关键词： 高中物理   有效学习方法   物理学习方法  

摘要： 在高中物理学习过程中,部分学生尽管费劲了九牛二虎之力,但是,学习效益却始终不见提升,自始至终在低位徘徊,对此,部分学生可能百思不得其解,事实上,究其原因,这部分高中学生之所以在物理学习过程中事倍功半,主要是因为他们仍然在"穿新鞋走老路",即他们仍然在用学习初中物理的方法学习高中物理。殊不知,因为高中物理在知识的难度、深度以及广度等方面都是初中物理无法比拟的,所以学习初中物理的方法已经远远不能够满足高中物理的学习要求了,因此,为了着力提升高中学生学习物理的效益,高中物理教师必须要立足于课堂教学,指导学生尽快转变物理学习方法,探究更为有效的高中物理学习方法。

关键词： 垃圾分类   特征提取   支持向量机   K近邻   卷积神经网络  

摘要： 自2019年起,我国新的生活垃圾管理条例正式开始施行,我们以后在扔垃圾前都要先将垃圾仔细分类,但是由于日常生活垃圾品类繁多,各种垃圾分类标准也是五花八门,一时间人们恐怕难以快速正确地进行垃圾分类。机器学习算法发展快速且在许多领域都有应用场景,利用算法对图像识别可以大大提高垃圾分类的效率,为人们的生活带来便利。本文利用网上搜集的垃圾图像数据集,首先以支持向量机和K近邻为代表的传统机器学习算法为基础,人工提取图像的灰度直方图、HOG算子、LBP算子数据并用上述两个算法对图像分类,两个算法的最高分类准确度分别达到了79%和85.1%,接着以卷积神经网络深度学习算法为例,在卷积神经网络的经典模型VGGNet模型的基础上创新地简化该模型,通过减少卷积核的数量、修改卷积核尺寸和卷积层数使得在模型分类准确度损失较低的情况下大幅度减少模型运行内存的花销,较大地提升了模型的训练效率。简化后的Mini-VGG模型分类准确度达到了93%,具备实用价值。最终得出结论:如果特征选取合适,传统机器学习算法在图像分类领域中的分类准确度不弱于深度学习。未来图像分类领域深度学习仍占主导地位,但传统机器学习算法仍将占有一席之地。

关键词： 机器学习   网络安全   恶意软件检测   深度学习   深度强化学习  

摘要： 随着信息技术的发展,计算机网络已经渗透到关系国计民生的各个行业,网络安全变得越来越重要。恶意软件检测是网络安全中的重要研究领域,可以保护计算机系统免受病毒、木马等恶意软件的破坏。基于GBDT机器学习方法和深度强化学习方法实现了一个高可用、具备抗攻击能力的静态PE恶意软件检测引擎:利用GBDT和深度学习方法实现了两类恶意软件检测模型;利用强化学习算法训练得到了对抗样本生成策略;通过对抗样本重训练的方法增强了恶意软件检测模型的抗攻击能力。主要研究工作如下:研究并实现了一个基于GBDT（Gradient Boosting Decision Tree,梯度提升迭代决策树）机器学习方法的恶意软件检测器。本文以Ember数据集为基础,比较了以GBDT为代表的传统机器学习技术和以DFN（Deep Feedforward Network,深度前馈网络）为代表的深度学习方法在Ember数据集上的训练效果,最终选取了GBDT模型作为最优模型,该模型在FPR为0.1%时TPR为88%。研究了针对恶意软件检测模型的对抗样本生成方法。在Gym-Malware的基础上设计了一个强化学习训练环境Gym-Malware-Mini,采用DQN（Deep Q-Learning）和A2C（Advantage Actor Critic）两种强化学习算法进行训练。DQN算法学到了最优的对抗样本生成策略,生成对抗样本的成功率达到83%。利用对抗样本提升了恶意软件检测器的抗攻击能力。将对抗样本加入到训练集中,重新训练恶意软件检测模型,恶意软件检测模型可以更好地检测出对抗样本,重新训练后对抗样本的检测率提升至95%。研究涉及传统机器学习方法、深度学习方法、深度强化学习方法等前沿技术,实现的恶意软件检测器效果良好,具有一定的实用价值,为后续进一步研究打下了基础。

