浅谈大学学生学习动机的强化策略

研究大学学生学习日语动机,并提出了激发学生学习外语兴趣的措施;通过强化学生的学习热情,使教和学的过程趋于和谐统一,以获得最佳的教学效果。     

Verification for generalizability and accuracy of a thinning-trees selection model with the ensemble learning algorithm and the cross-validation method

For the purpose of making a highly effective model in relation to the selection of trees for thinning for various forestry goals, the author examined the generalizability and accuracy of models using various ensemble learning algorithms and the m-fold cross-validation method. These techniques make it possible to improve discrimination accuracy by combining or integrating multiple learning results whose accuracies are not very high. WEKA, which is a machine learning tool for data mining programmed in Java machine language, was used to verify the results of the simulation models. The number of samples was 503. Pattern-recognition algorithms in this study used five classification-type models and one function-type model. It was found that: (1) without cross validation, two pattern-recognition algorithms can be classified as having comparatively high discrimination accuracy; (2) with cross validation, discrimination accuracy decreased as a whole, but was not very different from that without cross validation, and (3) from the viewpoint of generalizability, we constructed a model at around 70% discrimination accuracy. In order to construct more effective models, we need to design the model to utilize certain algorithms or to build in re-sampling methods such as ensemble learning and cross validation. Additionally, in the case of small sample datasets, ensemble learning is an effective method for constructing efficient models. Electronic supplementary material  The online version of this article (doi:) contains supplementary material, which is available to authorized users.     

元认知策略在农林院校英语专业文化学习中的运用研究

以四川农业大学外语系英语专业高年级117名学生为调查对象,对其在英语文化学习过程中的元认知策略使用情况进行考查并分析了他们的元认知策略使用水平与英语文化成绩之间的关系。结果表明:①英语专业高年级学生在文化学习过程中元认知策略使用频率处于中等水平;②高分组和低分组在目标与计划、注意力安排、自我监控与管理策略使用上的差别具有统计学意义;③多元回归分析结果显示目标与计划、自我监控与管理对英语文化成绩有一定影响,注意力安排策略是英语文化成绩的主要影响因素。     

基于支持向量自回归的水泵振动预测模型研究

为了预测水泵在运行中的振动状态,提高水泵运行的安全性和经济性,采用了统计学习理论中的核心算法--支持向量机与自回归方法相结合,建立了水泵振动预测模型(SVAR).并通过实例,与基于灰色理论建立的预测模型(GM)和基于自回归方法建立的预测模型(AR)进行了比较.结果表明:基于支持向量自回归的水泵振动预测模型(SVAR)具有精度高、速度快、易于建模的特点.应用该方法建立的预测模型能够很好地预测水泵运行中的振动情况.有效地避免水泵运行中由振动引起的故障.     

新时期农民远程教育模式初探

在全面建设新农村的历史背景下,如何利用现有条件提高农民综合素质,培养新型农民成为一个亟待解决的重要问题。北京市农林科学院农业科技信息研究所创新农民培训新模式,采用“深挖需求,定点培训,跟踪服务,网上远程培训＋网下综合服务”的方式培养与服务典型农户;再由典型农户带动周边农户,走向科技致富之路。实践证明这是一个行之有效的新型农民培养模式。     

气压劈裂式深松铲的土壤劈裂减阻机理及有限元分析

针对我国现有土壤深松机械存在深松阻力大、深松幅度小等问题,研制了一种工作阻力小、深松效率高的气压劈裂式深松铲。首先建立了土壤与铲面在有无气压劈裂的工况下的力学模型,并进行对比分析,研究气压劈裂减阻机理,推导出在气压劈裂下的牵引阻力计算公式;然后,为验证设计的可靠性,对深松铲整体结构进行静力学分析与动力学分析。结果表明:气压劈裂式深松铲能够有效减小深松阻力,深松铲的最大应力远小于所选材料的屈服应力,且固有频率可明显避开与机身结构的共振频率。     

