关键词： 小学语文   学习兴趣   生活化   学习方法  

摘要： 随着小学语文教学改革进程的不断加快,加强学生语文核心素养变得越来越重要。因此,当教师在进行教学设计的时候,必须要根据语文教材内容和学生实际的语文水平、兴趣爱好等进行有效合理的设计,通过对教学内容的不断丰富来提升学生学习语文的兴趣,只有这样才能够提高学生在语文课堂上的积极主动性。除此之外,教师在进行教学的时候,还要对学生的学习方法进行有效的指引,从而使他们的自主学习能力得到有效提高,使语文核心素养得到大幅度提升,为营造一个高效愉快的语文课堂贡献一份力量。

摘要： 体验式教学突出主体性和亲历性，在小学中高年级阅读教学中落实体验式学习方法、策略，不仅能让学生学习到书本上的知识，而且能让学生置身课堂学习内容之中，体验学习、生活过程，感受历史、现实场景，在真切的体会中提高认识、增强感知能力、受到感染和教育。一、情境创设体验法体验式学习强调学习的主体性，它一改以教师、知识为课堂学习主体的理念，在学习过程中以学生为课堂学习的中心、重心，让学生在学习知识的过程中通过主动、积极的体验活动获得对知识的认知，

关键词： 独角兽企业   机器学习   模型融合  

摘要： 近年来,机器学习飞速,作为目前为许多人工智能问题提供解决方法的先进技术,其具体思路为赋予电子计算机像人一样学习知识并处理问题的能力,使机器模仿人类的沟通、交流过程,并在捕捉新的信息或资源的基础上,不断重组升级已具备的知识内容并提高自身性能。作为人工智能的核心,机器学习起源于20世纪初,自从机器学习作为一个相对独立的的研究方向至今,也有40余年的发展历程。在一代代科学家的努力下,机器学习衍生出许多经典的方法,如支持向量机、神经网络等。到了 21世纪,深度学习凭借其在处理海量数据、学习复杂数据方面的优势,目前已被广泛应用于金融、医疗、互联网等一系列领域,为推动社会进步发展起到了重大作用。在风投领域,“独角兽企业”是一个相对较新的概念,通常泛指估值超过10亿美元的初创企业。近年来,独角兽企业的数量与规模以近趋线性的方式快速发展,由2013年全球仅13家增加至2019年的近500家,其中,中国独角兽企业数量超200家,数量与总估值均居世界首位。在当下这个万众创业的时代,独角兽既受到广泛欢迎、被视为社会创新力的表现,又饱受诟病、被认为是估值虚高的标志。许多独角兽企业被捧上高坛,又在一夜之间跌下神坛。因此,独角兽企业如何预警财务危机,并及时进行应对处理,在发生财务危机伊始就加以遏止,值得进一步探讨和深究。同时,相比普通企业,独角兽企业在科技研发方面的大量资金投入与研发创新成果变现的高度不确定性导致其发生财务危机的概率更高。因此,为帮助独角兽企业在面对激烈的市场竞争时应对财务风险、防御财务危机,从而促使企业稳健发展,针对高新技术企业财务危机预警的相关探索至关重要。结合独角兽企业的自身特点,本文选取相应的财务指标进行财务预警分析。以ST(被特别处理)和非ST(正常)独角兽企业2019年的截面数据作为研究样本,在初步处理研究指标后,运用K-S检验、Mann-Whitney U检验等检验方法筛选预警指标,而后通过机器学习中的包装法进行最终的指标筛选,选取了特征筛选的七个指标建立起简约有效的独角兽企业财务危机预警研究体系。本文选择支持向量机、随机森林、神经网络等一系列机器学习研究方法进行初步的模型预测效果分析,进而建立以逻辑回归为次级模型,其他机器学习模型为初级模型的独角兽企业财务危机预警模型。在此过程中,通过smote方法处理不平衡数据集,并通过网格搜索和五折交叉验证的方法改进模型参数。模型的最终结果表明,在各单一模型中,神经网络模型效果最好;在堆叠模型中,SVM-logistic模型效果最优。根据建模过程以及检验结果,发现企业若想规避这类问题,首先,必须要提高盈利能力,其次要格外重视营业净利率和总资产净利率两个财务指标。除此之外,本文得出独角兽企业可以通过SVM-logistic模型进行财务预警分析,如果数据量较小,可以采用神经网络进行财务预警分析的结论。根据研究结论,提出独角兽企业应该着重关注财务风险控制、顺应时势发展、提高科技创新能力和拓宽营运资金来源等一系列相关建议。

