谈以任务为本的合作学习对学外语学生情感因素的影响

近年来 ,随着学生中心论教学趋势的发展 ,非语言因素 ,特别是学习者的情感因素对外语学习的影响已逐渐得到外语教学研究者的重视。而以任务为中心的教学大纲的兴起使课堂外语教学活动围绕学生以小组形式完成指定的语言活动来展开。小组成员的相互帮助不但减轻了学生的焦虑感 ,而且提高了他们的学习动机 ,增强了自信心和自尊心。

基于邻域采样的多任务图推荐算法

近年来,图神经网络(GNN)成为解决协同过滤的主流方法之一。它通过构建用户-物品图,模拟用户与物品的交互关系,并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展,但如何在图结构上更有效地进行负采样仍未有效解决。为此,提出一种基于邻域采样的多任务图推荐算法。该算法提出了一种基于GNN的邻域采样策略,该策略以每个用户为中心构建子图,将次高阶物品作为用户邻域采样的负样本,可以更有效地挖掘强负样本并提高采样质量。通过GNN对图结点进行信息聚合与特征提取,得到结点的最终嵌入表示。设计一种余弦边际损失来过滤部分冗余负样本,以有效减少采样过程中的噪声数据。同时,该算法引入了多任务策略对模型进行联合优化,以增强模型的泛化能力。在3个公开数据集上进行的大量实验表明,该算法在大多数情况下明显优于其他主流算法。

移动边缘计算不确定性任务持续卸载及资源分配方法

移动边缘计算场景中任务的不确定性增加了任务卸载及资源分配的复杂性和难度.鉴于此,提出一种移动边缘计算不确定性任务持续卸载及资源分配方法.首先,构建一种移动边缘计算不确定性任务持续卸载模型,通过基于持续时间片划分的任务多批次处理技术应对任务的不确定性,并设计多设备计算资源协同机制提升对计算密集型任务的承载能力.其次,提出一种基于负载均衡的自适应策略选择算法,避免计算资源过度分配导致信道拥堵进而产生额外能耗.最后,基于泊松分布实现了对不确定任务场景模型的仿真,大量实验结果表明时间片长度减小能够降低系统总能耗.此外,所提算法能够更有效地实现任务卸载及资源分配,相较于对比算法,最大可降低能耗11.8%.

以新质生产力赋能中国式现代化的重点与任务

发展新质生产力是中国式现代化的主要推动力,以新质生产力赋能中国式现代化是适应我国社会主要矛盾变化背景下推动中国式现代化的新要求,是打造中国式现代化质量版的客观要求,是实现中国式现代化目标转型的必然要求。以新质生产力赋能中国式现代化的战略重点在于构建现代经济体系、培育现代化新动能、提高供给体系质量。以新质生产力赋能中国式现代化新发展的战略任务是形成以新质生产力赋能中国式现代化的内生驱动力,推动供给侧的产业结构升级,以新质生产力形成中国式现代化新优势;推动动力转换,形成中国式现代化新动力;实现数字经济赋能中国式现代化,以数字新质生产力打造中国式现代化的升级版;以新质生产力推动新型工业化,形成新型工业化的新优势。

学习任务群视域下知识观转型与教学变革

学科知识、主体经验和学习活动是语文教学不可缺少的要素,不能因强调其一而取代另两者。学习任务群视域下的知识观,是从静态知识到动态运用、从知识点到概括性知识、从“知识—人”到“知识—世界—人”。学习任务群以实践活动内联知识类型、以学习单元建立知识结构、以真实情境促进知识—人—世界三者交融,探索出一条知识生成素养的有效路径。研究认为,依据学习任务群的特征,以初中语文为例,教学实践中宜采用概括性知识统领的单元教学,可分为提炼单元的概括性知识、提出引导性问题融入学科知识、设计知识理解与运用的学习过程三个步骤。

