关键词： 整理   整合   创造性学习方法论  

摘要： 整理是周恩来提倡的一种学习方法。所谓整理,就是知识的有序化,就是通过梳理、改造、编排,使之条理化的过程。整理是整合的初级阶段。整合的本质就是围绕创新这个目标,使知识个性化,即专向化、专业化的过程。由整理到整合再到创新是创新活动的一般规律,也是创造性学习的基本路径。创新、创造性学习遵循着波普尔四段图式:P1—TT—EE—P2,也就是毛泽东所说的“实践、认识、再实践、再认识”“两个飞跃”的认识过程。对这一过程的感悟和认识,不同年龄段的中小学生,高中后期和大学阶段学生是不一样的。方法比知识更重要,检索比记忆更重要,这是信息时代赋予我们的新的学习智慧。

关键词： 盲文   多感知通道   信息匹配算法   视障人士  

摘要： 盲文是视障人士获取信息,学习知识的重要媒介.然而,目前基于纸质书籍的盲文学习方法只能提供盲文点位的触觉刺激,存在不便携、不易用且内容陈旧等问题.为此,本文提出了一种视觉、听觉和触觉同步刺激的数字化盲文学习方法,能够提高视障人士的盲文学习效率.基于多感知盲文学习机,本文设计了一种多感知信息匹配算法,能够输出文字、声音和盲文点位相同内容的信息,为视障人士无障碍学习盲文提供条件.短期记忆的盲文学习效果实验表明:(1)在视觉、听觉和触觉的共同刺激下,盲文学习效率最高,即在盲文学习过程中,增加视觉刺激对于视力残余人士提升盲文学习效率有显著正向促进作用;(2)在听觉和触觉的共同刺激下,盲文学习效率并不高,即全盲人士学会盲文有一定难度,需要有较长的学习曲线;(3)仅在听觉刺激下,盲文学习效率很低,即开发语音学盲文的APP不具备实践意义.

关键词： 新时代   大学生   党史学习  

摘要： 青年一代的发展关系到党和国家事业能否代代相传、能否后继有人。因此,在党的百年发展新起点上,加强大学生的党史教育十分必要。通过党史学习,可以用成功的经验引导大学生,用失败的教训警示大学生,使大学生树立正确的价值观,坚定理想信念。新时代加强大学生党史学习教育,要用好思想政治理论课这个主渠道,还要结合网络媒体以及实践活动等途径来强化党史教育效果。

关键词： ICD疾病分类   大标签空间   多标签   图注意力网络   深度学习   注意力重构  

摘要： 国际疾病分类(ICD)是用于临床目的和健康管理的分类工具,是卫生统计数据的建立基础,在其庞大的分类体系中,含有与疾病健康问题和临床治疗相关的分类和对应的代码。针对在国际疾病分类的庞大标签空间中的多标签分类问题,提出一种端到端的深度学习方法。采用改进的图注意力网络对标签空间进行建模,基于注意力重构的多标签分类器进行分类。在标签空间建模中,结合国际疾病分类中手术与操作分类的层次结构,构建出三种不同的图结构,利用图注意力网络将标签空间的结构信息融入到模型中,从而利用标签之间的依赖关系进行多标签文本分类。所提出的方法与实际应用场景有着紧密联系。实验表明,在临床国际疾病分类数据集上,相比于传统文本分类和其他标签空间建模方法,所提方法在分类性能上有明显的提升。

关键词： 学习方法   自学任务   目标要求   英语自学能力  

摘要： 英语是一门国际化通用语言,目前越来越多的大学生很重视也认识到学习好英语语言的重要性,但在实际英语学习中无法得到更好的学习方法.该文就如何满足高校大学英语教学和学生自学能力需求,英语教师如何指导和培养学生的自学能力,并提供优越的自学空间场所、建立正确的自学学习态度和目标,达到课上、课下相结合进行英语网络自管自控的实践训练自主学习氛围进行了分析.

