关键词： 自然资源   山体   遥感   统计学习   识别   安徽  

摘要： 遥感作为一种可以快速、大范围获取地表覆盖信息的技术手段,为复杂的自然资源调查任务提供了可靠的数据来源。针对山体确界问题,以遥感卫星影像为数据支撑,采用非监督的统计学习方法,为山体特征建模。然后,采用DBSCAN算法和边缘检测思想,识别山体区域,并提取山体边界。该方法不依赖于人工标记真值,实现了山体边界的全自动识别。实验采用安庆市Landsat 8遥感卫星影像数据,有效识别了安庆市境内的山体,并提取山体边界。通过定性和定量化分析,验证了方法的可靠性,证明了遥感技术和统计学习理论在自然资源调查领域的应用潜力。该研究方法和结果能够为安庆市明确山体范围,界定山体的完整性与山体保护规划工作提供理论支撑。

关键词： 家畜解剖学   教学   学习方法  

摘要： 家畜解剖学为动物医学、动物科学必修公共课程,是培养新型专业人才的基础课程。为提升学生专业素养,激发学生学习兴趣,掌握专业学科知识。通过检索PubMed、Scopus、Web of science、Cochrane系统评价数据库文献搜集和国内外最新教育经验,探讨家畜解剖学教授和学习中所存在的关键问题,并提出合理的建议,以提升教学效能,增加学生学习积极性。

关键词： 多任务学习   硬参数共享   特征提取   混合训练   梯度优化  

摘要： 多任务学习作为深度学习的一个分支,得到了广泛关注与深入研究,但仍然存在网络结构复杂、任务区分困难的问题。据此,基于硬参数共享神经网络给出梯度优化的多任务混合学习方法。首先,无需区分不同任务,将多任务训练数据一同送入网络进行混合训练,所有任务共用一个损失函数,前一次训练所得的网络共享层参数作为下次训练的共享层初始化参数;其次,根据不同共享层提取特征的差异和任务在深层梯度变化的不同,调节相应的激活值,优化网络参数,既保持了硬参数共享神经网络结构的简洁性特点,又利于解决多任务训练过程中数据的非平衡问题;最后,通过在UCI公开数据集中的鸢尾花和天平秤数据上的实际应用,以及与传统的硬参数共享神经网络的纵向对比,验证了该学习方法的可行性与有效性。

关键词： 高中语文   学科核心素养   梳理与探究   学习方法   学习活动   学习能力  

摘要： “梳理与探究”是语文课标强调的一种素养。作为一种学习方法,“梳理与探究”包括列表法、绘图法、统计法等类型,重在为学生搭建认知支架。作为一种学习活动,“梳理与探究”由学习的任务、支架、反馈、环境和成果组成,有着链条式的内部运转机制,重在为语文教学搭建内外联通的桥梁。作为一种学习能力,“梳理与探究”由积累整合、筛选提炼、归整分类、发现问题、分析问题、解决问题六个维度构成,是学生构建核心素养的关键能力。师生需要掌握“梳理与探究”的方法,开展相关活动,培养真实有效的“梳理与探究”能力。

关键词： 行政处罚的概念   不利益性   违法性   报应性  

摘要： 新《行政处罚法》第2条增设了行政处罚的概念条款。该条内含的"减损权益或者增加义务的方式""违反行政管理秩序""惩戒"三项要素,应分别以"不利益性""违法性""报应性"加以归纳和解释。其中,"不利益性"是行政处罚的第一要素。行政处罚的标的是"利益"而非"权利"。利益是价值中立的,本身并不存在合法与非法之分,行政处罚的制裁对象并不必然是合法的。"违法性"是行政处罚的第二要素。在"违法性"判断上,应奉行实质违法性立场。"违法性"决定了"面向合法行为实施的行政强制措施"等同样具有"不利益性"的制裁行为,不是行政处罚。"报应性"是行政处罚的第三要素。行政处罚主要是出于惩戒、打击和报复,而非恢复和预防,这是区分行政处罚与"责令限期改正"等行为不可或缺的标准。

