学习通平台在生物化学理论教学形成性评价体系中的应用

在生物化学教学中利用超星学习通平台等多种教学模式,将形成性评价体系贯穿整个教学过程,不仅可评价学生相关知识和技能的掌握情况,并且更加重视学生获得相关知识和技能的情感态度、方式方法,通过有效反馈机制,促进学生的学习。     

阳原县供电公司掀起学习贯彻全会精神热潮

<正>本刊讯2013年11月20日,河北省阳原县供电公司召开全体党员大会,集中学习党的十八届三中全会精神。会议要求,把学习贯彻党的十八届三中全会精神作为当前和今后一个时期的重要政治任务,认真研读原文,深刻领会全会提出的全面深化改革的指导思想、目标任务、重大原则,把思想和行动统一到十八届三中全会精神和党中央关于全面深化改革重大决策部署上     

高职商科专业自主招生学生状况调查及培养措施

自主招生的生源、录取方式、标准与高考统招不同,也就决定了自主招生学生各方面的能力和素质与统招生有差异。通过对自主招生学生和统招生进行问卷调查和统计结果,对比分析自主招生学生的特点,提出有针对性的培养措施。     

金诚所至 读者试驾长安CS75

作为长安CS系列的第二款城市SUV，定位高于2012年的CS35，设计出自长安欧洲设计中心，CS75带来的不仅仅是焕然一新的外形设讥还有自主品牌发力后的真切诚意与努力。     

会师 帝豪EC7，艾瑞泽7，长安逸动 中华H530

销量：帝豪EC7遥遥领先，逸动表现不错，H530和艾瑞泽7需要提升。 在中国市场消费者的从众心理很强，在购车时更注重市场占有率，销量高的车型受到了消费者更多的关注。帝豪EC7不愧为自主品牌在中级车领域的销售冠军，它的综合表现良好，质量稳定，性价比较高，     

基于迁移学习的棉花叶部病虫害图像识别

针对传统图像识别方法准确率低、手工提取特征等问题,该研究以棉花叶部病虫害图像为研究对象,利用迁移学习算法并辅以数据增强技术,实现棉花叶部病虫害图像准确分类。首先改进AlexNet模型,利用PlantVillage大数据集训练取得预训练模型,在预训练模型上使用棉花病虫害数据微调参数,得到平均测试准确率为93.50%;然后使用数据增强技术扩充原始数据集,在预训练模型上再训练,得到最终平均测试准确率为97.16%。相同试验条件下,该研究方法较支持向量机(Support Vector Machine,SVM)和BP(Back Propagation,BP)神经网络以及深度卷积模型(VGG-19和GoogLeNet Inception v2)分类效果更好。试验结果表明,通过迁移学习能把从源领域(PlantVillage数据集)学习到的知识迁移到目标领域(棉花病虫害数据集),数据增强技术能有效缓解过拟合。该研究为农作物病虫害识别技术的发展提供了参考。     

中国智慧学习环境研究现状及发展趋势--以知网学术论文研究为视角

对中国知网收录的发表在核心期刊上200余篇论文进行分析,梳理2006年以来中国智慧学习环境研究现状,探讨其未来研究的发展趋势。研究发现,智慧学习环境受到专家学者和教育实践者的关注,早期从宏观视角开展了大量理论研究,目前聚焦环境设计、技术应用和教学应用的微观研究。但是,研究视野相对比较狭窄,关于效果评价、资源开发、情感交互、学习管理系统等方面的研究成果较少,很多理论观点,没有得到实践验证。据此,认为未来智慧学习环境的研究突出四个特点,注重多向创新性融合的理论体系研究,满足个性化差异环境功能研究,大数据挖掘和可视化分析的技术应用研究,以及学习模式和学习评价的教学应用研究。     

基于迁移学习和改进残差神经网络的黄瓜叶部病害识别方法

针对在黄瓜叶部病害识别过程中使用传统卷积神经网络存在模型训练时间长、识别准确率低等问题，提出一种迁移学习和改进残差神经网络相结合的方法对黄瓜叶部病害进行识别。首先对数据集图像进行预处理，将数据集划分为训练集和测试集；然后对传统残差神经网络进行改进；最后使用迁移学习的方式对网络模型进行训练。利用该研究方法对不同的黄瓜叶部病害进行识别试验，结果表明该方法具有较高的识别准确率，可为其他作物的识别方法研究提供参考。      

基于R2U-Net和空洞卷积的羊后腿分割目标肌肉区识别

针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题，以羊后腿自动去骨分割工序为研究对象，提出一种基于R2U-Net和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的U-Net语义分割网络进行改进，以U-Net为骨架网络，采用残差循环卷积块替换原始U-Net的特征编码模块和解码模块中的卷积块以避免U-Net的梯度消失，在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码，实现缝匠肌图像分割模型的构建。一方面，针对缝匠肌这一核心目标肌肉区，采集羊后腿图像构建数据集训练与测试本文模型，以验证该方法的准确性与实时性；另一方面，通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径，并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动，验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明：当交并比为0.8588时，本文方法平均精确度为0.9820，优于R2U-Net的(0.8324，0.9775)；单样本检测时间平均为82ms，说明本文方法可快速、准确分割出缝匠肌图像，满足机器人自主分割系统的实时性要求，优于U-Net、R2U-Net、AttU-Net算法。最后，在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验，机器人对5条羊后腿的平均切削时间为7.9s，平均偏移距离为4.36mm，最大偏移距离不大于5.9mm，满足羊后腿去骨分割的精度要求。     

儿童想象力与学习

想象广泛存在于学习活动中，它对于学生知识、技能、情感和品德的掌握具有积极作用。劳动课上，学生利用想象力可以创造出新的作品或者设计方案；几何课上，学生可透过丰富的想象构思出立体式图像结构……想象力能够激发知识，促进学生智力与身心健康的成长。我们的儿童从小就应插上想象的翅膀，在未来的广阔空域里自由飞翔。