关键词： 混合比例估计   多类别分类   标签噪声学习   锚点   不可约假设   统计一致性  

摘要： 近年来,人工智能蓬勃发展,伴随着计算硬件算力的提升,深度学习已成为了人工智能算法的新范式.然而深度学习依赖大量精确标注的数据,在现实的多类别分类场景中,受限于标注成本和隐私数据保护等因素,大量精准标注的数据往往难以获得.近些年,移动众包和网络爬虫这类经济廉价的数据收集方法被广泛采用,但他们不可避免地引入了错误标注,即标签噪声.鉴于深度神经网络强大的数据拟合能力,标签噪声的存在将造成算法的过拟合,严重制约了深度学习方法的泛化能力.针对标签噪声问题,现有研究大多显式或隐式地依赖锚点(明确属于某一类别的样本),然而在现实场景中锚点难以获取,这使得现有解决方案不再适用.为解决这一问题,本文创造性地将多类别标签噪声学习问题转化为混合比例估计(mixture proportion estimation,MPE)问题,构建了一种不依赖锚点的满足统计一致性的学习算法.本文的主要贡献包括:(1)对现有的仅适用于二组成物MPE场景的R-MPE(regrouping-MPE)方法进行推广,提出了多组成物场景下不依赖不可约假设的MPE方法MR-MPE(multi-component oriented R-MPE);(2)理论上证明了多类别分类场景下标签噪声学习算法锚点假设和MPE问题不可约假设的等价性,并基于所提出的MR-MPE方法构建了不依赖锚点的满足统计一致性的算法.本文在合成噪声数据集和真实噪声数据集上分别与现有算法进行了对比实验,结果显示本文所提算法在多个数据集上均展现出了最优的性能;同时,在移除锚点的情况下,本文对算法的鲁棒性进行了测试,验证了所提算法不依赖锚点的特性.

关键词： 探究式学习   高中数学教学   解决问题能力   团队合作能力  

摘要： 探究式学习作为一种以学生为中心、强调实际应用和自主探索的教学方法,得到较为广泛的关注和应用。本文旨在探讨高中数学教学中探究式学习方法的应用及其效果,通过对探究式学习的理论基础进行分析,结合实际的教学案例来探讨其在高中数学教学中的应用过程。研究发现,探究式学习能促进学生的主动学习、解决问题能力和团队合作能力的发展,还能激发学生的学习兴趣和创造力。

关键词： 框架语块   类符频率   意义  

摘要： 本研究采用在线可接受性判断任务,以具体语块为切入点,考查语块意义对中国英语学习者框架语块心理表征的影响。研究发现:二语学习者低意义语块加工中存在类符频率效应,这表明即便是语义较低的高类符框架语块也有心理现实性;但类符频率效应并未出现在高意义语块加工中,这说明与低意义语块相比,高意义语块加工时可能不会显著依赖于类符频率信息。研究总体证实了二语框架语块的心理现实性,在一定程度上为基于使用的语言习得观和二语语块教学提供了支持证据。

关键词： 光伏发电功率预测   雪检测   分类算法模型优化   机器学习  

摘要： 光伏(PV)面板是光伏发电技术中广泛使用的主要可再生能源设备。由于光伏发电受天气条件影响巨大,降雪和面板积雪会极大地影响光伏面板的输出功率。如何在降雪和积雪因素影响下,预测光伏发电系统的输出功率对于电力部门完成电力调度控制十分重要。考虑到降雪和积雪因素无法直接使用具体公式表达。本文将介绍一种机器学习方法,使用SVM和KNN作为检测雪效应的分类器,将光伏发电功率预测中雪检测问题转换为分类问题。文中提出的雪检测算法在真实有记录的数据上进行了验证,通过光伏发电功率预测精度的提升评估方法的效果。

