韧性水泥浆固体消泡剂的研发与应用

韧性水泥浆在混配搅拌时产生大量气泡不易消除,导致入井水泥浆密度难以把控,针对此问题,以聚醚改性有机硅乳液消泡剂作为主剂,具有针尖和渗透作用的疏水性二氧化硅纳米颗粒作为副剂,以氯化钠和改性硅藻土作为载体,开发出一种固体消泡剂。实验评价和现场应用结果表明:该固体消泡剂具有良好的消、抑泡能力,对韧性水泥浆的稠化时间、失水无影响,可改善水泥浆的流动度和流变,提高水泥石抗压强度,解决了韧性水泥浆消泡难问题。

基于视频的在线学习情感识别研究

随着疫情防控的常态化开展,在线学习已成为日常教学活动的主要形式之一。然而,随着在线学习活动的大规模开展,“情感缺失”问题日益凸显,已成为阻碍在线学习成效的主要原因之一。针对上述问题,探讨利用视频数据的非侵入式在线学习情感状态识别方法。首先采集了22名学生在线学习的面部视频和心率数据,构建了双模态在线学习情感数据库。其次,采用帧注意网络从学习视频中提取表情特征,识别在线学习情感状态,识别精度达到了87.8%。最后,探讨了视频心率识别方法在在线学习情感分析中的应用,研究结果表明,困惑状态下的心率水平具有显著性。本文从学习视频数据挖掘出发,重点探讨了基于表情和视频心率的学习情感识别,为提高在线学习情感状态感知提供了新思路。

基于SouFLé框架的在线协作学习分析模型

协作学习是在线学习的重要方式和途径,通过学习分析提升其学习绩效已成为学界共识。然而,已有相关研究多针对个体学习状态,缺乏对小组协作状态的关注。会话文本可以客观反映学习者的协作过程,基于SouFLé框架提出的面向知识建构的协作学习分析模型及指标体系,从会话协商、会话介入和会话传递三个维度的12个指标出发,能对在线协作学习中的个体学习、组内学习、组间学习等阶段进行全面分析和评估。从个体状态、小组状态、组间状态和班级状态四个层面,应用该模型对在线协作学习案例中的会话文本进行分析,结果表明:学习者的积极参与有利于小组在会话协商中达成观点的一致和整合;协作状态较好的小组能够针对他组建议进行辩论并批判性接受;组间互评有助于促进小组间的互助合作,进而提升在线协作学习效果。依托SouFLé框架构建的协作学习分析模型有助于全面认识并指导在线协作学习过程,帮助教师有针对性地设计、监督和预测协作学习活动,并通过及时干预来改善学习效果。

基于改进的局部反熵算子的小目标检测

利用小目标的出现会导致局部反熵值发生较大变化这一特性,提出了基于改进的局部反熵算子和改进的区域生长技术的小目标检测新方法。该方法首先利用改进的局部反熵算子构建局部反熵图抑制小目标图像背景,然后采用改进的区域生长技术有效地检测小目标。仿真实验结果表明,所提出的方法能快速和准确地检测出复杂背景下的小目标。

私播课论坛中学习者会话行为建模研究

私播课(Small Private Online Course,SPOC)论坛中的非结构性文本蕴含学习者认知和内部心理加工过程,对其分析有助于理解和解释学习结果的成因。以64名学生在SPOC论坛中的会话文本为对象进行数据挖掘,结合LDA主题建模和隐马尔可夫模型对学习者会话行为进行实体建模,并比较高低绩效组会话行为差异,最后运用回归分析和卡方检验探索了影响学习绩效的行为模式。结论表明高低绩效组的学习行为转移存在明显差异,高绩效组的行为转移具有渐进性和平滑性,倾向于序次解决问题,而低绩效组的行为转移则更倾向于浅层回溯。信息查阅、信息加工、信息发布、协作交互、问题解决和信息评价行为均与学习成绩有关,但信息查阅行为对学习成绩有着显著正向影响,且较多的协作交互和信息评价行为能够触发学习者的高阶认知。通过教育文本数据挖掘,教师能够发现不同群体的行为特征,从而进行适应性指导和精准教学,促进学习者高阶思维发展。

