服务拔尖创新人才培养的大学数学“教改+教材”双驱动模式探究

面对大学数学课程在“四新”建设背景下的现状与困境、挑战与机遇,文章以河海大学为例,研究创建基于“教改+教材”双驱动的大学数学教学创新模式。该模式通过建立健全全方位、多维度的教改课题研究与实践体系,打造守正创新、特色鲜明的大学数学教材体系,实践“以学生为中心、成果导向、持续改进”的认证理念,为“四新”建设背景下大学数学课程的教学研究与改革提供参考。

面向数学基础薄弱学生的高等数学分层教学探索与实践

为全面提高学校人才自主培养质量,帮助学业上有困难的学生,同时总结分层教学已有的经验和教训,本文探讨了面向数学基础薄弱学生的高等数学分层教学模式.通过问卷调查,并结合与全校学生平均成绩的数据对比,发现该模式取得了令人满意的效果,具有一定的推广示范效应.

高等数学创新教学的探索与实践

为贯彻全国教育大会精神,推动学习革命,打造一流大学数学课程,笔者学校积极探索高等数学课程教学的创新与改革,给出了教学中的三个“痛点”及其解决方案,在教学实践中取得了一定的成效,并得到了同行专家的认可.

强基背景下数学类拔尖创新人才的多维度选培模式探究

基础研究是科技创新的源泉,是破解“卡脖子”难题的关键.数学是自然科学的基础,为重大技术创新提供原始动力.从培养面向国家战略需求的数学类复合型拔尖创新人才出发,探索多渠道、多层次、多维度的选拔和培养途径.从选拔、培养等不同环节以及从学生、教师、学校、企业等不同角度对数学类复合型拔尖创新人才培养渠道和模式进行研究分析,提出了若干合理化的策略和针对性的措施.

结合双线性网络和注意力的蓝藻图像识别方法

针对实际工程环境中采集的蓝藻图像数量不均衡、复杂光照条件影响、蓝藻图像局部区域特征捕捉不全面等问题,提出一种结合双线性网络和注意力的蓝藻图像识别方法。首先构建蓝藻图像数据集,并使用图像增强算法对数据集进行优化,再使用双线性网络充分提取蓝藻图像特征信息,同时结合卷积块注意力机制,聚焦重要的局部特征,忽视无用信息,进一步提升对无蓝藻、颗粒状蓝藻、带状蓝藻和片状蓝藻等4类不同形态蓝藻图像的分类效果。在构建的Algea-ultimate蓝藻数据集上进行实验,结果表明:相比识别效果最好的经典网络模型ResNet18,所提方法在识别准确率上提升7.29%,识别精度有明显提升。识别方法可用于太湖流域水质监测和预警平台中,提供蓝藻图像自动识别功能,为实时监测水体蓝藻形态提供智能化解决方案。

双参数四重细分法

文章借助反向构造和倍乘平滑因子操作提出一种双参数四重细分法,运用生成多项式推导证明该四重细分方法的连续性,求解出满足C^(0)~C^(3)连续性的具体参数取值区间。该文通过数值实例分析各参数对形成曲线的影响,用动态的参数迭代过程描述曲线生成的变化细节。

基于动力响应的近海结构损伤非典型参数识别方法研究综述

近海结构服役环境恶劣,长期受到风浪流等复杂荷载作用,关键结构部件易受损,对其进行局部、早期损伤识别与定位有重要意义。由于动力信号采集技术的发展、损伤监测实时性的要求,基于动力响应的损伤识别方法已成为研究热点。目前对于结构损伤识别有两种不同的思路:基于模态及其衍生的动力指纹的参数化损伤识别方法以及利用时间序列特征、信号能量相关性等非典型参数方法。由于近海结构外部激励的复杂性,非典型参数方法逐渐成为动力响应损伤识别中最具应用前景的方法,文章对现有基于非典型参数方法的近海结构损伤识别体系进行系统梳理,比较了各种方法的优缺点,总结了目前非典型参数损伤识别方法面临的挑战,展望动力响应损伤识别的发展前景,为动力响应损伤识别在实际工程的应用提供参考。

二维线性化Navier-Stokes-Poisson方程解的逐点估计

本文研究了二维空间线性化的等熵可压缩Navier-Stokes-Poisson方程柯西问题.通过把方程组转变成关于单个函数的方程,求解出各个函数,得到方程组的格林函数.利用对格林函数的详细分析,获得了方程组解的逐点估计.结果显示方程组中电流密度以热核的速度衰减,动量密度衰减慢得多,且其L2范数不衰减.

