高职英语教学中的合作学习

合作学习是目前世界范围内广泛使用的一种新颖的教学方法和学习方式,它以学生为中心,以小组为形式,强调人际合作、交流与互动,激发学生的学习主动性和积极性,促使学生在合作中互相提高,共同进步。本文结合笔者的教学实际,从合作学习小组的组织,合作学习的合作方式——问题式合作学习、和表演式合作学习,合作学习的评价几个方面进行阐述,旨在探索合作学习在高职英语教学中的应用,使英语学习和合作学习进行有机结合,以期待英语课堂教学取得更好效果。     

自由活塞内燃发电机稳定运行参数耦合分析

针对自由活塞内燃发电机较难实现稳定运行的问题,对自由活塞内燃发电机工作过程活塞受力状况进行了分析,结果表明其工作过程可以看成是单自由度有阻尼强迫振动系统。结合工作过程中的能量守恒原理,分析了自由活塞内燃发电机稳定运行过程中结构参数与性能参数之间的耦合关系,通过等效计算,获得了自由活塞内燃发电机稳定工作所需要的匹配参数。并以一样机为例,对分析结果进行了仿真验证,结果表明通过等效计算所确定的匹配参数能够近似实现稳定运行,验证了分析的正确性。     

基于深度学习的病虫害智能化识别系统

我国农作物种植覆盖面广、分散度高,病虫害发生种类多、区域性发生规律复杂,传统的人工鉴定技术从效率、能力与精度方面均难以满足新形势下重大病虫测报要求。针对这一实践需求,以测报灯下害虫图像数据库(约18万张)、田间病虫害图像数据库(约32万张)为基础,构建了基于深度学习方法的病虫害种类特征自动学习、特征融合、识别和位置回归计算框架,并研发了移动式病虫害智能化感知设备和自动识别系统。通过近2年的精确度和实操运行效率检验,该系统在自然状态下对16种灯下常见害虫的识别率为66%～90%,对38种田间常见病虫害(症状)的识别率为50%～90%。随基础数据库的不断丰富、神经网络深层特征提取的不断完善,该系统有望进一步提高识别准确率,从而真正实现田间病虫害识别自动化、智能化和高效率。     

高校在线课程建设模式改革与实践

分析目前高校在线课程建设模式的现状,指出其中存在的教学资源组织不合理、缺乏在线学习监测和学习质量评价机制等问题,并提出对现有建设模式进行改革的必要性以及相应对策.通过实际对数据库原理及应用精品资源共享课的优化改造,结果证明提出的改革措施取得良好的效果,提高了学生使用在线课程进行学习的积极性.     

不同品种(系)饲草高粱国家区域试验分析

采用非参数统计分析方法对2005—2006年国家饲草高粱区域试验参试品种(系)的试验结果进行了分析。结果表明:除苏波丹外,其他品种均比较适宜在全国各区试点所在地区种植。7个不同生态类型的饲草高粱品种(系)的产量不是有规律地变化,具有不同的生态特征。不同生态区组间引种、引用时应对引种地区的气候、栽培技术和本地的条件进行比较,以便确定引种饲草高粱的范围,达到有效利用。用传统的多因素随机区组设计和多年多点品种区域试验的非参数统计分析方法来度量2005—2006年全国高粱区试饲草组区试资料的区域适应性(稳产性)、丰产性及试验地点对品种差异的分辨力等进行了客观评价,该统计分析方法直观,意义明确,计算简便,值得借鉴、学习、推广使用。     

叶面喷硒对茶树叶片光合特性及产量的影响

以白叶1号为试材,采用大田试验法,研究叶面喷施不同用量纳米硒(0、4.5、9.0、13.5、18.0 g/hm2)对茶树叶片光合特性和产量的影响.结果表明,叶面喷施纳米硒能显著提高茶树叶片叶绿素含量和鲜叶产量;随纳米硒用量增加,茶树叶片净光合速率(Pn)、气孔导度(Gs)、蒸腾速率(Tr)先升高后降低,胞间CO2浓度(...     

提高学生对家畜解剖学课程学习兴趣的具体措施

为了提高学生学习家畜解剖学课程的兴趣,根据课程特点,介绍了从讲好绪论、指导学生掌握学习本课程的方法、联系实践、加强师资队伍建设等几个方面采取相应的措施努力提高学生学习本课程的兴趣。     

自主学习在中学思想政治课中的运用

自主学习既是一种学习模式,也是一种主导学习的内在机制。在中学思想政治课教学中运用自主学习,对于提高学生的学习兴趣,调动学习积极性,增强教学效果具有积极作用。运用自主学习必须扎实地搞好教学设计;必须营造一种民主学习氛围,实现师生双向交流;必须发挥教师的主导作用。     

基于深度学习的杂草识别方法研究进展

伴生杂草不仅与作物争夺养分和水分,而且还是多种病虫害的中间寄主,成为困扰作物高效生产的难题。随着深度学习技术的发展,杂草的自动检测和分类识别在清除杂草过程中得到重要应用。首先阐述应用于杂草识别过程中深度学习的硬件需求以及软件实现过程,分析用于深度学习不同硬件的优缺点,阐述深度学习模型建立、训练、模型评估以及模型部署等基本步骤;并重点论述深度学习方法在杂草和作物识别以及杂草分类识别的研究进展。然后指出深度学习数据需求量大,目前无通用数据集,杂草、作物相互遮挡,光照环境复杂,机器作业条件恶劣等情况下识别准确率低的问题。最后提出图像与光谱数据融合、杂草识别模型模块化、杂草长势预测、模型嵌入式部署研究将成为基于深度学习的杂草识别方法未来的研究方向。     

基于遥感技术的森林树种识别研究进展

基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。