关键词： 高职院校   思政课程   人才培养   学习方法  

摘要： 高职院校思政课程承担着教书育人的重要职责,教师不仅要向学生传授思政理论知识,还要发挥思想政治教育作用。在人才培养方面,高职思政教师要积极探索与教学相适应的人才培养模式,通过关注热点新闻、打造个性平台、开展课外阅读、重视实践活动等途径,不断检验高职思政教育工作成果,以充分发挥思政育人的作用。

关键词： 伟大建党精神   中国共产党   内涵   意义  

摘要： 中国共产党在不懈奋斗、艰苦斗争中构建了"坚持真理、坚守理想,践行初心、担当使命,不怕牺牲、英勇斗争,对党忠诚、不负人民"的伟大建党精神。伟大建党精神贯穿于中国共产党百年历史,凝结着中国共产党的全部理论结晶和实践成就,蕴含着深刻的思想内涵,是中国共产党的全部革命精神、建设精神和发展精神的源头。伟大建党精神诞生于中国共产党的创建之始,丰富于中国共产党的百年发展之中,具有重大的历史意义、理论意义与实践意义。在新的征程上,中国共产党必须要在全面准确地继承和发扬伟大建党精神的基础上,团结领导中国人民创造新的历史辉煌,向着第二个百年奋斗目标接续奋进。

关键词： 表现性学习   学习方法   小学语文教学  

摘要： 表现性学习是小学语文教学中一种新的学习方式。语文表现性学习具有改善学生课堂学习生态、实现学生能力的多元发展、促进教师教学理念的改变、提升教师教学的实效性等价值。语文表现性学习通过标准前置、表现展示、评价改进等教学策略,让学习有方向、看得见、有提升。

关键词： 行政处罚   《行政处罚法》   判断标准   旧法   第2条   统领   条款   增设  

摘要： 增设概念条款的缘由2021年1月22日,《行政处罚法》修订获得通过。新法第2条增设了行政处罚的概念条款。这是对1996年《行政处罚法》(以下简称"旧法")的重大补充,旧法"并未概括地规定具备何种特性的行政措施可被归入行政处罚的行列",也没有外加一个判断标准予以统领。

关键词： 小样本学习   任务特征嵌入   图像分类  

摘要： 现在机器学习对于数据量的依赖性过强,大量数据意味着高价的成本,如何在少量样本上取得可观的预测准确率非常关键,小样本学习就是基于该问题提出的.本研究基于MAML的模型框架,加入任务嵌入的思想.MAML是目前主流的元学习模型,它有泛化性能好、适应性强的特点.在此基础上,我们可以引入动态的特征嵌入进行调整来适应不同的任务,在输入任务后,通过预测网络中的特征层生成参数来调整任务特征嵌入.在常用的小样本学习公开数据集Omniglot和MiniImagenet上实验证明了提出的方法能够提高学习性能.

关键词： SRTM   ASTER   神经网络模型   地形因子   精度  

摘要： 为了克服SRTM和ASTER各自缺陷,充分结合二者优势得到更高质量的DEM,提出了一种基于神经网络模型的加权融合方法。首先,统一两种DEM坐标系和高程基准;其次,借助后向传播神经网络分别建立SRTM与ASTER高程误差和地形因子的非线性关系模型;然后,利用此模型估计各DEM的误差分布;最后,根据该误差计算SRTM和ASTER融合权重,并实现SRTM和ASTER加权融合。以董志塬为研究区进行分析。结果表明:融合后DEM精度有明显提高,相比于原始SRTM和ASTER,平均绝对误差分别降低了1.29 m和3.66 m,中误差分别降低了0.40 m和3.16 m,标准差分别降低了0.79 m和2.07 m;各地形因子对DEM高程精度的影响在融合之后均得到降低。以美国爱达荷州北部某区域为验证区,实验结果与研究区相似。