基于响应复合能量因子的波浪激励下高桩码头桩基损伤识别

波浪是高桩码头桩基长期、重要外部激励,探索波浪激励下桩基损伤识别对构建码头健康监测体系具有重要意义。由于波浪激励下桩基动力响应呈现多类型信号混叠、窄带、非平稳的特性,使得现有损伤识别方法难以实现准确判定。为解决上述问题,首先构建基于自适应噪声的完备集成经验模态分解与K-means++的信号自动重构方法,以提取损伤特征子信号;然后,通过融合能量、相位等信息,构建新型复合能量损伤识别指标,以提高微小波浪激励下损伤识别的敏感性和鲁棒性。进一步,在高桩码头桩基多种损伤工况下开展波浪激励试验,验证新方法在损伤识别方面的有效性。结果表明,新构建的复合能量因子兼顾能量、相位的优点,能准确识别出损伤存在、损伤位置和损伤程度。

基于波浪激励响应自适应变分模态分解的高桩码头桩基损伤识别

波浪激励下高桩码头桩基动力响应存在多类型信号混杂现象,因此信号重构对于码头桩基的损伤检测至关重要。变分模态分解(variational mode decomposition,VMD)方法能够有效避免信号重构中的模态混叠问题,但由于波浪激励下的动力响应频谱复杂,分解所需的模态数和罚因子会严重影响分解结果。为解决该问题,提出了一种自适应变分模态分解方法(improved adaptive variational mode decomposition,IAVMD),该方法通过罚权系数自适应调整各频率分量的罚因子,并通过分解结果的信号完整度来确定最佳模态数。进一步通过波浪激励下的高桩码头模型试验对IAVMD的有效性、适用性进行了验证。结果表明,该方法能够准确分离出动力响应损伤特征子信号,并根据能量因子确定损伤位置和大小。

具有时滞效应的air2stream河流水温模型及应用研究

高精度河流水温模型对于深入了解水温的时空变化特征和河流生态修复具有重要意义。基于数据驱动的air2stream模型在保证预测精度的同时,避免了计算的复杂性,已成为河流水温模拟常用的模型。由于水的热惯性及水文条件等的影响,河流水温变化往往显著滞后于气温变化,而air2stream原模型并未考虑滞后效应,导致该模型在流量未知情况下实际精度偏低。为解决该问题,采用气温-水温皮尔逊相关系数计算时滞天数,构建具有时滞的air2stream新模型,进一步根据长江中下游地区两个监测站的多年实测数据验证新模型的有效性和稳定性。结果表明:新模型在不引进额外观测数据的条件下具有更高精度且性能更稳定。相比原模型,在两个监测站新模型的均方根误差分别降低约4.29%和5.85%。新模型具有精度高、水文要素需求少的特点,可为长江中下游的水环境影响评价和生态保护提供依据。

能量临界分数阶非线性Schrodinger方程的整体弱解

利用紧性方法给出能量临界分数阶非线性Schr9dinger方程Cauchy问题解的存在性,并证明Cauchy问题存在整体解.通过构造逼近方程,对满足逼近方程的解序列取极限,得到的极限函数即为能量临界分数阶非线性Schr9dinger方程的整体弱解,并证明该弱解满足能量不等式和质量守恒性质.

基于类簇合并的无参数密度峰值聚类算法

密度峰值聚类算法(DPC)通过决策图直观地找到类簇中心进而完成聚类,是一种简单高效的聚类算法。然而,DPC算法的截断距离和类簇中心都是人为确定的,受主观影响较大,具有不确定性。针对上述问题,提出一种基于类簇合并的无参数密度峰值聚类算法(NDPCCM)。首先根据样本点两两之间的相似度的分布特征将其分为类内相似度和类间相似度两种类型,并利用类内相似度自动确定截断相似度,避免了人为设置参数;接着根据簇中心权值的下降趋势自动选择初始类簇中心,得到初始类簇;最后通过合并初始类簇对初步聚类结果进行优化,提高了聚类的准确性。在人工数据集和UCI真实数据集上,将所提算法与DPC、DBSCAN、K-means算法进行对比实验。结果表明所提算法无需输入参数就能够自动得到类簇,且聚类性能优于其他算法。

融合课程学习的TD3在上证50ETF期权上的动态对冲研究

如何进行动态对冲来管理头寸风险在期权交易中极为关键,然而在实际市场环境中并没有一个完美对冲的标准答案,因此寻求更好的对冲策略一直是投资领域的热门需求和研究的焦点.采用深度强化学习算法TD3,并结合课程学习的思想引导智能体采用从模拟到真实的学习方式实现动态对冲任务,降低学习难度并缓解期权数据不足的问题,构建了在上证50ETF期权上的动态对冲策略.结果表明深度强化学习算法的对冲效果远超传统对冲策略,验证了强化学习算法在期权对冲领域的有效性和优势.