基于视频识别的远程课堂学习投入度分析研究

针对同步课堂教学中存在的远程学情感知问题,本文对课堂投入度计算进行了探索。结合Faster R-cnn深度学习技术,文章提出了一种依据学生头部姿势、手部姿势、身体姿势实现行为识别和课堂投入度计算的方法,结果显示具有较好的目标检测率、识别准确率和目标跟踪性能;同时,采用十个课堂教学视频进行投入度自动化评价的实验与分析,结果证明本文提出的课堂投入度自动分析技术可以通过计算课堂中个人和班级的实时投入度和阶段性投入度,为教师提供良好的远程学情感知方式。

浅析次贷危机背景下的人民币国际化进程

金融危机的持续蔓延使人们对以美元为代表的主权货币主导的国际货币体系提出越来越多的质疑。在此背景下，推进人民币国际化进程，提高人民币的国际地位，对于中国实现外汇储备资产保值增值、规避当前体制所带来的潜在汇率波动风险无疑具有重要意义。本文从金融危机背景下人民币国际化进程的最新进展着手，对当前人民币国际化进程所面临的机遇与挑战进行分析，并提出具体的政策建议。

混合同步学习:演进、价值与未来议题

混合同步学习因其有助于打破物理空间限制,提升教育灵活性,实现传统学习和在线学习的有机耦合,逐渐受到远程教育领域的关注。其源自对传统课堂教学限度的突破,萌发于在线学习创造的同步异步情境中,最后在同步技术与课堂教学的深度融合与调试中形成并为人们所熟悉。研究从其应用目的和学习组织方式的视角,将混合同步学习划分为教育公平和灵活便捷两种不同的应用价值取向,并对各自存在的优势与不足展开系统阐述。重点论述了混合同步学习在促进教育均衡化、教师专业发展、终身学习以及应对突发事件方面的重要价值和潜力。基于当前混合同步学习在实践应用中面临的困难,建议在未来研究与实践中,教学实践者应该更加平等地关注两端学生的需要,充分利用远程教师教学角色,发挥“双师教学”效用、创设数智融合的学习环境以及重视同伴互评和智能学习评价。

红外弱小目标检测方法综述

红外弱小目标检测系统可灵活部署在不同的平台中,在红外预警、制导等领域具有重要实用价值。但是,由于复杂场景下存在信噪比低、背景变化剧烈等问题,导致复杂背景下的红外弱小目标检测非常困难,一直是目标探测领域的研究难点和研究热点。根据红外图像数据使用方式的不同,将现有目标检测方法划分为单帧型(含局部信息类与非局部信息类等)和多帧型(含关联校验类与直接求取类等)两大类,并分别进行了简要梳理,分析了不同方法的原理、优势及不足。最后,对本领域的发展趋势做出了预测。该工作既可以帮助初学者快速了解本领域的研究现状和发展趋势,也可作为其他研究者的参考资料。

对储蓄率调节的再思考

本文结合当前的宏观经济形势,对当前中国储蓄率偏高的原因和前景进行了有效分析。笔者认为当前的高储蓄率是有益的,且将继续延续。任何单纯希望降低储蓄率的措施是不足取的。当前有效经济改革的关键不在于储蓄率的高低,而在于如何把握有效的经济增长。利用好高储蓄率是开拓新经济增长的关键。

一种面向局部神经反应的模板选取算法

为提高目标识别的精确度和速度,提出一种模板选取算法。利用训练样本图像的标记信息,使属于不同类的局部神经反应尽量分开,属于同一类的局部神经反应尽量靠近,以减少模板集合中的冗余,并得到数目较少且具有较强判别能力的模板。实验结果表明,与随机选取算法相比,该模板选取算法可以在保证精确度的前提下明显提高目标识别的效率。

基于深度学习的高中学生课堂坐姿识别研究

随着人工智能技术在教育领域的不断交叉融合,校园信息化和网络化逐渐由数字化转向智能化。通过机器自动识别学生的课堂行为活动可帮助教师高效精准地获取学生课堂状态,并进行科学分析。近年来,高中生由长期不良坐姿导致的脊柱侧弯和近视比例不断攀升,对青少年的身体健康产生巨大的威胁。本文通过深度学习技术对深圳某高中采集的225名学生的9种正确及不良坐姿的图片数据进行处理和模型训练,分别使用Densenet和Xception网络获得7种坐姿80%以上的准确率,并将其用于学生课堂状态识别,有效助力学生课堂坐姿的提醒。