关键词： 有意义学习   思政教学   高校  

摘要： 思政教学是落实立德树人根本任务的关键。从有意义学习的角度,提出有意义的高校思想政治课教学的课题,并从目标整合、内容组织、教学方式改革、评价体系完善及对教师素质的要求等角度作了分析。

关键词： 弥漫大B细胞淋巴瘤   类别不平衡数据   机器学习   概率校准  

摘要： 目的:弥漫性大B细胞淋巴瘤(DLBCL)是最常见的非霍奇金淋巴瘤,目前主要使用R-CHOP作为标准化疗方案,但仍有30%到50%的患者因耐药复发。患者复发后因缺乏有效的治疗方案生存率较低,能准确预测患者的复发风险并提供有效的巩固化疗方案已成为临床医生亟待解决的重要问题。其中疾病成因错综复杂、数据中的类别不平衡问题均导致现有模型分类性能较弱、适用患者有限等问题,故本研究旨在使用机器学习方法构建准确率较高、适用性较强的DLBCL患者复发风险预测模型,为临床治疗方案制定提供参考。方法:为提升模型准确率,联合9种类别平衡方法、2种机器学习方法、logistic回归方法与4种集成学习方法形成共48种建模方案。为提升模型适用性,首先使用以上方案分别12个存在类别不平衡问题的公共数据库构建分类与概率预测模型,对后者采用Platt scaling进行概率校准;其次评价模型性能并绘制随着数据类别不平衡率变化建模方案性能变化图谱;随后应用图谱为经变量筛选后的DLBCL患者达到完全缓解后的复发数据库挑选5套备选建模方案建模;最后选取其中模型性能评价指标最高者作为患者两年、三年与五年内复发风险分类与概率预测模型。结果:(1)根据模拟研究中对联合集成学习(Adaboost同型集成,随机森林,平均投票和Stacking异型集成等四种方法)、重采样(SMOTE,RACOG,DBSM和FCMSMT等四种方法)和代价敏感等三大类共9种类别平衡方法、C5.0决策树与支持向量机等两种机器学习方法、传统logistic回归方法与4种集成学习方法形成共48种建模方案绘制的图谱,其中使用未平衡数据、使用SMOTE采样数据、使用RACOG采样数据、添加代价敏感矩阵的Stacking集成模型与使用RACOG采样数据构建的随机森林模型等5个方案在所有建模方案性能排序前五。(2)使用logistic、用于变量筛选的随机森林(VSURF)与LASSO等三种变量筛选方法对患者两年、三年及五年内复发数据进行变量筛选后,疾病等级、是否患乙型肝炎(HBV)、Ki-67、是否生发中心来源淋巴瘤(GCB)、上呼吸道感染等5个变量是9个数据库的共同变量,是患者复发的独立危险因素。(3)使用未平衡数据构建的Stacking异型集成模型在DLBCL患者两年内(分类模型中准确率=0.9129,灵敏度=0.9073,F值=0.9132,AUC=0.9129,G-means=0.9129;概率模型中AUC=0.9710,RMSE=0.2798,MXE=0.2796,Cal mean=0.0112,BS1=0.0817,BS0=0.0756,BSall=0.0783)、三年内(分类模型中准确率=0.9132,灵敏度=0.8684,F值=0.9086,AUC=0.9132,G-means=0.9115;概率模型中AUC=0.9578,RMSE=0.2651,MXE=0.2512,Cal mean=0.0227,BS1=0.0992,BS0=0.0418,BSall=0.0703)与五年内(分类模型中准确率=0.9134,灵敏度=0.8762,F值=0.9098,AUC=0.9134,G-means=0.9125;概率模型中AUC=0.9597,RMSE=0.2627,MXE=0.2524,Cal mean=0.0234,BS1=0.0951,BS0=0.0413,BSall=0.0690)的复发风险预测模型中均最优。结论:(1)使用VSURF进行变量筛选后,构建的风险预测模型性能较优。(2)疾病等级、HBV、Ki-67、GCB与上呼吸道感染等5个变量是DLBCL患者的两年、三年与五年内复发模型的共同变量。(3)根据建模方案图谱选择的5种方案中,使用未平衡数据构建的Stacking异型集成模型构建DLBCL患者的两年、三年与五年内复发风险预测模型。