多时态BIT遥感图像建筑物的变化检测

针对来自相同地理空间的不同时刻遥感图像之间的季节性和光度变化(色差)等因素所引起的干扰,提出了多时态-BIT遥感图像变化检测方法.该方法引入了过去多个不同时刻的遥感图像,融合当前遥感图像与过去时态遥感图像两两变化检测的结果,该方法有助于排除季节性和光度变化引起的误报,提高了变化检测的准确性;并且利用过去多个不同时刻的遥感图像,进一步消除非目标建筑变化的影响,其变化点像素差值引入作为损失函数正则化项,从而进一步提高变化检测的鲁棒性和可靠性.本文以三时态(3个不同时刻的遥感图像)为例,使用了遥感图像建筑物变化数据集进行了实验.实验结果表明,多时态-BIT方法相对于仅考虑两个时态的变化检测方法,在遥感图像建筑物变化检测任务中表现出更好的效果.

基于ST-UNet和目标特征的混凝土裂缝检测

混凝土裂缝对结构承载能力、耐久性和防水性有负面影响,因此早期裂缝检测具有重要意义.大数据和深度学习的快速发展,为裂缝智能检测提供了有效的方法.针对裂缝检测过程中图像正负样本不平衡,裂缝区域色彩深沉和低亮度的特点,提出一种基于ST-UNet(Swin Transformer U-Net)和目标特征的裂缝检测方法.该算法在网络中引入CBAM注意力机制,使网络更加关注图像中对裂缝检测起决定作用的像素区域,增强裂缝图像的特征表达能力;使用Focal+Dice混合损失函数代替单一交叉熵损失函数,处理样本图像正负样本分布不均的问题;设计APSD正则化项优化损失函数,针对裂缝区域色彩深沉、低亮度的问题,降低检测的漏检率与误检率.裂缝检测结果表明:IoU指标提升22%,Dice指数提升17%,该算法是有效可行的.

带阻尼项和时滞项的三维磁流体方程解的适定性

用Faedo-Galerkin方法研究有界区域上具有非线性阻尼项和时滞项的三维磁流体方程,解决了解的适定性问题.首先,证明当α≥16/5时强解的存在性;其次,利用Gagliardo-Niernberg不等式证明强解的唯一性.

基于树莓派单片机的多功能无人船设计

本文主要设计了一种可以适用于河湖治理和水产养殖的新型多功能无人船,它的功能模块包括水质检测模块,漂浮物识别和清理模块,超声波避障模块,GPS定位模块,电机模块,清洁能源收集模块,智能水产养殖模块。所有的功能模块都由中央单元树莓派单片机模块负责控制。设计完成的多功能无人船不仅能够自主规划路线和避障行驶,还能够实现在内河水道中的污染物溯源和漂浮物识别清理,以及在养殖水塘中的智能水产养殖。无人船还有清洁能源收集功能,符合“节能减排的”思想。

基于专家动态赋权的离散模糊语言群决策方法

针对专家评价信息为离散模糊数、权重未知的群决策问题,给出了一种专家动态权重确定方法,并将其和逼近理想解排序法(TOPSIS)结合提出了一种新的模糊语言群决策方法。专家通过基于离散模糊数的模糊语言值表示模型得到对备选方案的主观评价;综合考虑主观评价的不确定性和相似度,通过线性加权得到专家的动态组合权重;给出了基于专家动态权重和TOPSIS的模糊语言群决策方法的具体步骤,用于实现备选方案的排序;通过一个具体的应用案例证明所提方法是可行和有效的。

基于区间二型离散模糊数的多粒度群决策方法

针对多粒度离散模糊语言决策信息在转化和聚合过程中容易缺失语言决策数据的问题,提出一种基于区间二型离散模糊数的多粒度群决策方法。首先定义区间二型离散模糊数,讨论其运算法则和相关性质,并且给出其离散加权平均聚合函数。其次,提出I-离散关联和补全映射,利用区间对缺失的语言决策数据进行补全,使一个基于低粒度语言术语集的离散模糊数转化为一个包含原始评价信息并且基于更高粒度语言术语集的区间二型离散模糊数。最后,提出一种基于区间二型离散模糊数的群决策方法,解决市场投资选择问题,并通过实例分析验证该方法的可行性和准确性。