关键词： 新课程   小学数学   学习策略  

摘要： 随着新课程改革的不断推进,新课程理念对小学数学提出了"人人要学有价值的数学""每个人都能够学到需要的知识""不同的人在数学上得到不同的发展"等三个要求。为此,小学数学教师在教学时,需要改变教学重点,以学生为中心,引导学生在创新的学习方法中、教师建立的学习系统中自主学习,让学生在良好的数学学习方法和策略中发展个人能力。

关键词： 人口空间化   堆叠集成模型   POI数据   夜间灯光数据   青藏高原  

摘要： 人口空间化是将基于行政单元的人口更准确的展布于地域空间中,能更充分的展示人口空间分布信息,对施行人口精细化管理,协调人口与资源、环境、发展之间的矛盾具有重要意义。青藏高原是世界屋脊,掌握青藏高原人口分布信息有助于完善全球人口分布特征,如人类居住生活的最高海拔。其次,青藏高原与缅甸、印度、不丹、尼泊尔等多个国家接壤,其地理位置具有重要的战略意义,习近平总书记也曾多次强调“治国必治边,治边先稳藏”,稳藏的第一要务便是掌握人口分布信息。因此,掌握青藏高原人口分布对于稳藏、援藏等国家措施具有重要战略意义。本文以青藏高原为研究区,从自然条件和社会经济两个方面选择海拔、坡度、地形起伏度、归一化植被指数、河流、道路等廊道、夜间灯光数据、POI数据和建成区数据等作为表征人口分布的影响因素。基于2010年第六次全国人口普查乡镇尺度数据,结合青藏高原行政区划,分别用单模型（随机森林模型、XGBooost模型和Cubist模型）和集成模型（加权平均集成模型和堆叠集成模型）将青藏高原人口统计数据空间化为30×30m的栅格数据,并对各模型拟合精度进行验证,讨论了各模型出现差异的原因。同时将拟合结果与World Pop人口数据集和Google Earth影像进行横向比对,进一步验证结果精度。此外,本文基于最优拟合结果,利用空间分析方法,研究了青藏高原人口分布特征、人口空间分异特征和空间自相关性,以及与各指标因子之间的耦合关系。最后,讨论了各指标因子对青藏高原人口分布的影响程度,同时讨论了单模型与集成模型的优势与适应性范围。主要研究结论如下:（1）所有模型拟合精度均优于World Pop数据集（RMSE=1143.81,R2=0.814）,且Cubist模型采用分段线性回归方法,在单模型中获得了最优的拟合精度（RMSE=865.77,R2=0.893）;堆叠集成模型通过二次机器学习的方法,获得了本文最好的空间化结果（RMSE=799.79,R2=0.908）,其拟合精度较World Pop数据集提升了30.08%。整体看来,基于集成模型的人口空间化方法更适宜用在地形复杂,人口分布差异大的地区。（2）青藏高原2010年人口总数在1173.6～1204.8万人,平均人口密度为4.56～4.68人/km2。人口分布呈现出东南密集,西北稀疏的水平地带性和三级阶梯式的垂直分布特点。河湟谷地、雅鲁藏布江流域中游谷地、一江两河等河谷农业发达地区是青藏高原人口集中分布的核心区。通过在栅格尺度的异质性计算,发现青藏高原人口分布异质性总体较高,而异质性较低的地区主要分布在城市内部。通过空间自相关分析,得到全局莫兰指数为0.8241,人口分布存在显著的正向空间自相关关系,且以低-低聚类分布为主,高-高聚集分布现象主要发生在青藏高原东部,以西宁、拉萨、格尔木市、日喀则市为代表。结合空间自相关分析和异质性结果,发现人口分布异质性较低的地区分布在人口高-高聚集区,而人口异质性较高的地区分布在人口低-低聚集区。（3）青藏高原人口分布的海拔上限为5800m。此外,青藏高原约2/3的人口主要分布在坡度为小于25°、地形起伏度小于300m,距河流距离小于8km的范围内。说明青藏高原人口主要分布在海拔较低、坡度较小、地形较平坦、水源充足的区域。在社会经济方面,人口主要分布在基础设施较完善、经济较发达、交通便捷的地区。在影响人口分布的因素中,海拔、距建成区距离、人居指数是影响人口分布的三大主要因素,总体而言,地理要素决定了某一地区是否存在人口分布,而社会经济要素决定了这一地区人口分布的数量。

摘要： 在全党开展党史学习教育,是党中央作出的重大决策。习近平总书记以'学史明理、学史增信、学史崇德、学史力行'十六个字,深刻阐明了党史学习教育的重要目的和重大意义。深刻领悟这十六个字,对于激发我们学好中共党史的内在自觉,十分重要。学史明理党的历史是最好的教科书,积淀着中国共产党人在革命和建设中,在改革开放和社会主义现代化建设的伟大进程中形成的革命真理、马克思主义中国化的理论成果和一整套符合客观实际的理性思维。