关键词： 探究式学习   数学思维能力   创新思维  

摘要： 在幼儿园数学教育教学活动中,利用生动、有趣的教学方式引导幼儿主动探究,有利于形成和发展数学思维能力,而数学思维的发展又提升了幼儿思考问题的能力,从而形成良性循环。

关键词： 数学学习方法   比较研究法   案例分析法   学习方法指导  

摘要： 近几年随着教育事业的发展和教育大环境的改变,越来越多的教育从业者和研究者开始关注学习方法在教学中的渗透.笔者通过阅读相关文献发现,现阶段对于中学数学学习方法的研究大多集中于一线教师如何从教育心理学的角度出发渗透科学的学习方法,对于从学生角度出发针对如何在实际学习中真正将切实有效的学习方法贯穿于课堂学习各个环节的研究并不多.本文主要对高中生数学学习方法的现状及对策进行了调查研究,并以函数单调性为例给出了学生具体的学习方法指导建议.本论文主要采用问卷调查法、文献分析法、案例分析法、比较研究法、访谈法等研究方法对高中生的数学学习方法做了调查研究,希望为教师教学提供将学习方法融入课堂教学各环节的案例参考.论文研究主要分为三个部分,首先通过针对学生和教师的问卷调查了解实际教学中师生对学习方法教学的了解及落实情况;其次围绕函数单调性专题选取两个班级进行学习方法渗透的差别教学实验,通过实验结论得出在实际教学的各个环节中渗透学习方法的最佳途径;最后根据调查和实验的结果针对课前预习、课堂听课、课上笔记、课后复习与课下作业等具体的学习环节给出学生明确的学习方法建议.课前预习环节的学法指导应结合各类学生的具体情况以及各种课型的不同特点有针对性地进行,潜移默化地将各种预习方法系统地传授给学生;课堂听课环节的学法指导应在充分了解不同层次学生听课习惯的基础上,针对具体的课堂问题,围绕典型的知识类型展开;课上笔记和课后复习环节的学法指导应侧重让学生从学科的宏观角度出发,有意识地自主内化和建构知识框架;课下作业环节的学法指导应通过数学解题过程向学生渗透各种数学思维和解题技巧.

关键词： 深度学习   卷积神经网络   基于图的半监督学习   半监督学习   局部二值模式   主成分分析  

摘要： 深度学习中,模型的监督训练通常要使用海量的有标记样本,但是收集样本并给样本做标记过于浪费人力。面对有标记样本较少而无标记样本很多的状况,半监督学习近年来飞速发展。基于图的半监督学习是半监督学习中最有效的方法之一,对比其他的半监督学习方法,其优点在于:通过引入额外的分类器,可以将推式半监督学习变为归纳式半监督学习,易于对新样本进行预测;使用标记传播来辅助训练一个更好的神经网络模型,并使图与神经网络模型相辅相成;通过矩阵运算来说明算法性质,可解释性较强。但是基于图的深度半监督学习也有一些不足,比如构图过程中过分依赖单一特征、构图的时间与空间成本较高、目前缺乏应用研究等,本文主要针对上述问题开展研究,研究内容包括以下三个方面。1.针对单一的卷积神经网络(Convolution Neural Network,CNN)特征难以构建反映数据流形结构的图的问题,提出了一种嵌入LBP(Local Binary Pattern)特征的图的半监督学习方法。该方法首先使用改进的Res Net-18模型提取出图像的CNN特征,其次提取出图像的LBP特征;在嵌入LBP特征时,将CNN特征构建的图与LBP特征构建的图相加,但是考虑到已有的条件,方法中使用特征的拼接来代替图的相加以近似实现上述思路。结果表明,有标记样本越少时,嵌入LBP特征的效果越好,在cifar-10数据集上最高有3%的提升,改善了由于CNN过拟合导致CNN特征难以构建反映样本分布的图的问题。2.针对特征维度过高导致的信息分散以及构图复杂度高的问题,提出了一种基于主成分分析(Principal Component Analysis,PCA)降维的图的半监督学习方法。此算法用PCA搜寻特征的子空间,在CNN特征与LBP特征拼接后使用PCA,可以有效地提取其特征主成分,并保证了基于特征子空间与基于原始特征空间构建的图基本相同。结果表明有标记样本越少,获得的准确率提升较大,对比其他半监督算法也颇具竞争力。除此之外,特征经过PCA后,构图时k近邻搜索速度也获得了较大提升,验证了PCA对于构图的质量以及效率的提高。3.针对新生儿疼痛表情识别中有标记样本少的问题,研究了基于图的深度半监督学习在新生儿疼痛表情识别上的应用。该研究首先建立了新生儿疼痛表情图像数据集,主要包括此数据集的采集过程、图像的初步处理、数据集的划分;然后在不同的有标记样本数量下,使用迁移学习策略,将基于图的半监督学习方法应用在新生儿疼痛表情识别上。较好地解决了有标记样本较少的问题,无论在准确率还是效率上,都验证了基于图的半监督学习方法在新生儿疼痛表情识别上应用的有效性。