关键词： 多任务学习   多精度仿真   知识共享   数值模拟   翼型空气动力系数  

摘要： 多任务学习(Multi-task Learning,MTL)是利用多个目标任务之间的关联性,实现跨任务知识迁移和共享,从而提高预测精度的一种数据驱动的机器学习范式。基于数值仿真器工程设计问题中经常存在多精度建模分析场景,即采用不同精度的数值仿真器获取数据进行建模。在上述场景中,仿真器的高/低计算精度可以被视为两种目标任务,同时,由于高/低精度数据针对的是同一个研究对象,彼此具有很强的相关性。其中的关键是如何从便宜、丰富的低精度数据中迁移出共享知识以提高基于昂贵、稀少的高精度数据的学习模型的预测质量。本文重点研究基于高斯过程(Gaussian Process,GP)或Kriging模型的多任务统计学习方法及其在高/低精度仿真建模分析方面的应用。首先,本文在典型多精度数值算例上对比分析了单任务Kriging模型,以及三种多任务(精度)模型CoKriging、MTGP(Multi-task Gaussian Process)和SDK(Simple Discrepancy Framework by Kriging,SDK)的特点及预测能力。最后,本文基于多精度仿真数据使用Kriging模型、MTGP模型和CoKriging模型预测RAE2822翼型的空气动力系数。结果表明:将多任务学习应用于多精度工程建模分析可以提高预测的准确度,进而提高产品的设计效率。

关键词： 学习方法   数学思维   间隔排列  

摘要： "间隔排列"(探索规律)是"数与代数"领域极其重要的内容,对学生转变学习方式、发展核心素养具有积极意义。教学中要突出学生的主体地位,关注学生的学习方法,让学生在亲身经历和体验中积累活动经验,感悟数学思想和方法,发展数学思维,提高数学核心素养。

关键词： 叶片图像模式   大豆品种识别   深度学习   目标转换注意力网络  

摘要： 大豆有许多品种(cultivar),它们的叶片图像模式的差异非常细微,因此很难通过叶片特征将大豆品种区分开.虽然在使用叶片图像模式进行植物种类(species)识别方面的研究已经取得了巨大的进步,然而,作为一项非常细粒度的模式识别问题,大豆品种的识别与分类研究尚未引起足够的重视.传统的手工叶片图像分析方法一般无法刻画不同大豆品种的叶片特征的细微差异,因此识别率很低.本文尝试使用深度学习来提取具有强的辨识能力的叶片特征,以解决大豆的品种识别问题.我们提出了一种新颖的深度学习模型,称为目标转换注意力网络(Transformation Attention Network, TAN).该方法首先通过注意力机制提取细粒度的叶片图像特征,然后使用仿射变换纠正叶片姿势.我们构建了一个由240个大豆品种组成的大豆叶片品种图像数据库,每个品种有10个样本,以此数据集验证叶片图像模式中品种信息的可用性,并验证了所提出的深度学习模型对大豆品种识别的有效性.令人鼓舞的是实验结果证实了叶片图像模式在区分栽培大豆品种方面的有效性,并证明了所提出的方法优于流行的叶片手工特征提取方法和深度学习方法.

关键词： 机器人   模仿学习   结构文法   概率上下文无关文法   最小描述长度准则  

摘要： 针对机器人模仿学习方法泛化性弱、对低级检测器准确率要求较高的问题,提出了一种基于结构文法的模仿学习方法.该方法通过视觉传感器提取场景的符号描述,形成含有噪声的符号基元序列;采用概率上下文无关文法(PCFG)对这些序列进行表征和语法操作,从而形成语法空间;基于最小描述长度(MDL)准则对语法空间中的语法质量进行评价,用改进的Beam Search算法寻找最优语法,即演示活动的一般结构;获得的一般结构能够将含有噪声的符号基元序列进行解析,得到正确的序列.数据合成实验和汉诺塔实验的对比效果验证了该方法优秀的数据表达性能和良好的抗干扰性能,在高噪声环境下该方法的解析成功率约为90%.