课堂：请走出“伪生成”的沼泽

新课程把课堂对话情景中师生的知识、能力和情感态度的即时性获得与发展的生成,看作是课堂教学的价值追求,这是课堂教学由重复走向建设的超越,是有效课堂教学的重要依托。但现实教学中,存在着繁多的"伪生成"现象,它们打着"生成"之名,行非"生成"之实。剖析这些"伪生成"现象,挖掘其背后的成因,提出有效的课堂生成可行性策略,这些都是很重要的。要还课堂以"真生成"的魅力应抓住"换""引""点""堵""变"五个着力点,从而提高课堂教学实效。

生成性教学中的“伪生成”现象及解决策略

生成性教学在实践过程中存在许多“伪生成”现象,如“表演式”的互动、“标签化”的探究、“问答法”的对话,导致课堂“表演意识”泛滥、学生多种能力的丧失以及教师中心主义的再现。“伪生成”现象是教学思维模式的限制和教学方法论的缺失造成的,文章为解决中小学课堂的“伪生成”问题并真正实现生成性教学提出了解决策略,具体包括弹性化的预设、有效的课堂互动、民主平等的师生关系以及运用教学机智,旨在推进生成性教学理念的健康发展和课程改革的顺利进行。

基于最优传输理论的深度半监督学习伪标签生成算法

目前,深度学习广泛应用于各个领域并取得了优异的表现,这通常需要大量标注数据的支持,而大量标注数据的获取往往意味着高昂的成本与苛刻的应用条件.因此,随着深度学习的发展,如何在实际场景下突破数据限制,成为目前重要的研究目标,而半监督学习正是其中一大研究方向.半监督学习通过利用大量的未标记数据辅助少量的标记数据进行学习,很好地减轻了深度学习的数据需求压力.伪标签生成方法是当前半监督学习的重要组成部分,所生成的伪标签质量的优劣会很大程度影响半监督学习的最终效果.聚焦半监督学习中的伪标签生成问题,提出基于最优传输理论的伪标签生成方法.所提方法在将有标签信息作为生成过程引导的同时引入类别均衡约束,在此基础上将半监督学习的伪标签生成过程转换成最优传输优化问题,给出新的求解伪标签生成问题的形式.为求解该优化问题,引入Sinkhorn-Knopp算法进行近似快速求解,避免不可计算问题.所提伪标签生成方法作为半监督学习中的独立过程可结合当前一致性正则等半监督学习技巧构成完整的半监督学习过程.最终,在CIFAR-10、SVHN、MNIST、FashionMNIST这4大公共经典图像分类数据集上进行实验,验证方法的有效性.实验结果显示,所提方法与当前先进的半监督学习方法相比,均取得更优异的结果,尤其是在标签情况较少的情况下提升显著.

基于伪文本查询生成及位置感知的弱监督3D视觉定位方法

3D点云视觉定位在自动驾驶、VR/AR等应用中发挥着重要作用。现有大部分点云视觉定位方法依赖对每个目标定位物体的精细人工描述,耗时耗力。为克服视觉语言任务对文本标注的依赖性,现有研究已提出伪文本生成和特征替换方法,在2D领域实现无需文本标注的视觉定位、图像编辑等。在对2D方法研究的基础上,提出了一种自动生成伪文本并实现位置感知的弱监督3D视觉定位方法。在公开数据集ScanRefer、Nr3D/Sr3D上的实验证明了所提方法的有效性和优越性能。

基于GRU_LSTM及RL算法的伪随机指令生成器

在CPU验证过程中,传统伪随机指令生成器通过生成大量合法无序的指令序列,从而实现功能覆盖率或代码覆盖率的验证目标。然而,没有趋向针对性的指令生成,为达到指标需要耗费大量的人力及时间成本。该文以一款基于精简指令集(RISC-V)自研核心为例,在基于通用验证方法学(Universal Verification Methodology, UVM)的验证平台上设计出一种伪随机指令生成器,并针对普通伪随机指令生成器覆盖率低、收敛速度慢的问题,建立GRU_LSTM算法模型,并结合强化学习(Reinforcement Learning, RL)算法构建新算法模型RLGRU_LSTM应用于伪随机指令生成过程,并且针对RL方向决策,提出了基于霍夫曼编码的CPU指令包编码方式训练opcode分布,同时融合了CPU指令类型和指令间执行顺序因素,快速捕获人工定向验证预料不到的验证盲点,有效加快了代码覆盖率达到预期的进程。该文着重描述伪随机指令生成器及RLGRU_LSTM算法对模型训练过程的指导。实验结果表明,与直接使用伪随机指令生成技术相比,该方法在约定伪随机指令条目下,相比传统伪随机方法能提高约19%的覆盖率,收敛至目标覆盖率消耗时长减少22%。