关键词： 奥苏贝尔意义学习理论   小学高年级   古诗词教学   对策  

摘要： 中央民族大学蒙曼教授曾说“诗教对于小学生来讲,比任何一种教育形式都更得体”,古诗词以其凝练的语言作为中华上下五千年文明史中的瑰宝,生机勃勃的传承于中华文化之中。近年来国内学者对小学古诗词教学方面的研究急剧上升,不论是从诵读、美育,还是情境教学等不同角度的思考,都期望可以改善现阶段小学古诗词教学存在的问题。而今囫囵吞枣式的机械性教学、死记硬背的识记诗词等现象层出不穷,这不仅使学生无法将新学的古诗词与已有认知结构相结合,更在长此以往的非意义学习学习下,逐渐丧失学习兴趣,破坏了古诗词能够给予学生的情感体验。笔者以奥苏贝尔的意义学习理论为基础,探求奥苏贝尔意义学习理论在小学高年段古诗词教学中的应用,利用文献研究、访谈、问卷调查、教学案例分析这四种研究方法,为小学高年段古诗词教学提供有效的教学对策。本文主要分为以下几个部分:第一部分引言,主要从研究缘由、研究目的及意义,研究方法及相关文献综述入手,阐述在国家大力弘扬传承中华传统文化的背景下,古诗词作为其生生不息的代表依旧是小学阶段的研究重点;第二部分为奥苏贝尔意义学习理论的概述,主要从奥苏贝尔意义学习理论的概念、条件、同化过程以及认知结构变量对知识的获取、保持、迁移的影响和意义学习与保持中的动机因素进行介绍,并且阐明奥苏贝尔意义学习理论对小学高年级古诗词教学效率、保持效果、可迁移性以及加强学生的动机因素有指导意义;第三部分为小学高年级古诗词教学现状调查,其内容主要是本人通过实习期间的一系列调查与分析发现小学高年级学生在古诗词学习过程中存在意义学习与保持的动机不强、有意义的学习心向不足、对比分析与归纳意识淡薄、迁移及运用能力不高的问题;第四部分主要结合理论分析小学高年级古诗词教学存在以上问题的原因是缺乏情感支持与动机激发、缺乏意义学习所必要的认知条件、缺乏自我批判能力以及缺乏练习活动多样性;第五部分则以奥苏贝尔意义学习理论为指导,针对以上出现的问题,提出小学高年级古诗词的教学对策,首先需要强化意义学习古诗词的动机因素,其次需要建立有意义古诗词学习心向,第三在意义学习古诗词的保持阶段中,注重培养学生的自我批判能力,最后在意义学习古诗词与保持后,创设古诗词迁移环境。奥苏贝尔指出:意义学习过程的本质就是将符号表示的新观念与学习者已有知识建立起一种非任意的、实质性的联系。换言之,学习材料既可以与学生已有认知结构的具体事物相联系,也可以与认知结构中不具体但总体来说有一定相关性的背景观点相联系。由此可见在小学高年级古诗词教学时,必然不可忘却诗词与小学高年级学生已有认知结构的相互影响,在紧密联系的教学过程中,促进学生意义学习古诗词。