关键词： 跨学科学习   意义联结   “民间故事”单元  

摘要： 意义联结是跨学科学习中的重要概念,亦是重要策略,能有效解决目前跨学科学习中存在的“浅表跨”“随意跨”“僵化跨”等问题。本文以五年级上册“民间故事”单元为例,通过“联结内容与形式,提炼学习主题”“联结能力与素养,确定学习目标”“联结情境与任务,整合学习活动”“联结成果与表现,跟进学习评价”开展基于教材单元的跨学科学习实践探索,以期在高质量的跨学科学习中提升学生的语言文字应用能力,实现学科协同育人的目标。

关键词： 意义关联   跨学科学习   设计举例  

摘要： 自新课标提出“跨学科学习”这一理念以来,关于语文学科的“跨学科学习”教学探索与研讨在定位、实践、操作策略等方面存有诸多误区。本文围绕“意义关联”这一核心要素,从标准再读、内容辨析、实践操作三个维度提出具体的改进策略,助力“跨学科学习”理念在实践中有效落实。

关键词： 无创血压检测   人体特征   核主成分分析法   鲸鱼优化算法   轻量级梯度提升机  

摘要： 为提高无创血压预测模型的准确率,减小个人身体差异对准确率的影响,提出一种基于鲸鱼优化算法(WOA)与轻量级梯度提升机(LightGBM)的无创血压检测模型WOA-LightGBM。该模型首先提取预处理后的光电容积脉搏波、心电信号特征,并结合人体特征组成输入特征矩阵;然后通过核主成分分析法对输入特征矩阵进行降维,减少冗余;最后运用WOA优化LightGBM模型参数。实验结果表明,WOA-LightGBM模型预测的收缩压和舒张压的平均绝对误差均满足美国医疗仪器促进协会制定的标准(±5mmHg),与传统模型相比具有一定优势,且与传统水银血压计测量结果有高度一致性。

关键词： 云计算   机器学习   计算流动动力学   气流组织温度场  

摘要： 从局部离散流场数据点重构全局流场信息对数据中心机房的节能节碳具备重要的研究意义。基于局部散点对数据中心进行气流组织温度场快速重构,可有效降低数据中心总能耗。主要通过发展一种基于多特征输入的三维U形神经网络架构(U-net),利用布设在数据中心机房的温度传感器数据值进行气流组织温度场重构。并研究了在不同学习率与数据集大小的设置下,该机器学习模型的训练预测能力。对比结果表明:不同学习率对于模型训练的结果有较大影响,应通过预实验选取最佳学习率。在同等条件下,应优先选取较大的数据集进行训练,便于提取高维物理特征。

关键词： 高中英语听说教学   深度学习   主题意义  

摘要： 基于主题意义探究的英语教学能将教学内容和语言学习集中起来,有助于实现英语学科的育人价值,高中英语听说教学也应以主题意义为统领,实现听中有说,说中有听,听说结合。然而,当前的高中英语听说教学存在活动设计随意化、教学内容碎片化、探究互动浅层化等问题。深度学习的提出为解决上述问题提供了新的思路。深度学习视角下基于主题意义探究的高中英语听说教学注重引导学生开展以活动与体验、联想与结构、内化与交流、本质与变式、迁移与创造、价值与评判为特征的听说活动,有助于提升学生的综合素养。

关键词： 核心素养   小数的意义   真实情境   《数学》   单元整体教学   小数加减法   算理   运算能力  

摘要： 北师大版《数学》四年级下册“小数的意义与加减法”单元的主要内容是小数的意义和小数加减法,与这两者对应的核心素养分别为数感、运算能力。进一步分析知识内容与核心素养主要内涵的关联,“小数的意义”可以落实数感的主要内涵“能够在真实情境中理解数的意义”,“小数加减法”可以落实运算能力的主要内涵“能够明晰运算的对象和意义,理解算法和算理之间的关系”。据此,可以确定本单元的素养目标为:通过分一分、标一标、数一数等活动理解小数的意义,掌握小数大小比较的方法,发展数感;通过画一画、算一算、说一说等活动理解小数加减法的算理并掌握算法,发展运算能力。