关键词： 小学语文   信息化   教学方法   学习方法  

摘要： 信息化条件下,教学方式与学习方式都发生了极大的改变,语文作为小学阶段的核心关键,加强对语文教育、学习活动的分析,可以让小学生的语文素养得到提高。因此,在简单了解语文课堂教学现状后,从教学设施、教学方法、学习环境、学习方法等角度入手提出具体的改革措施,以供参考。

关键词： 克服障碍   学习方法   重视规律  

摘要： 我时常听到一些学生吐槽高中化学的高难度,发现越来越多的学生迷失在化学学习的迷雾里,难觅阳光。细细思之,教师对学习化学的方法和规律指导不到位,简单的知识复杂化,人为增加学习难度;学生对化学学科缺乏兴趣,存在畏惧心理,掌握不到提高化学成绩的有效方法都是不可忽视的重要原因。作为一线教师,我结合自己多年的教学实践与教学经验,浅谈提高化学成绩的几点有效做法。

关键词： 物理核心素养   学习方法   答题技巧   物理建模  

摘要： 高中阶段的物理学科综合性强、变数多,若没有科学的方法,学习起来难度会很大。教师可以在平时的常规教学中精心设计教学环节,潜移默化地渗透学科核心素养,加强学习方法和答题技巧的指导,培养学生解决物理问题的能力。