关键词： 细粒度图像分类   深度学习   卷积神经网络(CNN)   特征提取  

摘要： 细粒度图像分类旨在从某一类别的图像中区分出其子类别,通常细粒度数据集具有类间相似和类内差异大的特点,这使得细粒度图像分类任务更加具有挑战性。随着深度学习的不断发展,基于深度学习的细粒度图像分类方法表现出更强大的特征表征能力和泛化能力,能够获得更准确、稳定的分类结果,因此受到了越来越多研究人员的关注和研究。首先,从细粒度图像分类的研究背景出发,介绍了细粒度图像分类的难点和研究意义。其次,从基于强监督和弱监督两个角度,综述了基于深度学习的细粒度图像分类算法的研究进展,并介绍了多种典型的分类性能优秀的算法。此外,进一步论述了目前关于YOLO、多尺度CNN和生成对抗网络(GAN)等前沿深度学习模型在细粒度图像识别方面的应用,并且对比了最新的相关细粒度图像的数据增强方法的分类效果以及在复杂场景下不同类型的细粒度识别方法的性能特点分析。最后,通过对算法的分类性能进行对比和总结,探讨了未来发展方向和面临的挑战。

关键词： 网络学习   学习参与度   测评   建构  

摘要： 目的:建构体育类大学生网络学习参与度的测评模型;验证网络学习参与度对学业收获的预测作用。方法:以588名体育院校大学生为被试,采用自主编制的网络学习参与度量表、大学生学业收获量表进行测试。结果:(1)探索和验证了行为参与、认知参与、情感参与的三维度网络学习参与度测评模型,该模型具有较好的信效度和拟合度;(2)验证了网络学习参与度对学业收获具有显著的预测作用。结论:提高大学生的网络学习参与度会显著提高大学生的总体学业收获。

关键词： 深度学习   阅读体验   中心思想   古代文论   主题思想   个体化   激活阅读   文学理论  

摘要： 所谓“意义”也就是我们通常说的“中心思想”,这是作者在作品中反映生活现象时所表达出来的基本观点,在我国古代文论中也把“中心思想”称“意”“旨”“义”或“理”,在文学理论中则称为“主题”或“主题思想”。它对课文的重要意义是首位的,也是我们必须努力让学生去理解和把握的。然而,就学习机理而言,不能让学生只到此为止。应当在从认识课文“意义”的基础上,联系自己的生活经验和思辨进阶,有更多的阅读体验。这便是“意义剩余”。之所以强调“剩余”,就在于它是在充分了解“意义”的基础上所产生的个体化感悟。

关键词： 深度主动学习   深度迁移学习   源域差异性   目标域不确定性   信息榨取比  

摘要： 针对训练深度模型时样本标注成本较大的问题,文中提出结合源域差异性与目标域不确定性的深度迁移主动学习方法.以源任务网络模型作为目标任务初始模型,在主动学习迭代中结合源域差异性和目标域不确定性挑选对模型最具有贡献的目标域样本进行标注,根据学习阶段动态调整两种评价指标的权重.定义信息榨取比概念,提出基于信息榨取比的主动学习批次训练策略及T&N训练策略.两个跨数据集迁移实验表明,文中方法在取得良好性能的同时可有效降低标注成本,提出的主动学习训练策略可优化计算资源在主动学习过程中的分配,即让方法在初始学习阶段对样本学习更多次数,在终末学习阶段对样本学习较少次数.

关键词： 党史学习教育   政治认同   微博空间   信息生态系统  

摘要： 中国共产党的百年奋进历程是开展思想政治教育的重要资源,开展党史学习教育有利于培育和提升教育对象的现实性、情感性、实效性与合法性政治认同。微博空间作为一种信息生态系统,“高养分”信息和“低养分”信息皆流通其中,在微博空间开展党史学习教育可以为这一信息生态系统提供“高养分”信息,通过微博空间环境的优化,提升教育对象的政治认同。在微博空间开展党史学习教育的要求是形成信息的生产者端、分解者端与消费者端的协同发力,实现党史学习教育信息的高势位供给与教育对象对党史信息的高自主需求之间的良性互动。