关键词： 高中数学   学历案   学习历程  

摘要： 学历案,不仅关注学生"学什么",而且关注学生"怎样学"以及"为什么这样学"等问题。实施学历案教学,要明确学习主题,拟定学习目标;凸显主体地位,谋划教学路径;优化反馈评价,提升创新品质。学历案是教师实施有效教学的重要抓手、载体,能建构高中生有意义的学习过程。

关键词： 知识图谱补全   表示学习   FOL规则   可解释   稀疏实体  

摘要： 为增强知识图谱表示的预测精度和可解释性,通过改进由表示学习、规则学习和规则融合三个模块组成的IterE框架,提出一种适用各种表示学习算法的联合FOL规则的知识图谱表示学习方法,针对规则学习和融合模块,基于三元组打分函数改进规则置信度计算方法,扩展适用性,并改进软标签计算方法,放松融合要求,扩大融合的数据增量,迭代实现表示更新规则和规则增强表示。链路预测和生成解释实验表明,随着逻辑规则的加入,该方法提高了基模型的预测精度和可解释性,且在越稀疏的数据集中对提高稀疏实体表示的帮助越大。

关键词： 半监督学习   密度峰值聚类   基于图方法   标签传递   迭代  

摘要： 基于图的局部与全局一致性(LGC)半监督学习方法具有较高的标注正确率,但时间复杂度较高,难以适用于数据规模较大的实际应用场景。从缩小图的规模入手,提出一种全局一致性优化方法。使用改进后的密度峰值聚类算法,迭代地从数据集中筛选出多个中心点,以每个中心点为簇中心进行局部聚类,并以中心点为顶点构建图,实现基于LGC的半监督学习。实验结果表明,优化后的LGC方法在D31、Aggregation等数据集上具有较好的鲁棒性,在标注正确率和算法执行时间上优势明显。

关键词： 内驱力   多样化评价   集体活动   学习方法  

摘要： 激发内驱力符合中学生身心发展的规律,有助于中学生的全面发展。作为教师,可以通过外部的教育干预和刺激,从外部唤醒学生的学习自觉,将外部力量内化,从而激发学生的内驱力,助力学生的健康成长。

关键词： 大豆基因组缺失   K近邻算法   SoftImpute算法   随机森林算法   全基因组关联分析  

摘要： 为探索大豆基因组测序不同程度缺失数据的有效填补措施,提升数据分析综合能力,本研究以大豆株高与叶面积两组性状的基因组基因型数据为研究对象,进行5%、10%和20%不同缺失比例的人为数据缺失处理,分别运用K近邻算法、SoftImpute算法和随机森林算法3种机器学习方法对缺失数据进行填补,分析填补数据的准确性和性能。对原始数据和填补后的数据进行全基因组关联分析,分别对比填补后的数据和原始数据的分析效果。从准确率来看,随机森林算法填补的准确率最高;从运行时间上来看,SoftImpute算法的运行速度最快;运行内存方面,SoftImpute算法的运行内存最小,而当数据量达到10 000×1 000时,K近邻填补算法的运行内存最小。在不考虑运行时间和运行内存的因素,且对填补的准确率要求较高的情况下,随机森林算法的填补效果要优于K近邻填补算法和SoftImpute算法,若对运行时间要求较高且数据量较大时,则应选择SoftImpute算法,同种情况下若对运行内存要求较高时,可优先考虑K近邻填补算法。结果说明不同机器学习方法在不同缺失程度的填补需求下的适用性,可应用于大豆基因组数据缺失处理。

关键词： 数字水印   机器学习   最小二乘支持向量机   奇异值分解   离散小波变换  

摘要： 针对目前数字水印算法存在的不足,本文将离散小波变换和奇异值分解相结合,提出了一种基于机器学习的图像数字水印算法.首先将载体图像进行一级小波变换,提取其低频子带图像对其进行4×4分块处理,然后对每一分块进行奇异值分解后嵌入水印,并提取特征向量用于最小二乘支持向量机的训练,训练好的最小二乘支持向量机用于自适应最大水印嵌入强度的计算以及水印的盲提取.实验选取三张512×512的标准测试图像以及64×64的二值水印图像对算法的透明性与鲁棒性进行测试.实验结果证明,图像具有很好的透明性,PSNR达到了63.71dB,针对旋转、剪切、JPEG压缩、高斯噪声等常规攻击手段时,算法能保持较强的鲁棒性.

关键词： 学前教育   简笔画   学习方法  

摘要： 简笔画既是学前教育工作者和中小学美术教师的基本功,又是学前教育专业学生美术课的基础专业课内容之一,它以简洁、有趣、实用的优势深受大家喜爱。在高校学前教育专业的简笔画教学中,经常会遇到有些学生怎么努力也画不好的情况。如何让学前教育专业学生掌握简笔画技巧,并熟练应用到以后的学前教育工作中,是高校简笔画教学中应该思考的问题。本研究围绕教学中的实训方式、方法,做进一步的探讨。

关键词： 进化的参与式学习   T-S模糊模型   行程时间   卡尔曼滤波算法   交通流   聚类算法  

摘要： 在常规交通流情况下,应用参与式机器学习模型估算了交通密度的预测值,通过交通流密度与行程时间的关系间接估算行程时间的预测值;对参与式机器学习模型进行了改进,将原模型中的子系统计算方法从最小二乘法改进为适合长时间平稳交通预测的卡尔曼滤波法;在此基础上开发了部署在可变情报板上的交通信息诱导系统,利用观测的交通密度组成的向量作为输入,实时动态估算预测值,最终行程时间估算结果优于其他常见的单一预测方法,表明这种方法对预测行程时间有效,可以应用于交通控制相关的领域.

关键词： 幼儿园环境   教育场所   课程形态   激发情感   时间属性   可感知   育人空间   基本元素  

摘要： 环境是非常重要的教育基本元素,会潜移默化地影响生活在其中的每一位幼儿和老师。它如同一本立体且有着时间属性的书,字里行间都传递着各种可感知并能激发情感和探索的信息。构筑一个怎样的环境,就意味着我们选择建构一个与之相对等的教育场所、育人空间和课程形态。

关键词： Gas-liquid flow   Gas void fraction   Flow structure   Limited penetrable visibility graph   Deep learning  

摘要： Gas-liquid two-phase flow widely exits in production and transportation of petroleum *** gas-liquid flow and measuring flow parameters represent challenges of great importance,which contribute to the recognition of flow regime and the optimal design of industrial *** this paper,we propose a novel complex network-based deep learning method for characterizing gas-liquid ***,we map the multichannel measurements to multiple limited penetrable visibility graphs(LPVGs)and obtain their degree sequences as the graph *** on the degree distribution,we analyze the complicated flow behavior under different flow ***,we design a dual-input convolutional neural network to fuse the raw signals and the graph representation of LPVGs for the classification of flow structures and measurement of gas void *** implement the model with two parallel branches with the same structure,each corresponding to one *** branch consists of a channel-projection convolutional part,a spatial-temporal convolutional part,a dense block and an attention *** outputs of the two branches are concatenated and fed into several full connected layers for the classification and *** last,our method achieves an accuracy of 95.3%for the classification of flow structures,and a mean squared error of 0.0038 and a mean absolute percent error of 6.3%for the measurement of gas void *** method provides a promising solution for characterizing gas-liquid flow and measuring flow parameters.