基于伪随机数生成器的视频隐写算法

针对视频隐写的安全性和可靠性较低的问题,提出基于伪随机数生成器的视频隐写算法。将伪随机数生成器用于视频帧的选择,以增强隐写过程的随机性和不可预测性。伪随机数生成器产生的序列不同于传统固定模式的帧选择,其输出序列难以预测,使得攻击者难以从外部特征推断嵌入策略,从而降低被统计分析工具和机器学习模型检测的可能性。此外,用校验子格编码将秘密数据编码成冗余信息,以增强秘密数据的完整性,提升数据在复杂通信环境中的抗干扰性。实验结果表明,本算法能较显著提高视频隐写的安全性和隐蔽性,能有效抵抗统计分析攻击,并且在保持高数据嵌入率的同时,确保较低的错误率和较高的图像质量。

基于问题导引的高中数学生成性教学探析

针对当前高中数学课堂生成的“游离化”“机械化”“浅表化”现象,提出应科学预设问题,引发参与生成;搭建问题阶梯,突破生成困点;及时捕捉问题,促进探究生成;总结反思问题,拓宽生成空间等应对策略,以激发学生的学习兴趣和动力,培养其数学思维能力和解决实际问题的能力。

一种使用伪对应点生成的3D点云配准方法

针对三维重建过程中点云配准存在的挑战性问题(如寻找对应点困难等)展开研究,充分利用源点云和目标点云的几何信息,提出了一种基于交叉注意力和伪对应点生成机制的点云配准方法——深度伪对应点生成(DeepACG)。该方法采用三级网络模型,第一级是深度特征编码模块,利用交叉注意力机制交换和增强两片待配准点云之间的上下文和结构信息;第二级是伪对应点生成模块,基于软映射关系加权合成伪对应点;第三级为对应点加权和离群点过滤模块,赋予每个对应点对不同的权重值并剔除概率较低的离群点。在合成和真实数据集上进行大量实验,DeepACG方法在室内真实数据集3DMatch上的配准召回率达到92.61%;在数据集ModelNet40上进行目标未知的局部点云配准实验,旋转矩阵和平移向量的均方根误差分别降至0.016和0.00009。实验结果表明,DeepACG配准精度高,鲁棒性强,配准误差低于当前主流的配准方法。

超混沌伪随机序列生成器设计与性能分析

在分析了Folded towel映射系统动力学特性的基础上,采用位序列量化算法,设计了一种新型基于离散超混沌映射的伪随机序列生成器。该伪随机序列生成器能同时生成三种伪随机序列,且均通过了NIST SP800-22随机数检验标准测试,具有接近δ函数的自相关性和接近于0的互相关性,系统密钥空间大,初值敏感性和复杂度高等特点,适合应用于信息加密。

基于双向扩散机制融合伪随机数同步生成器的快速图像加密算法研究

针对当前混沌加密系统普遍了采用单向扩散机制进行加密,导致了较低的计算效率和加解密速度,在面对高解析度、大容量图像时,无法满足安全、实时性等缺陷,设计了一种双向扩散机制和伪随机数同步生成器,提出了基于双向扩散机制与伪随机数同步生成器的图像加密算法;并与传统的加密机制进行了对比分析。通过伪随机数同步生成器将256 bit长的外部密钥同步生成加密算法的初始条件和控制参数,并进行迭代计算超混沌系统,得到一组超混沌序列;然后用位置集合置乱方法置乱该序列,得到一个位置集合,用该集合置乱图像;最后采用密钥流机制量化超混沌序列,通过双向扩散机制加密图像。借助MATLAB仿真实验来测试该算法,结果显示具有理想的加密质量,加密机制高度安全,密钥空间足够大;较传统的扩散机制而言具有很高的计算效率,加密速度快,可满足实时传输要求。

伪随机数生成及其在Java中的实现与应用

介绍了基于数学递推法的利用计算机产生伪随机数的线性同余法,以及利用Java中提供的R andom类及其成员函数来生成随机数,并编写相应测试程序观察所生成的伪随机序列。最后结合一个游戏应用程序例子阐述了如何利用随机数来随机生成骰子投掷点数用以模拟实践环境。用此再加上别的有利条件,可以设计出各种满足不同要求的软件。

基于伪随机数生成器的标量乘改进算法

标量乘算法是椭圆曲线密码体制中最基本、最耗时的算法,包含点加和倍点两种运算.传统的改进方法通过改造标量表示形式减少非零元位数来降低标量乘中的点加运算次数.为了进一步提高标量乘算法效率,根据标量的生成方式,提出了一种结合伪随机数生成器改进算法.利用斐波那契数列生成器的的循环迭代相加可以将标量乘运算由反复的点加和倍点运算转化为单一的点加运算.实验结果表明,改进算法相比传统的窗口NAF算法能够降低60%以上的运算量.