关键词： 深度学习   分数阶偏微分方程   非连续问题  

摘要： 机器学习方法是一种时下相当热门的方法,它在计算机视觉,自然语言处理,数据挖掘,自动驾驶等等领域取得了巨大的成果。当下,由于某类机器学习方法的激活函数与传统有限元方法的分片线性基函数存在类似的结构,有学者将单层神经网络看作有限元方法,再用该结构的神经网络模型求解微分方程。基于这种思考,相关的研究也越来越多。基于机器学习方法的偏微分方程的研究主要可以分为两类:一是根据已有的数据,进行模型的反演;二是基于方程本身,用机器学习的方法去求方程的解。用机器学习的方法求解方程不同于传统方法,如何进行问题的重构,并融入机器学习的框架是相当重要的一步。机器学习方法在求解高维的偏微分方程中取得了巨大的效果,因为传统方法都会遇到维度爆炸的问题,使得数值计算无法进行下去,而机器学习方法通过构建无网格算法,避免了网格剖分过程,使得高维问题的求解过程变得可行。分数阶问题是一种近来数学界所关注的模型,其本质是引入了分数阶积分和分数阶导数算子的非局部问题。在材料力学、地质勘探、控制论、统计等领域,分数阶模型取得了重要的应用,能更好地逼近、预测实际现象。分数阶算子中包含分数阶积分项,故而在一个偏微分方程的求解过程中,我们需要记录下所有时刻的值用以进行分数阶算子的数值积分,这对数值方法的要求和计算量都远高于传统的整数阶偏微分方程,计算代价十分昂贵。如何设计一种高效且稳定的算法一直以来是解分数阶问题的主要困难。对于带有不连续性或者高奇异性的偏微分方程,传统的有限差分和有限元方法都无法直接求解,我们需要针对方程进行数值格式的设计与数值分析。大多数情况下,需要一个相当小的时间步长来保证数值求解过程的稳定性,同时对间断情况的逼近程度也限制了空间步长。因为所求函数的奇异性,给求解带来了很大的困难。本文主要考虑如何用机器学习方法求解时间分数阶偏微分方程和带有不连续性的偏微分方程。本文主要包含两块内容,首先是求解分数阶偏微分方程的机器学习方法,然后是机器学习方法在不连续问题中的表现以及针对不连续问题的机器学习结构研究。本文的具体工作如下:(1)首先,我们就分数阶问题以及不连续的偏微分方程问题做了一个简单的介绍,并介绍了当前国内外主要的研究成果。给出一些简单的数值算例用以直观的了解这些问题;然后我们提到深度神经网络模型,并给了一个聚类问题的应用;在此之前,我们讨论了用机器学习方法解偏微分方程相关的文献与研究现状;(2)接下来我们详细地介绍了用机器学习方法解偏微分方程的方法。我们将深度神经网络看作一个函数,其输入为时间t和位置x,其输出为函数值。在这个基础上,将方程本身定义为损失函数,这样原方程的求解就转变成了一个优化问题的求解,基于这个优化问题,我们介绍了如何用机器学习的方法去学习得到函数解的算法。这里一种基于无网格的随机采样方法的提出,使得用机器学习方法解高维问题成为可能,这也是机器学习方法解方程最大的优势之一;(3)在此基础上,我们开始考虑如何将解整数阶偏微分方程的机器学习框架拓展到求解分数阶偏微分方程上去。由于深度学习方法的函数性质,使得我们可以知道每一个点的函数值,这让高精度的数值积分变得可能。我们用高斯雅各比正交多项式进行数值积分,并证明了这种积分方法依然可以满足深度学习方法对于解的逼近。这里提出了基于深度学习的分数阶偏微分方程解法,同时给出数值算例体现深度学习方法相较于传统方法虽然精度有所欠缺,但是由于维度增长带来的计算速度的优势远优于传统方法;(4)另一方面,我们考虑带有不连续性的偏微分方程,这也是传统的数值方法较为难处理的一类方程。基于分片线性基函数的数值逼近导致了其对于不连续性的近似有其局限性,高度依赖于网格宽度。我们用能给出任意点值的深度学习方法逼近,体现出了比有限差分方法更好的逼近效果。(5)考虑到深度学习方法是一种黑箱方法,我们可以将函数的不连续性加入到网络模型中,建立起用于逼近不连续解的深度学习模型;更进一步地,我们用一个额外的网络来逼近函数的不连续性所在,将其作为第三维度输入到模型中。接下来的一系列不连续问题的数值算例体现出了这种新型网络对于函数不连续性逼近的优越性。在本文的工作中,以下事情值得注意:(1)深度学习方法是一种全局性的函数逼近方法,其本质在于用神经网络框架作为一个高维的函数去逼近原方程的解,所以其精度和误差分析也不同于传统方法。更一般地说,用机器学习方法得到的解在细节处不如传统方法精确,并且其函数值并不被临近的状态或点所限制。但是相应地,机器学习方法得到的误差是一种全局误差,并不会因为时间发展而导致误差的累积。(2)注意到深度学习的学习过程本质是一种优化过程,不同的参数设置,优化方法,初始化方法,网络深度,网络结构,损失函数设置都会影响到解的精确性,这并不是一种确定性方法。也是由于这个原因,关于机器学习方法我们很难给出一个较为规范的误差

关键词： 成语   词语   方法  

摘要： 从小学习好语文课程并积累大量的词汇,对提高我们的说话水平具有重要意义,在学习语文的过程中,学生学习到的词语量增多,一方面会明显运用到日常的沟通中,让沟通显得更加有趣生动;另一方面,学生积累到更多的词汇量后,对提高写作水平有重要作用,使得写出来的文章更加深刻。因此,在小学语文教学阶段,掌握成语和词汇一直是教学的重中之重。