量,为放射影像的质量控制打下基础。

关键词： 心血管病学   学习方法   医学生  

摘要： 医学生作为心血管病学的后备人才,其学习质量关系着心血管病学的发展未来,探索满足新时代医学教育要求的学习方法是提高医学生心血管病学综合学习质量的关键。本文结合心血管病学新型医学教育学习方法的经验进行总结,并提出探索性发展建议。

关键词： 实施策略   体验式学习   角色互换   创设情境   教学设计   亲自参与   新体验   学习的过程  

摘要： 体验式学习,是指学生作为学习的主体,亲自参与或置身某种情境或场合,以任何可用感官作为媒介,用全部的心智去感受、关注、欣赏、评价某一事件,从而获得某种知识、技能、情感,进而影响其态度、价值观。在教学中,教师通过创设情境、角色互换等教学设计,让学生都经历语文学习的过程,学到新知识,形成新体验。

关键词： 经济政策不确定指数   机器学习   LSTM长短期记忆神经网络   随机分位数回归  

摘要： 采用机器学习技术(BP神经模型、随机森林分位数回归、长短期记忆神经网网络LSTM)和传统统计方法(ARIMA模型)相结合对美国、英国经济政策不确定指数(EPU)历史数据进行拟合,结果发现四种方法中,长短期记忆神经网络LSTM的拟合效果最优,其次是随机森林分位数回归方法和BP神经网络技术,ARIMA模型拟合效果最差。美国EPU历史数据时间维度比英国EPU历史数据时间维度长,因而LSTM神经网络技术的拟合效果优越度非常显著,ARIMA模型的拟合均方根误差几乎是LSTM神经网络技术拟合均方根误差的3倍。机器学习技术对宏观经济变量的非线性长期预测,尤其是在大数据背景下具有较强适用性。

关键词： 新教材   物理学史   原子结构   波粒二象性  

摘要： 2020年人教版新教材在物理学史内容的编排上有了较大变化,充分体现了新课标的内容要求及学业要求。文章通过将2020年新教材中《原子结构和波粒二象性》一章与旧教材中的相关内容进行对比,分析新教材在物理学史处理上的要点,并结合学生的认知水平,阐明了物理学史在本章学习中的重要作用和教学中需要注意的一些问题。