边缘辅助群智感知位置隐私保护多任务分配机制

为了解决群智感知中隐私泄露和多任务分配的问题,提出了一种边缘辅助群智感知位置隐私保护(EALP)多任务分配机制。首先,考虑群感知任务具有地理相近特征,利用改进的模糊聚类(FCM)算法对任务位置进行聚类组合,改进聚类数目指标,提高多任务分配的合理性。接着,为了防止云平台和感知用户之间的共谋,在任务分配阶段,提出一种位置隐私保护协议,在感知用户、云服务器和边缘节点之间部署同态加密,云感知平台能够安全地计算感知用户的移动距离,而不知道感知用户的位置和任务聚类中心位置。最后,提出了一种基于蚁群算法多任务分配优化方案,兼顾平台和感知用户两者利益,优化感知用户执行任务路径。实验结果表明,与同类方法相比,所提机制在保护位置隐私的前提下提高了任务完成率,降低了系统的感知成本和用户移动成本。

面向绿色计算的车辆协同任务卸载方法

车辆边缘计算(VEC)为处理计算密集、延迟敏感型任务提供了新的范式,然而边缘服务器在整合可再生能源方面的能力较差。因此,为了提高边缘服务器的能效,该文设计了一种面向绿色计算的车辆协同任务卸载框架。在该框架中,车辆配备能源收集(EH)设备,通过彼此间共享绿色能源和计算资源协作执行任务。为有效促进车辆的参与积极性,该文通过动态定价激励车辆,并综合考虑了车辆的移动性、任务优先级等。为了使卸载决策适应动态环境的变化,该文提出了一种基于双延迟深度确定性策略梯度(TD3)的任务卸载方法,以在最大化所有车辆平均任务完成效用的同时减少边缘端电网电力的使用。最后,仿真结果验证了该方法的有效性,相比基于深度确定性策略梯度(DDPG)和基于贪心原则(GPE)的方法在性能上分别提升了7.34%和37.47%。

基于多样真实任务生成的鲁棒小样本分类方法

随着大数据、计算机与互联网等技术的不断进步,以机器学习和深度学习为代表的人工智能技术取得了巨大成功,尤其是最近不断涌现的各种大模型,极大地加速了人工智能技术在各个领域的应用.但这些技术的成功离不开海量训练数据和充足的计算资源,大大限制了这些方法在一些数据或计算资源匮乏领域的应用.因此,如何利用少量样本进行学习,也就是小样本学习成为以人工智能技术引领新一轮产业变革中一个十分重要的研究问题.小样本学习中最常用的方法是基于元学习的方法,这类方法通过在一系列相似的训练任务上学习解决这类任务的元知识,在新的测试任务上利用元知识可以进行快速学习.虽然这类方法在小样本分类任务上取得了不错的效果,但是这类方法的一个潜在假设是训练任务和测试任务来自同一分布.这意味着训练任务需要足够多才能使模型学到的元知识泛化到不断变化的测试任务中.但是在一些真正数据匮乏的应用场景,训练任务的数量也是难以保证的.为此,提出一种基于多样真实任务生成的鲁棒小样本分类方法(DATG).该方法通过对已有少量任务进行Mixup,可以生成更多的训练任务帮助模型进行学习.通过约束生成任务的多样性和真实性,该方法可以有效提高小样本分类方法的泛化性.具体来说,先对训练集中的基类进行聚类得到不同的簇,然后从不同的簇中选取任务进行Mixup以增加生成任务的多样性.此外,簇间任务Mixup策略可以减轻学习到与类别高度相关的伪判别特征.同时,为了避免生成的任务与真实分布太偏离,误导模型学习,通过最小化生成任务与真实任务之间的最大均值差异(MMD)来保证生成任务的真实性.最后,从理论上分析了为什么基于簇间任务Mixup的策略可以提高模型的泛化性能.多个数据集上的实验结果进一步证明了所提出的基于多样性和真实性任务扩充方法的有效性.

