关键词： 群文阅读   习惯养成   培养思维   语文学习方法   学生的思维   学生综合素养   小学生   科学的思维方式  

摘要： 群文阅读是随着教育的发展而逐渐形成的一种新型的语文学习方法。对于正处于习惯养成关键时期的小学生来说,群文阅读尤为重要。良好的学习习惯和科学的思维方式能够为学生日后的深入学习奠定基础。群文阅读的核心价值在于培养学生的思维方式,提高学生的学习能力,促进学生综合素养的全面提升。

关键词： 多任务强化学习   图神经网络   变分图自编码器   形态信息编码   迁移学习  

摘要： 传统强化学习方法存在效率低下、泛化性能差、策略模型不可迁移的问题。针对此问题,提出了一种非均匀多任务强化学习方法,通过学习多个强化任务提升效率和泛化性能,将智能体形态构建为图,利用图神经网络能处理任意连接和大小的图来解决状态和动作空间维度不同的非均匀任务,突破模型不可迁移的局限,充分发挥图神经网络天然地利用图结构归纳偏差的优点,实现了模型高效训练和泛化性能提升,并可快速迁移到新任务。多任务学习实验结果表明,与以往方法相比,该方法在多任务学习和迁移学习实验中均表现出更好的性能,在迁移学习实验中展现出更准确的知识迁移。通过引入图结构偏差,使该方法具备更高的效率和更好的迁移泛化性能。

关键词： 现代科学体系   地理环境   建设美丽中国   地理学习方法   区域性   科学的性质   初中   自然科学  

摘要： 地理学是研究地理环境以及人类活动与地理环境关系的学科,具有综合性、区域性等特点。它兼有自然科学和社会科学的性质,在现代科学体系中占有重要地位,对于解决当代人口、资源、环境和发展问题,维护生态安全、建设美丽中国有十分重要的意义。

关键词： 结构学习   贝叶斯网络   粒子群算法   MMPC算法  

摘要： 针对贝叶斯网络结构学习的过程中网络结构规模随节点数增加呈指数增长,导致网络结构搜索空间增大,进而导致网络结构学习算法效率低下的问题,提出一种基于最大最小父子集合约束与萤火虫粒子群搜索算法的贝叶斯网络混合结构学习方法。首先,针对粒子群算法在解决贝叶斯网络结构学习过程中,随机初始化网络结构种群导致算法搜索效率低下,网络结构准确性低的问题提出一种基于改进的最大最小父子集合算法的种群约束方法。其次,针对传统的基于粒子群评分搜索方法速度慢,精度低,易陷入局部最优的问题,提出一种基于萤火虫算子的粒子寻优策略。最后,为了验证所提方法的正确性和优越性,将上述方法用于3种标准网络的结构学习。仿真结果表明:所提算法与传统的基于粒子群的结构学习方法相比,所得的贝叶斯信息准则评分与标准网络评分的差距分别缩小了68.7%、65.5%、34.1%。

关键词： 投影重构   领域适应   字典对学习   图像识别  

摘要： 图像识别中数据来源复杂， 不同领域的数据在分布上存在差异等问题. 为提高跨领域图像的识别能力， 提出了一种基于投影重构的领域适应字典对学习方法. 该方法采用交叉重构技术构建新的源域和目标域， 使用综合和分析字典对来对齐不同领域的样本， 并利用字典原子与类信息的关联将判别信息从源域传递到目标领域; 同时， 通过分析字典约束项提高字典的判别性， 通过源域目标域的分类判别项最小化每类数据的分类误差和最大化类间差异， 达到提高稀疏系数的判别性的目的. 利用Caltech-256和Office数据集进行的实验结果表明，所提方法在Surf特征单源域和多源域实验中分别获得54.99%和58.64%分类精度；在深度特征单源域和多源域实验中分别获得91.43%和92.66%分类精度.