关键词： 局部特征检测   局部特征描述   联合学习   局部增强三元组损失   引导排位损失  

摘要： 局部特征描述和检测是计算机视觉领域中的一个重要问题。最近几年,基于学习的方法极大提升了关键点匹配的性能。最新的方法开始考虑在局部特征检测中参考局部特征描述符的信息。但在现有的两种方式中,一种是在欠约束的情况下期望局部特征描述符相关的信息反馈到描述符学习的损失函数的权重上,这种方式只能学到粗略的轮廓信息。另一种是直接对局部特征描述符的信息量进行度量,非面向匹配的度量对局部特征描述符的评价不够客观。本文提出了一种局部特征描述与检测联合学习框架,在局部特征检测过程中更充分地参考局部特征描述符在匹配中的性能来判定关键点,并学习局部可区分性增强的特征描述符,具体的内容和贡献如下:(1)提出了引导排位损失(Guided Rank Loss)来训练局部特征检测网络,鼓励回归的匹配评分与引导评分具有相同的排序。其中,引导评分是对局部特征描述符在匹配中的性能表现构建量化评价。同时还提出了恢复局部特征检测响应图分辨率的方法,从分辨率低于图像且局部模糊的匹配评分中获得精确的关键点坐标。(2)提出了局部增强的三元组损失函数(Local Enhanced Triplet Loss)来训练局部特征描述网络,以增强局部特征描述符的局部可区分性并获得对局部特征描述符匹配性能更详尽的评价。(3)在图像关键点匹配,3D重建,视觉定位三个视觉任务上对所提出的方法进行了实验验证。与目前最先进的方法相比,本文所提出的方法在三个公共基准数据集上表现出了相当的性能,并在显著光照变化下取得了最佳的性能。

关键词： 虚拟云桌面   性能优化分析   机器学习   卡顿检测  

摘要： 随着计算机技术与互联网的发展,计算机的使用已经深入人们工作、生活的方方面面。相比独立计算机,虚拟云桌面拥有成本低、管理方便以及数据安全等众多优势,从而被政府、高校、企业等选用。虽然虚拟云桌面在初始化时可以灵活地为用户配置硬件资源,但是分配策略上还是存在问题。从节约成本的角度考虑,静态分配给用户的资源有可能在某一时间段不能满足用户的要求。而如果根据峰值负载来静态分配资源就会造成资源的严重浪费。所以,只要能正确识别虚拟云桌面用户的卡顿状况再进行硬件资源动态分配就可以提升用户体验以及节约成本。传统的虚拟云桌面优化方法通常作用于底层,如在内存部分,通过引入全局地址空间和逻辑地址空间映射机制来构建高效、可靠的内存资源抽象。传统的方法虽然效果不错,但是由于从底层架构着手,具有成本高、难度大等缺点。本文研究了一种基于应用层的虚拟云桌面卡顿检测方法,通过采集虚拟云桌面的运行时状态信息,经过数据分析和处理后使用机器学习方法训练分类模型,从而对计算机是否处于卡顿状态做出判断。本文从应用层着手,大大降低了经济、人工、时间成本,使得其研究使用范围可以更加广阔。在数据采集阶段,在多台虚拟云桌面上部署了采集程序,采集了CPU、内存、网络等运行时状态信息,然后针对数据的特殊性做特征分析和预处理。在实验阶段,使用了逻辑回归、支持向量机、反向传播神经网络等模型来训练数据。经过多次实验比较,其结果显示反向传播神经网络效果更好,且不管是在测试集中检测以及在实际情况的验证中准确率都较高,可以较好地检测出计算机是否处于卡顿状态。在卡顿模型的基础上,本实验还搭建了一个卡顿检测管理系统,能最大程度上发挥了卡顿检测模型的功能。由于本实验室基于应用层来进行卡顿检测的,因此并不能完美解决虚拟云桌面底层的资源分配问题。如果目标是从根本上对虚拟云桌面进行优化,那么必须要深入底层原理,从内存分配、网络传输以及虚拟化协议方面进行深入研究。此外,本文设计的是一个卡顿检测检测系统,想提升虚拟云桌面的使用体验还需要在取得检测结果后对资源做动态分配。这些都是将来的研究方向。

摘要： 摘要CT对间质性肺疾病的纵向随访主要依赖于对间质性肺疾病程度的评估,而不考虑肺的收缩。目的建立一种基于深度学习的方法,根据胸部CT扫描弹性配准的肺收缩