关键词： 小学数学   引导教育   学习方法  

摘要： 小学阶段的学生尚未掌握系统的数学学习方法,一般需要教师对学生开展有效的引导教育,让学生朝着正确的方向主动学习、掌握知识。教师可先了解有效引导教育背后存在的实际教学问题,然后理解有效引导教育在数学教学中的实际运用意义,并在此基础上采取有效引导教育的科学策略,如基于微课、问题情境、动手操作实践活动的有效引导策略,等等。

关键词： 方程意义   凸显本质   深度学习  

摘要： 《方程的意义》教学中,很多老师围绕定义,让学生通过对多个算式进行分类,发现方程的字面特征,然后借助寻找关键词"含有未知数""等式"两个外形上的特点认识方程。这样的教学只是停留在了表面和外形上的理解,而对方程的本质意义没有真正理解。

关键词： 海洋声学   声速剖面   字典学习  

摘要： 针对经验正交函数(Empirical Orthogonal Function,EOF)建模反演得到的声速剖面(Sound Speed Profile,SSP)估计值分辨率比较低的问题,文章采用字典学习方法中的K-奇异值分解(K-Singular Value Decomposition,K-SVD)算法生成声速剖面的非正交原子,研究了该方法生成的学习字典(Learning Dictionary,LD)对声速剖面的重建性能。首先,采用K-SVD算法从获得的数据中训练SSP字典,然后利用正交匹配追踪(Orthogonal Matching Pursuit,OMP)的稀疏方法给出训练信号的稀疏向量,最后通过得到的最优学习字典和稀疏向量反演得到SSP的估计值。结果表明,K-SVD算法比EOF算法使用更少的基函数即可很好地描述SSP的变化,获得更高的反演精度。

关键词： 洪泽湖   小波分析   长短记忆神经网络   模糊神经网络   耦合应用   综合水质预测  

摘要： 洪泽湖是我国第四大淡水湖,又是“南水北调”东线工程中重要的过水通道,它自身的水环境质量对其周边和北方受水区的供水保证至关重要。建立基于小波分析的长短记忆神经网络水质预测模型(WA-LSTM),首先对淮河入洪泽湖的水质数据进行预处理,将其分解为高频和低频信号输入至LSTM模型中进行单因子水质预测,再通过单因子水质预测结果驱动T-S模糊神经网络方法对洪泽湖水质变化情况进行综合预测和评价。研究结果表明:①小波分析方法可以较好地捕捉水质数据特征,其与LSTM水质预测模型结合能够较大幅度提升水质预测的精度;②WA-LSTM模型与模糊神经网络的综合运用能有效解决单因子预测无法体现水质整体状况的问题。研究方法与结论可以为洪泽湖水质监测管理及水资源调控提供技术支撑和实践参考。

关键词： 入侵检测系统   机器学习   数据集   评估指标  

摘要： 入侵检测方法是基于网络的入侵检测系统的核心,可以是基于特征的,也可以是基于异常的。基于特征的检测方法具有较高的检测率,但不能检测到未知新型攻击;基于异常的检测方法可以检测到新型攻击,但误报率较高。为了降低入侵检测的误报率并提高其检测率,许多机器学习技术被应用到入侵检测系统中。通过对大量带有入侵数据训练样本的学习,构建了一个用于区分正常状态和入侵状态的入侵检测模型。针对目前入侵检测系统存在的高误报率、低检测速度和低检测率等问题,对机器学习技术在入侵检测系统中的的优势、系统检测的通用数据集以及系统评估指标进行了详细阐述,并对未来研究趋势进行了展望。

关键词： 自主实践   科学探究   手机教学功能  

摘要： 通过对2021年高考理综测试全国甲卷和山东卷力学实验题的分析,进行自主操作实践,体验手机在物理实验中的作用。从自主体验到手机功能的开发利用来阐述拓展物理学习方法。

关键词： 农村   中小学生   学习方法   衔接策略  

摘要： 农村学生从小学进入初中学习阶段,在学习方法上不能有效与中学数学学习方法进行有效衔接,影响学习效果的提高。因此,中学数学教师要根据农村小学数学教学实际,实现课前预习方法、课堂学习方法及课后复习方法的衔接,提高学生数学能力。

关键词： 新文科   项目制学习   智能会计   自主学习  

摘要： 随着新文科理念的兴起,如何创新教学方法以提升新文科建设的效果也被提上了议事日程。本文基于智能会计这一典型的新文科建设场景,系统介绍项目制学习这一新型而高效的教学方法。该方法有助于学生在完成项目任务的过程中整合所学知识,熟练运用计算机技能与理论知识解决实际问题,从而实现不同学科知识的交叉融合,实现理论与实践的深度融合。

关键词： 时序异质信息网络   表示学习   元路径   时间衰减注意力  

摘要： 异质信息网络表示学习在节点分类、链接预测、个性化推荐等多个领域上被广泛应用.现有的异质信息网络表示学习方法大多集中在静态网络,忽略网络中时间属性对节点表示的影响.为了解决该问题,文中提出基于元路径和层次注意力的时序异质信息网络表示学习方法.利用元路径捕获异质信息网络中的结构和语义信息.通过时间衰减注意力层,捕获不同元路径实例在特定时间对目标节点的影响.通过元路径级别注意力,融合不同元路径下的节点表示,得到最终表示.在DBLP、IMDB数据集上的实验表明,文中方法在节点分类和节点聚类任务上均可达到较优效果.

关键词： 深度学习   冰雹   自动识别   PredRNN++   Resnet  

摘要： 使用2018—2020年湖南省11部多普勒天气雷达、区域自动站、闪电定位数据以及冰雹站点记录构建数据集,结合基于时空序列的PredRNN++和Resnet深度学习网络构建冰雹识别模型,以80%的数据作为训练集,20%的数据作为验证集。结果表明,深度学习对冰雹这类非线性强天气过程具有较强的识别能力,准确率达93.81%,基本满足业务需求,但该冰雹识别模型在小冰雹的识别上存在一定的偏差,需要后期改进数据集和模型算法。