浅谈英语在法语学习中的负迁移

由于英法两国以往深刻的历史渊源,英语和法语两门语言之间有着千丝万缕的联系。 对于已经学过英语这一语言的学生而言,学习法语的过程中会发生正迁移和负迁移两种现象。 本文将具体分析英语在法语学习过程当中所产生的负迁移,提出相应的解决办法,以期给法语 学习者一定的参考。     

混合学习在大学英语教学中的应用

混合学习是大学英语的教学模式,这种模式不仅鼓励学生自己学习英语知识,同时激 励学生多种方法学习知识。同时这种形式打破了普通教学方式的局限性,提供了多种教学资 源,提升了学生学习知识的自主性。     

基于PSO-ELM的温室梨枣树液流量模拟

【目的】精准模拟温室梨枣树液流量。【方法】基于粒子群算法(PSO)优化的极限学习机(ELM)模型,选取了西北旱区的温室梨枣树逐日气象资料和梨枣树生理指标作为输入参数,构建了16种不同参数组合的PSO-ELM模型对梨枣树各生育期的液流量进行模拟,并与实测液流值进行对比。【结果】PSO-ELM模型能通过较少的输入参数实现梨枣树液流量的高精度模拟:全生育期液流量模拟中M_2模型(输入参数为叶面积指数、平均气温、实际水汽压、平均相对湿度、净辐射和风速)、M_4模型(输入参数为叶面积指数、平均气温、实际水汽压、平均相对湿度、风速和土壤含水率)及M_(12)模型(输入参数为叶面积指数、实际水汽压和平均相对湿度)的MAE、MBE、R~2、MRE及RRMSE范围分别为1.467 6～1.598 6 mm/d、-0.000 9～0 mm/d、0.370 6～0.435 4、0.177 2～0.185 5及0.202 6～0.214 0,GPI排名分别1、2和5,其中M_(12)的输入参数较少且模拟精度较高,其MAE、MBE、R~2、MRE、RRMSE分别为1.598 6 mm/d、0、0.370 6、0.185 5、0.214 0;萌芽展叶期、开花坐果期、果实膨大期和果实成熟期液流量模拟结果分别以M_(Ⅰ-11)模型(输入参数为净辐射、叶面积指数和实际水汽压)、M_(Ⅱ-15)模型(输入参数为实际水汽压和平均气温)、M_(Ⅲ-11)模型(输入参数为平均相对湿度、叶面积指数和土壤含水率)和M_(Ⅳ-12)模型(输入参数为叶面积指数、净辐射和平均气温)模拟精度较高,GPI排名分别为8、2、4和5。【结论】PSO-ELM模型模拟温室梨枣树不同生育期液流量均具有较高的精度,可作为温室梨枣树液流量估算的新方法。     

高光谱成像技术在水果品质无损检测中的研究进展

优质水果的生产和销售离不开水果品质检测,传统的水果品质检测手段精度低、成本高、时效性差、破坏性强。近年来,随着科学技术的不断进步,低成本、高效率的水果品质无损检测技术得到飞速发展。其中,高光谱成像技术逐渐成为研究热点。综述了该技术在水果品质无损检测方面的技术原理、应用和发展现状,探讨其在水果品质无损检测领域的应用潜力、存在问题、发展趋势以及应用前景。整体来看,高光谱成像技术能够实现不同水果种类、多个水果品质指标的无损、高效检测,如成熟度、糖度、酸度、红色指数等;受硬件技术限制,其发展侧重于数据挖掘方向,即在硬件发展有限的情况下,通过不断更新和优化的针对性算法获得精准的解析结果;另一方面,设备昂贵、数据处理复杂、模型普适性较差是该技术需要进一步优化和改进的主要问题;其未来发展将基于云计算和人工智能的高效数据处理、适用范围更广的水果品质高光谱检测设备研发、多源综合无损检测等研究方向。随着技术的不断发展,高光谱成像技术在水果品质无损检测方面的应用前景广阔,未来将成为水果品质检测的重要手段之一。