多机协同自主任务规划系统研究综述

针对多机协同自主任务规划显著提升无人机任务感知效能、提高任务执行能力的现状,对其关键技术进行阐述,主要包括知识表示、通感一体化、任务调度及航迹规划等技术。针对知识表示技术,阐述基于任务环境上下文感知的知识库构建方法,进而对多域融合知识图谱构建、动态知识图谱更新与共享方法进行分析总结;针对通感一体化技术,分析了环境适变、灵活可扩的多机协同通感一体化架构,进而揭示多机协同通感一体化理论能限,阐述面向任务差异性需求的资源共享方法;针对任务调度及航迹规划技术,阐述资源适配的多机协同自主任务调度方案,并对基于动力学模型的航迹控制策略及不完美环境下的鲁棒控制机制进行分析总结。

旅游自动问答系统中多任务问句分类研究

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域的问句类别体系架构,并提出多任务问句分类模型MT-Bert,在BERT上进行多任务训练,并加入自注意力机制,使用Softmax分类器,并设计了多任务融合损失函数。在山西旅游数据集的结果表明,MT-Bert在两种类别体系的微平均F1值分别为97.6%、91.7%,且避免了非平衡数据的预测失败问题,可以有效处理非平衡数据。

任务导向的翻转课堂在《医学影像技术学》理论教学中的应用

《医学影像技术学》作为医学影像技术本科专业的核心课程,教师在理论课教学期间需重视学生知识内化与综合素质提升。传统教学模式中教师长时间处于教学主体地位传授知识,学生鲜少自主学习、主动思考及表达看法,难以获得理想教学效果。任务导向的翻转课堂以学生为教学主体,设置目标明确、难度适中的个人自学任务与团队课堂讲授任务,督促学生主动学习,积极参加团队协作。此类翻转课堂将拓展学习时间与场景,拓宽知识获取渠道,鼓励学生积极学习思考,与团队成员交流看法并协作制定课堂讲授资料,完成课堂讲授。教学过程中,学生不仅完成多层次知识内化,还将获得一定程度综合素质提升。本文将回顾传统教学模式的局限性,分析任务导向翻转课堂的特点与优势,探讨其用于影像技术本科专业学生《医学影像技术学》理论课教学的可行性,为本课程教育改革提供新思路与参考。

分布式3D打印服务的实时多任务调度研究

针对分布式3D打印机(3DPs)在工业物联网(IIoT)中共享、协作、生产全球化的定制产品过程中,3D打印任务(3DPTs)在分布式3D打印机上分配工作量不平衡,以及提交的每个模型的定制属性和实时性等问题,文章提出了用于IIoT中个性化3D打印的实时绿色感知多任务调度架构,给出了一种稳健的在线分配算法,使得每个3D打印任务能够精确地满足用户定义属性,并且平衡了分布式3D打印机之间工作负荷,同时开发了一种基于优先级的自适应实时多任务调度(ARMPS)算法,实时调度每一个3D打印任务,满足3D打印任务的实时性以及动态性要求。在高负载下进行仿真实验,经性能评估测试,表明所提出的算法具有稳健性,调度架构具有鲁棒性和可扩展性。

基础教育治理现代化的时代价值、核心议题与战略任务

建设教育强国,基础教育具有重要的基础性、战略性、先导性地位,基础教育治理现代化是教育治理现代化的重要基础。基础教育治理现代化事关教育强国建设,关乎教育公平,影响教育质量。在教育高质量发展的愿景下,推进基础教育治理现代化亟需关注三个核心议题,即推进基础教育公平、释放基础教育活力、提高基础教育质量。为加速基础教育治理现代化进程,助推基础教育高质量发展,需在树立正确教育政绩观、推进公共服务均等化、建立现代学校治理体系、推进育人方式转型、加快教育数字化变革、深化考试招生改革、全面依法治教、建设高水平教师队伍等方面进行重点考量。