关键词： 逆强化学习   元学习   奖赏函数   相对熵   梯度下降  

摘要： 针对传统逆强化学习算法在缺少足够专家演示样本以及状态转移概率未知的情况下,求解奖赏函数速度慢、精度低甚至无法求解的问题,提出一种基于相对熵的元逆强化学习方法。利用元学习方法,结合与目标任务同分布的一组元训练集,构建目标任务学习先验,在无模型强化学习问题中,采用相对熵概率模型对奖赏函数进行建模,并结合所构建的先验,实现利用目标任务少量样本快速求解目标任务奖赏函数的目的。将所提算法与REIRL算法应用于经典的Gridworld和Object World问题,实验表明,在目标任务缺少足够数目的专家演示样本和状态转移概率信息的情况下,所提算法仍能较好地求解奖赏函数。

关键词： 学习场景   生态   生长   理性建构  

摘要： 学校在变革进程中,越来越关注“场”的建设每所学校都期待为儿童构建“美丽、高雅、宜学”的学习场景但从目前学习场景建设来看,多“景的布置”,少“场的活用”。本文结合实践,从学习场景的设计、建设、使用、进化四个方面,强调了场景建设的儿童立场,分析了场景建设重点内容,阐述了场景建设使用过程中的6种方法,并试图从三大方面实现场景进化,使学校可实现“远景看生态,近景见生长”。

关键词： 零次学习   协同过滤   矩阵填充   图神经网络  

摘要： 深度学习算法在很多有监督学习任务上达到了令人满意的结果,但其依赖于大量标注样本,并且使用特定类别训练的分类器,只能对这些类别进行分类.零次学习希望计算机像人类一样,能够结合历史经验与知识进行推理,无需使用大量新类别样本训练,便可达到识别新类别的效果.发现了零次学习任务存在“冷启动”以及矩阵稀疏两个特点,这些特点在推荐任务中同样存在.受推荐任务启发,将零次图像分类任务建模为矩阵填充问题,借鉴推荐领域中协同过滤算法,将稀疏的样本标签矩阵视为非稀疏的视觉特征矩阵和类别特征矩阵的内积结果,进而实现对新类别样本的分类预测.此外,构建了基于类间语义关联的语义图结构,使用图神经网络进行已知类别和新类别之间的知识迁移,以较小代价为类别学得准确的语义特征.在3个经典零次学习数据集上分别进行传统零次学习和广义零次学习实验,实验结果表明:提出的协同过滤式零次学习方法能够有效提升分类精度,且训练代价较小.

关键词： 学业水平考试   数学学习方法   初中数学   引导教学   数学教科书   学好数学   考试命题   云南省  

摘要： 考试命题是政策与科学相结合的实践活动,初中学业水平考试的每套试卷都有政策与科学的烙印,政策告诉我们要做什么,科学让我们知道怎么做,为什么那么做。本文通过研究2017至2021年云南省初中数学学业水平考试试卷(云南省卷),揭示不同年份共同的政策与科学规律,指导及改进初中数学教学行为,以期提高教学质量。一、引导教学重视数学学习方法怎样才能学好数学?所有数学家谈到这个问题时,都有强调数学学习方法,就是要重视数学教科书的学习。

关键词： 遥感   地表温度   降尺度   Landsat 8   深度学习   趋势面  

摘要： 以光谱指数为趋势面因子的降尺度方法被广泛用于遥感地表温度尺度转换中,但面临构建的光谱指数难以凸显地表温度分布规律、浅层的统计模型难以精准刻画趋势面因子与地表温度之间的复杂关系的不足。为此,本文以Landsat 8 ARD地表温度产品为降尺度对象,以Landsat 8 OLI原始数据为潜在趋势面因子,构建地表温度降尺度残差网络(LSTDRN)的深度学习模型;探索适用于Landsat 8地表温度产品空间降尺度的趋势面波段或组合,并在不同季节、不同地表类型下与经典传统方法TsHARP进行定量比较。结果表明:LSTDRN方法利用Landsat 8 OLI原始单波段作为趋势面因子就能有较好的降尺度效果,增加潜在趋势面因子的组合数量并不能提高降尺度效果。不同地表覆盖类型实验中,LSTDRN方法降尺度效果整体优于经典传统方法,且以近红外波段、红光波段和归一化植被指数为趋势面因子时,近红外波段降尺度效果定量评价表现最佳;不同地表覆盖类型的LSTDRN降尺度效果排序为:植被>建筑>水体,而经典传统方法则没有表现出明显的差异。不同季节实验中,LSTDRN方法在春夏冬3季的降尺度效果的定量评价表现明显好于经典传统方法,两类方法的秋季降尺度结果相当。因此,提出的LSTDRN对Landsat 8遥感地表温度产品具有较好的降尺度效果,整体优于经典传统方法且稳定性更强。