关键词： 纹理表面缺陷检测   增量学习  

摘要： 随着工业制造水平的不断提高，工业产品表面质量检测愈发受到重视。在实际应用中，产线会不断提供新的训练样本和缺陷类型，因此要求模型能够利用已学到的知识，并结合新的样本快速学习，具备增量学习的能力。本文针对上述问题，提出了一种面向纹理表面缺陷检测的增量学习方法。提出算法由自适应卷积/反卷积模块和纹理表面缺陷检测网络构成，前者分配权重衡量检测模型参数与当前训练类别的相关性，赋予模型增量学习能力；后者设计重建和分割支路，结合对抗学习提升模型对纹理表面缺陷的重建质量和分割性能。提出算法在缺陷检测公开数据集MvTec AD纹理类上模拟增量学习，取得了97.6%的AUROC精度指标，并在消融实验中验证了提出模块的有效性。为了探究提出算法在实际场景下的性能，本文收集产线上的喷印基板数据并进行测试，在四个类上取得了98.7%的平均检出率，验证了提出算法的实际应用价值。

关键词： 高职院校   课堂教学   “岗课赛证”融通要求   课程思政   学习方法  

摘要： 笔者以多年从事高职院校机电一体化技术专业课程的教学实践和观察反思为例,将课堂教学中学生表现出来的学习热情不高、技能训练不积极、探索性解决问题能力不足等问题分析归类为学习自信心不足、无高效学习方法的问题,并结合岗位实践、课程目标、技能大赛和职业资格的要求建立高效课堂教学的模式,即用好课程思政重建学生学习自信心、在刻意技能训练中体会创造性劳动带来的自我价值实现的满足感和自豪感,并在不断反复技能练习中找到学习新技能的方法。逐步形成学生主动学、主动练,教师说要求、讲规范、做示范、评优劣的高效课堂教学模式。

关键词： 机器学习   机器学习方法应用   推荐系统  

摘要： 随着信息技术的日益发达,互联网上信息爆炸式增长。如何让用户在海量信息中找到自己感兴趣的内容已经成为了一个亟待解决的问题。在这样的背景下,内容推荐系统应运而生。本文详细描述了基于机器学习方法的内容推荐系统的架构、算法、设计和实现,希望能够为内容推荐系统的效果带来更大程度的提升。

关键词： 流场重构   流场时程   深度学习   特征提取   无监督模型  

摘要： 高分辨率的流场数据对流动问题的研究具有重要意义。受测量方法、计算效率等多因素限制,高分辨率流场的直接获取仍有一定困难。本文基于流场时程数据的低维表征模型,提出非定常流动时程数据重构的深度学习方法。该方法直接面向样本时程数据,凭借一维卷积的特性提取出样本中包含的时程特征;然后,建立物理空间与表征模型编码空间之间的映射关系;最后,利用一维反卷积对低维表征进行解码,实现对流场中任意位置数据的重构。对Re_(D)=200的非定常圆柱层流绕流流场进行低维表征与验证,进而实现高分辨率流场时程数据的重构,并证明方法的准确性。本文方法是一种无监督方法,是一种时间维度上具有高精度的流场数据重构方法,适用于基于传感器的时程数据处理。

关键词： 深度学习   草莓   病虫害   图像识别   现状   展望  

摘要： 草莓果肉鲜美,营养价值高,素有“水果皇后”的美誉,然而,草莓的生长特性使其容易受到多种病虫害的影响;因此,病虫害的识别和防治对于保证草莓品质和产量至关重要。病虫害识别是病虫害防治的前提,深度学习方法因其具有可以自动学习并提取特征的特点而被越来越多地与图像识别技术结合并应用于农作物病虫害识别。基于此,介绍了基于深度学习的草莓病害识别流程,综述了近年来深度学习方法在草莓病虫害识别方面的研究进展,指出深度学习方法应用于草莓病虫害防治具有高效率、鲁棒性好和泛化能力强的优势,但也存在计算资源要求高、数据标注主观性和实际应用场景有限等局限性。在未来通过创建数据集共享平台,采用模型压缩技术,以及将深度学习与物联网、机器人等技术更紧密结合,将进一步提升应用效果、降低防治成本,助力绿色防控。