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： 深度学习在很多领域中取得了显著效果,但是从空白开始训练一个深度模型需要耗费大量的标注成本和训练时间。本文提出一种深度迁移主动学习方法（Deep TLAL）缓解这一问题。提出了一种与迁移学习强结合的主动学习动态样本挑选策略,其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出对模型最具有贡献的目标域样本进行标注,并且根据主动学习阶段动态调整两种评价指标的权重。此外,定义了信息榨取比概念,并提出了基于信息榨取比主动学习批次训练策略以及融合基于信息榨取比批次训练策略与一般批次训练策略的T＆N策略。两个跨数据集迁移实验的结果表明:相比基线方法,提出的深度迁移主动学习方法能取得更佳性能并有效降低标注成本,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,即让模型在初始学习阶段对样本学习更多次数,而在终末学习阶段对样本学习较少次数。

关键词： 融入知识的学习方法   掘进载荷力学建模   检测数据力学分析   力学底层逻辑   量纲分析   因果溯源   可迁移性  

摘要： 发展内含力学逻辑的机器学习方法,实现力学领域知识与数据驱动技术的交叉融合,对研发装备智能控制技术与发展检测数据力学分析新方法均具有重要意义。本文建立了一种融入力学知识的装备控制参数学习方法,该方法通过量纲分析等力学分析方法将力、物性、结构等基本力学关系作为底层逻辑编码至数据驱动的算法体系中,叠加了两种研究路径在求解复杂工程力学问题的优势,并将其应用于掘进装备控制参数的建模,为攻克智能预测领域的因果溯源、高维空间、数据量依赖度等难题提供一种新思路。本文工作内容如下:首先,对掘进装备与地层环境间相互作用规律进行力学分析。基于力学原理建立方程并推导力学理论模型,获取了掘进装备在时间、空间发生状态变化的根本原因:基于岩土破坏准则建立了刀具受载理论模型,推导了反映地质环境特征、装备几何结构以及操作状态影响的解析模型;基于极限分析理论求解了掘进装备扰动地层时的极限载荷,分析了土层几何分布及其岩土力学参数对载荷的影响。这部分工作为本文融合型学习方法研究提供了掘进装备的基础力学知识。本文主要工作是提出了一种融入力学知识的机器学习方法,其基本思想是将力学分析方法与数据驱动技术结合,发挥力学知识提取共性规律优势的同时结合数据驱动的优化功能提升预测性能。其主要技术路线包括:基于量纲分析等力学方法构造趋近问题本质的无量纲因子,形成工程数据变量间内在力学底层逻辑,进一步将其融入数据驱动结构体系中,并通过范数惩罚项缓解工程检测数据的过拟合问题。进一步将融合型学习方法应用于掘进装备工程实践问题,对装备智能控制中最受关注的核心控制参数-掘进载荷及能耗进行建模与预测。通过三类典型地质环境下的工程案例:代表软土地层的天津地铁三号线、代表复合地层的深圳地铁二号线以及代表岩石地层的大伙房水库工程案例,对融合型学习方法进行了预测建模的推演以及建模准确性的工程验证分析,重点给出了基于力学原理推导工程数据变量间底层逻辑的依据。在上述工作基础上,结合实际隧道工程数据,综合分析了力学知识在融合型学习方法工程应用中的特点与功能,展示了力学分析与数据驱动结合后应对工程装备预测建模领域“瓶颈”问题的科学性与适用性。具体包括:融合型学习方法实现的可示踪因果溯源分析,建模路径对相似工况环境的可迁移性,基于力学底层逻辑的工程数据降维特点,应对在线预测时小样本学习难题的能力。

关键词： 高职英语   词汇教学   学习方法  

摘要： 语言学习的基本单位是词汇。词汇量对于发展学生听、说、读、写、译等方面的能力具有至关重要的作用。然而,在高职英语教学中,大部分教师发现,词汇教学效率不高,学生对词汇的掌握远不如预期。学生也因单词难背、难记,且极易遗忘而烦恼。本文总结笔者多年教学经验,结合高职学生的特点,通过实践,总结出若干适合高职英语词汇教学的方法。

关键词： 核心素养   学习共同体   复数及其运算几何意义   同课异构  

摘要： 文章针对以往数学教学中利用复数及其运算的几何意义解决问题,学生得分率不高的现象引发思考,尝试利用学习共同体合作学习模式突破教学瓶颈。在笔者任教的两个平行班中就一个典型习题进行同课异构,对比教学效果,从而验证核心素养下学习共同体合作学习模式对于提高学生数学成绩和数学核心素养的有效性。