基于多种群遗传算法的航天复杂系统测试任务调度

针对航天复杂系统型号较多,传统测试流程与调度设计只能人工定制化排布,效率较低且未有效优化,同时,考虑到航天复杂系统快速测试的迫切需求,提出一种基于多目标遗传算法的航天测试流程自动生成方法。该方法在测试项集合明确的前提下,将测试项抽象为离散事件,以测试总时间和测试资源均衡度为优化目标,充分考虑航天器测试的诸多约束,将其作为遗传算法执行过程中交叉或变异的禁忌项。在初始种群确定后,对测试流程和调度方案进行自动生成和优化。对算例的仿真结果表明,该方法相对于同实验条件下的传统半串行测试方法和单目标优化方法,测试总时间或资源均衡度得到了较大提升。在进一步扩展优化目标和约束项后,该方法可有效提高航天复杂系统测试过程的快速响应能力和可靠性。

高中化学实验教学的目标任务和方法路径

基于“科学探究与创新意识”核心素养及其学业质量要求,系统整体规划高中化学实验教学主要任务目标。一是实验基本知识技能掌握目标,可通过建构基础实验认知模型和强化模型应用教学予以达成;二是有关思想观念思维方法形成目标,可通过加强实验探究促进学科理解融合教学予以实现;三是关键能力素养发展目标,可通过变革实验活动形式、设计实验组织逻辑和开展主题综合实验予以发展。

真实工作场景下“搜索即学习”任务集的构建与分析

文章采用日记法收集来自16个国民经济行业的真实工作场景下具有学习特征的搜索任务实例,结合任务概念框架对搜索任务进行表征,构建面向“搜索即学习”研究的多维任务集,并进一步剖析了真实工作场景下搜索任务的属性特征,对任务相关特征、参与者认知变化、行为及关系进行探讨,根据参与者的学历层次、完成任务的认知层次,以及在完成任务时所处的时间压力进行分组比较三组变量间的关系。研究发现:参与者的任务执行熟悉度与任务感兴趣程度,所需信息类型的数量显著影响认知变化,任务执行者特征对认知变化与行为的影响在不同情境下均存在显著差异。本研究开发的任务集可作为“搜索即学习”研究的公共研究资源,以及评估生成式人工智能技术复杂任务处理能力的评测集,为开发面向真实工作任务情境与高效的信息系统提供依据。

分段分策略调度的遥感卫星任务规划架构

随着遥感卫星对各类应用的支撑保障不断深入,卫星任务规划系统面临的外部环境复杂多变,如卫星轨道调整、在轨突发故障、任务随机到达、成像条件变化等,应急突发事件发生的随机性大大提高,传统的定期集中式任务规划架构逐渐无法满足高时效、高响应要求。通过分析系统外部环境种类及变化规律,设计分段分策略调度的任务规划架构,以及相应的调度策略和对象状态管理机制,实现对应急突发事件的高效响应能力。并在某遥感卫星任务管控系统项目中采用该技术架构并研制相应软件。系统实际运行结果表明,该分段分策略的任务规划技术架构基本上满足了外部环境动态变化引起的高适应和高响应要求,极大提升了系统的自动化程度和时效性指标。

遗传-蚁群算法在高性能计算任务调度中的应用

针对目前高性能计算任务调度策略利用率低、负载不均衡等问题,设计一种基于遗传-蚁群算法的高性能计算任务调度算法(GA-ACO)。GA-ACO分为两个阶段,第一阶段通过遗传算法缩小空间快速搜索到优秀解,紧接着将其转化为蚁群算法的初始信息素;第二阶段提出一种基于蚁群信息素的全局更新策略对收敛速度做出优化。实验分析表明,与蚁群算法和遗传算法相比,该算法缩短了任务完成时间,降低了节点负载率。

问题探索与实验研究融合任务导向教学法在仪器分析教学中的改革实践

仪器分析是化学及相关专业的主干核心课程,为了适应学科发展需要,对仪器分析教学方法进行改革与实践。该课程采用任务导向教学模式,并尝试与问题探索和研究实验相融合,通过设计特定情景,使每章知识点以层层递进的方式出现,以最大程度地调动学生的学习兴趣和积极性;完成学习内容后再进行知识总结升华,并完成问题探索和实验研究,实现融会贯通,以达到较好的全面提升效果。