基于深度学习的学生课堂行为识别

随着教育步入智能时代,智能化的学生课堂行为识别变得越来越重要。但由于学生的课堂行为复杂多变,使得智能化的学生课堂行为识别存在困难。为了提高智能化学生行为识别的精度,文章首先采集了300名学生的7种典型课堂行为图像,并进行了数据预处理。随后,文章将已在ImageNet数据集上训练好的经典深度网络模型——VGG16网络模型迁移到学生课堂行为识别任务中。最后,通过与其它深度学习模型进行实验对比,文章验证了VGG16网络模型对学生课堂行为具有较高的识别精度。上述研究表明,基于深度学习的学生课堂行为识别能及时、精准地反馈学生的课堂学习情况,有利于教师改进教学方法、优化课堂教学与管理,从而提高教与学的效率,助力教学改革。

学生表情识别研究综述

学习情绪分析有助于理解学生学习状态、为实施有效学习干预提供重要依据。近年来,随着人工智能的快速发展,表情识别已成为感知学习情绪最直接和最有效的方式,备受教育技术领域关注。然而,由于表情与认知之间关联高度复杂、教育场景复杂多变等,学生表情识别依然是一个开放问题。文章采用文献分析法,对学生表情识别的研究现状及趋势进行深入探讨。文章首先归纳分析了面向学生表情识别的表情分类和数据库构建研究进展,重点分析了学生表情分类和数据库构建存在的系列问题;其次,详细梳理了学生表情识别方法的研究现状,并分析了表情识别方法未来的发展方向;第三,梳理了表情识别在教育领域的典型应用;最后,探讨了学生表情识别未来在表情分类、鲁棒识别算法构建以及隐私保护等方向上的发展趋势。

深度学习在基于单幅图像的物体三维重建中的应用

基于单幅图像的物体三维重建是计算机视觉领域的一个重要问题,近几十年来得到了广泛的关注.随着深度学习的不断发展,近年来基于单幅图像的物体三维重建取得了显著进展.本文对深度学习在基于单幅图像的物体三维重建领域的研究进展及具体应用进行了综述.首先介绍了基于单幅图像的三维重建的研究背景及其传统方法的研究现状,其次简要介绍了深度学习并详细综述了深度学习在基于单幅图像的物体三维重建中的应用,随后简要概述了三维物体重建的常用公共数据集,最后进行了分析与总结,指出了目前存在的问题及未来的研究方向.

基于人体骨架信息提取的学生课堂行为自动识别

利用计算机视觉技术和机器学习技术对学生课堂行为进行自动识别,是过程性评价的一种新方法,近年来逐渐引起了研究者的关注。文章以监控设备拍摄的实际课堂教学视频为数据源,采集、标注了学生课堂行为数据,提取了学生的人体骨架信息。在此基础上,文章采用Boosting算法和卷积神经网络算法,对基于这两类不同机器学习算法的5种模型进行了学生课堂行为自动识别准确率实验。实验结果表明,在学校教室这种识别比较困难的场景,基于人体骨架信息提取的学生课堂行为自动识别可以达到较高的精度,其中基于Boosting算法的XGBoost模型识别准确率最高。文章的研究推动了计算机视觉技术和机器学习技术的进一步应用,有助于解决学生课堂行为自动识别难题,并助力教师优化教学策略、提高教学效率。

基于融合特征的人体动作识别

针对复杂的人体动作识别率较低以及单一特征的不足的问题,提出基于Haar小波变换的改进轮廓特征以及多种特征融合的动作识别方法。在第一组实验中对小波变换后的单轮廓特征采用动态时间规整(DTW)算法进行动作序列匹配;第二组实验中提取每帧深度图像的时空兴趣点并进行匹配,在轮廓特征基础上融合加速稳健特征(SURF)和光流直方图(HOF)运动特征作为局部特征;第三组实验在第二组实验的基础上加入骨骼特征。后两组实验均采用线性支持向量机(SVM)对提取的特征进行训练和分类,并在公开数据集MSR Action3D上进行验证。实验结果验证了改进后轮廓特征的有效性,两组融合特征的动作识别方法在同类算法中具有较高的识别率。

中美森林生态旅游营运模式对比研究

生态旅游是21世纪的旅游热点,其中森林生态旅游是最能体现生态旅游的一种形式条件,其营运管理模式逐渐受到重视。根据森林生态旅游的概念及内涵,调查中国森林生态旅游营运模式和美国森林营运模式现状相关资料,将中国与美国森林营运管理模式现状进行比较分析之后,针对中国森林旅游业营运现有的问题提出相应的改进措施。