关键词： 自然语言处理   文本分类   深度学习   上下文信息   注意力机制  

摘要： 文本分类是自然语言处理领域中最重要的任务之一。在信息爆炸的大数据时代下,海量文本信息源源不断地产生并推送到人们手中,但人们通常只需要自己感兴趣的信息,因此,对海量文本信息做好分类管理至关重要。本文着重以深度学习方法为基础,围绕当前文本分类模型存在语义信息、标签信息以及对中文文本表示上考虑不全面的问题展开研究,面向不同类型的文本分类任务构建高效且适用的分类模型,以期提升文本分类精度。本文的具体创新与工作内容如下:(1)提出一种融合实体信息的循环神经网络文本分类模型,改进了现有单标签分类模型未能充分考虑实体信息和上下文语义信息而无法进一步丰富文本语义表示、突出文本内容特征的缺陷。模型首先提取文本的实体信息,通过预训练好的实体表示与文本表示做注意力计算得到与文本最相关且含义清晰的实体表示,然后利用双向循环神经网络充分提取文本的上下文语义特征,再通过注意力机制得到经权重分配后的上下文表示,接着将两者输出做拼接,强化对于实体信息的关注,突出文本的内容特征,最后送入Highway网络优化特征,极大丰富了文本的语义表示。在公开数据集上的实验结果表明,所提模型相比基线模型在准确度上均有提高,消融实验也表明了模型的合理性和有效性。(2)提出一种基于注意力机制和卷积神经网络的文本分类模型,改进了现有多标签分类模型未能充分结合文本与标签的相互关系以及对语义信息提取不充分的缺陷。模型首先引入位置编码强调文本词语的全局顺序关系,然后使用卷积神经网络提取文本语义的局部信息,接着利用多头注意力机制充分学习文本词语之间的全局依赖关系,再通过交互注意力计算得到结合文本内容后的标签表示,最后使用自适应融合策略输出全面的文本表示进行分类。在公开数据集上的实验结果表明,所提模型相比基线模型在P@K和nDCG@K两个指标上均有提高,消融实验也表明了模型的合理性和有效性。(3)提出一种粒度融合的文本表示方法,改进了现有中文词嵌入表示存在语义不清和语义偏斜的情况,提升上述两种模型在中文文本分类上的分类效果。它通过将词嵌入和字符嵌入进行融合形成新的词嵌入表示,丰富了词嵌入的语义信息,然后将它作为模型的输入。在中文数据集上的实验结果表明,经粒度融合后的文本表示能够进一步帮助模型提升分类效果。

关键词： 核磁图谱   人工智能   深度学习   SVM   KNN   神经网络  

摘要： 在社会高速发展的现在,对于新药物、新材料的需求日益迫切。然而在有机合成混合物分析阶段,又极其耗费时间和精力,拖慢了合成进程。另一方面,近年来,随着人工智能的兴起,特别是大数据和深度学习时代的来临,其在交叉学科的大背景下,已成为很多研究领域变革型发展的背后推动力。本文将对深度学习方法在有机合成方面的应用进行探索性研究。在现实的有机合成任务中,核磁是重要的结构鉴别工具。如果能够利用深度学习依据核磁原始数据进行化合物结构的鉴定,将有望在有机合成混合物的判断上提供重要的方法。这会是一个开创性的成果,并将极大地提升有机合成的进程。由于在此领域未有相关研究,本文将从数据的收集整理开始,依据深度学习方法对核磁谱图的化合物结构识别进行研究。本文先是对所用到的方法与相关理论进行了详细地概述;其次本文针对所用的不同的核磁数据的特征收集方式进行了分析,利用SVM和KNN等方法分别在不同的数据集上进行了模型构建,对结果进行了分析比较;然后针对于数据的不平衡的研究,本文提出了基于核磁数据特征的过采样方法,并对深度学习方法的深层次的理论基础给出了解释;最后本文创新性地构建了针对核磁数据基于循环神经网络的深度学习模型NMRClass,实现了核磁谱图原始数据的化合物结构的识别。结果表明,深度学习方法NMRClass,在核磁谱图的结构识别上,具有低损失、高精度的性能。在未来的研究中,将应用于更深层次的研究,为合成混合物的结构鉴别提供助力。

摘要： 在"平面图形的认识(二)"中,我们用从特殊到一般的方法,依据"三角形的内角和是180°"得出多边形内角和的一般结论:180°·(n-2)(其中n为多边形的边数)。教材上是从四边形开始,通过添加辅助线,把四边形分成2个三角形,把五边形分成3个三角形,把六边形分成4个三角形……然后一般化,把n边形分成(n-2)个三角形,最终获得结论(当然分割转化的方法不唯一)。