关键词： 博物馆学习   情境学习模式   约翰·福尔克  

摘要： 本文述评《学自博物馆:观众体验与意义生成》一书,作者约翰·福尔克基于过往研究,将较为宽泛的博物馆体验聚焦至博物馆学习,建构了由三大情境、八个影响因素构成的博物馆“情境学习模式”。福尔克在分析由个人情境、社会文化情境和物理情境构成这三大情境时,采用了多学科的研究成果,尤其是进化生物学和认知心理学的相关理论,同时增加了时间维度和空间维度的分析,以此完善这一模式的建构。

关键词： 遥感卫星   任务智能决策   机器学习   样本模型  

摘要： 基于遥感卫星任务决策的特点,研究如何采用机器学习方法对执行任务时产生的大量动作、指令和遥测数据进行分析和训练。为了给遥感卫星任务建立机器学习方法,探索机器学习辅助遥感卫星任务智能决策的可行性,并探讨机器学习模型对卫星任务数据的适应性和处理效率。借鉴地面相关人工智能系统成熟的机器学习架构,研究建立遥感卫星任务相关智能决策的机器学习方法,并给出了机器学习的样例。研究结果表明:机器学习方法的适应性很强,初步实现了遥感卫星自主任务决策,并达到一定的准确率,对卫星任务智能决策技术进行了有益探索。

关键词： 项目式学习   日常学习   综合实践活动   知识传递   学科课程   项目式作业   学以致用   学习的意义  

摘要： 近年来,项目式学习备受关注,它较好地体现了面向未来的素养导向学习的特征,让学生从接受知识传递向知识的学以致用转变,进而转化为在问题解决的驱动下,学生的主动探索与建构学习。它既可以是学科课程常态学习的重要方式,也可以结合在课程拓展学习或综合实践活动中,还可以以项目式作业的形式配合日常学习,在可能的空间中促进学生学习方式的转变。

关键词： 生物化学   填空式思维导图   学习方法   任务驱动  

摘要： 思维导图因简单直观、增强记忆、可视化以及形象化等特点成为一种新兴的教学工具。但该教学方法过分依赖学生的自觉性以及对知识的掌握程度。本文构建了“以任务为驱动、教师为主导、学生为主体”的填空式思维导图学习模式。以“糖类代谢”章节为例,详细介绍了填空式思维导图在课前预习、课中学习以及章节复习等各个生物化学教学环节中的应用。实践表明,该教学模式有助于提高学生的学习兴趣及逻辑思维、增强核心知识建构能力及基本教学素养。

关键词： 急性缺血性卒中   平扫头颅CT   区域对齐   深度学习   自动分割   nnU型网络结构  

摘要： 目的基于平扫CT提出一种域对齐方法来显著提高急性缺血性卒中(AIS)的早期快速诊断能力。方法回顾性分析南方医科大学第三附属医院神经内科和神经外科2020年1月~2022年12月收治的入院后3 d内同时接受平扫头颅CT和MRI/DWI、ADC以及T2-Flair序列扫描的AIS患者,构建了一个由318例AIS病例组成的成对CT/MRI影像数据集,分别对每一组配对的教师-学生影像特征进行归一化;再以8∶2的比例随机分为训练集和验证集。设计一种新的生成性对抗性网络来对齐特征层上的跨模式输入,将细节丰富的MRI图像中的语义知识传递到CT图像中进行AIS分割,开发了一种新的域适应算法(Our DA)。结果与目前性能表现较优异的医学影像分割模型nnUNet相比,Our DA明显优于nnU-Net,每一层验证集之间的分割精度提升约15%。结论本研究构建的Our DA模型基于MRI/DWI序列的影像特征并迁移到平扫头颅CT上,对平扫头颅CT上的AIS病灶具有较高的自动分割性能,有助于早期自动识别AIS病灶。

关键词： 意图识别   注意力机制   门控循环单元   生成对抗网络   对比学习  

摘要： 针对目前空战对抗中空战目标的行为意图识别存在着数据来源多、数据模态多、数据的维度高冗余大、样本量小和不均衡以及训练所需的大量标注数据获取困难等问题,构建了一种基于深度双向门控循环单元(deep bidirectional gated recurrent unit,DBGRU)的空战目标行为意图识别模型,通过在双向门控循环单元(bidirectional gated recurrent unit,BiGRU)中融合注意力机制来提升模型的特征学习能力,自适应地分配不同空战特征信息的权重。并以DBGRU为骨干网络,提出了一种基于数据扩充的小样本对比学习算法,利用基于Wasserstein距离的生成对抗网络(wasserstein generative adversarial network,WGAN)扩充原始数据,并利用对比学习框架挖掘多模态数据中的丰富的模式信息弥补小样本数据规模不足的缺陷,从而准确预测空战目标行为意图。实验仿真结果表明,基于数据扩充的小样本对比学习算法预测小样本空战目标行为意图的准确率为91.13%。

关键词： 主题意义   小学英语   学习活动  

摘要： 英语课程的目的是帮助学生通过英语语言对“人与自我、人与社会、人与自然”三大主题范畴的意义进行探讨和学习,从而达到学习语言、了解世界、理解社会与文化、发展思维与情感、塑造品格与价值观等核心素养课程目标,落实立德树人根本任务。教师应聚焦主题意义探究,梳理小学英语学习活动设计策略,促进学生英语的深度学习。

关键词： 联邦学习   个性化联邦学习   数据异构   双流神经网络   新客户端问题  

摘要： 经典的联邦学习(FL)算法在数据高度异构的场景下难以取得较好的效果。个性化联邦学习(PFL)针对数据异构问题,提出新的解决方案,即为每个客户端“量身定做”专属模型,这样模型会拥有较好的性能;然而同时会引出难以将FL扩展到新客户端上的问题。针对PFL中的性能与扩展的难题展开研究,提出基于双流神经网络结构的联邦学习模型,简称FedDual。双流神经网络模型通过增加一个用于分析客户端个性化特征的编码器,既能拥有个性化模型的性能,又便于扩展到新客户端。实验结果表明,相较于经典联邦平均(FedAvg)算法,FedDual在MNIST和FashionMNIST等数据集上的准确率有明显提升,而在CIFAR10数据集上的准确率提升了10个百分点以上,且面对新客户端保持准确率不下降,实现了“即插即用”,解决了新客户端难以扩展的问题。

关键词： 图学习   深度学习   注意力机制   消息传递  

摘要： 深度学习已经在许多领域取得成功,人们在这一领域投入了大量的研究工作,极大地推动了图学习方法的发展。根据现有图神经网络模型的特点,首先描述了一种通用的图学习框架,以系统的方式对其进行全面概述,包括消息传递、特征聚合以及节点更新三个部分。然后,以该框架为基础引入图注意力机制,并改进消息传递方法,解决注意力机制对空间结构学习的不足。最后,我们简要概述了该框架的应用,以期为图学习方法的研究提供指引。

关键词： 智能技术   故障分析   预防性维护  

摘要： 阐述机器学习方法在医疗设备故障分析中的应用优势。通过提高效率和准确性、节省人力和成本,以及实现预防性维护,机器学习方法可以提供更高效、更准确、更经济的故障解决方案。