TD-LTE系统中伪随机数生成器的研究与实现

系统的分析了在TD-LTE系统中高速伪随机数生成器的FPGA具体实现方案,实现了一种长周期、高速率、多输出、统计独立性好的伪随机数生成器,并且使用LUT优化了FPGA内部的资源配置。此外,该生成器产生的随机数可以通过AIS31方案的质量评估。

离散均匀分布随机SVPWM中伪随机数序列的表征与选择

采用随机的脉宽调制策略存在随机因子与输出电压功率谱之间关系不明确的问题。通过对随机位置SVPWM和随机周期SVPWM选用的伪随机数序列所服从的概率分布进行分析,利用随机过程理论建立该序列中概率参数和频域上谐波分布的联系。同时,推导服从离散均匀分布的伪随机数序列的功率谱数学表达,揭示功率谱与伪随机数序列之间的内在联系。提出应用梅森旋转算法来构造伪随机数生成器,改善传统线性反馈移位寄存器循环周期短、随机性差等缺陷。通过仿真和实验对比不同伪随机数生成器对功率谱中开关频率及其倍数处离散谐波能量的分散效果。结果验证所提出的方法和理论分析的正确性,为研究随机SVPWM对改善功率变换器中噪声和振动问题提供了参考。

基于枢轴语言的汉越神经机器翻译伪平行语料生成

低资源型的汉越神经机器翻译中,数据稀疏问题是影响翻译性能的主要原因,目前缓解该问题的途径之一是通过语料扩充方法生成伪平行数据,并用于机器翻译模型的训练,伪平行数据生成方法主要有基于词的替换、单语数据回译和枢轴翻译3种。目前的研究集中于3种方法的单独使用,缺少方法间融合利用方面的研究工作,针对此问题,提出了融入双语词典的正反向枢轴方法,利用英语作为枢轴语言,在汉到英到越正向枢轴的基础上,融入利用稀有词构建的汉-英和英-越双语词典,将汉语单语数据通过模型翻译成英语数据,再利用英-越模型将其翻译成越南语数据,其次进行越到英到汉反向枢轴翻译将越南语单语数据翻译为汉语,以此在2个方向上生成汉越伪平行数据,并利用语言模型对生成的伪平行数据进行筛选。汉-越翻译任务上的实验结果表明,提出的融入双语词典的正反向枢轴方法,能够产生更优的伪平行语料,进而显著提升汉越神经机器翻译任务的性能。

基于内建自测试的伪随机测试向量生成方法

内建自测试作为一种新的可测性设计方法,能显著提高电路的可测性.本文研究了内建自测试中的测试向量的生成方法,详细介绍了由线性反馈移位寄存器构成的伪随机序列生成电路的原理,给出了由触发器和异或门构成的外接型、内接型以及混合型伪随机序列生成电路.

AES算法及其在伪随机比特生成器中的应用

在FIP 186单向函数中 ,用AES算法取代原有的DES算法 ,产生了新的具有统计性能和安全性能都更加优良的单向函数 ,并且利用ANSIC实现了新修改的单向函数算法 ;在此基础上把单向函数算法用到FIP 186伪随机比特生成器中 ,产生了DSA (DigitalSignatureAlgorithm)中的伪随机秘密密钥K .

一个新的伪随机生成器构造方案

伪随机生成器(pseudorandom generator,PRG)是当代密码学研究的一个基本结构。新方案基于格理论中的经典问题的困难性来构造PRG。首先根据多维子集和问题(multidimensional subset sum简称MSS)构造MSS单向函数,再使用单向迭代函数的方法构造新的PRG。使用一般单向函数的PRG构造方案,若单向函数输入长度是m,则要求种子长度达到O(m7)。相比之下,由于MSS单向函数有"大致正规"特性,新方案仅要求种子长度达到O(mlog m)。

服务于拼写检查的伪语料生成方法实现

大多数中文拼写检查的研究通过序列标注的方法检查错误,但这些方法都受限于训练语料的来源和规模。目前中文拼写检查的语料多是来源于外国人学习中文写作时出现的错误,构造这些语料库的人工成本巨大,导致其规模小,且其中的语法错误与中文母语者进行文字录入时出现的错误分布不同,使其难以直接在面向中文出版行业的应用中使用。本文提出一种基于中文维基语料,自动生成包含错误拼写的伪语料的方法,使用伪语料进行训练,相对于直接使用训练集数据,模型获得了提升,并且基于伪语料训练的模型在现实语料中取得了较好的效果。

生成性教学:从方法的惑到方法论的澄清

教学实践中生发的"伪生成"与"乱生成"的现象和问题,实际上是对生成性教学进行方法化处置所导致的教学危机。究其原因则在于教学与教学方法存在的解放人与规训人的职能背反、复杂性范式与简单性思维的属性冲突。生成性教学的提出并非为了发明一种新的教学方法,其最重要的价值和最根本的意义在于确立一种哲学方法论。哲学方法论主张根据对象的性质和特点,以及具体情况和遭遇,来决定采用一种或另一种能较好的适应和适合于它的方法。因此,只有在哲学方法论关照下,才能达成理论的清思和澄明,才能求索并践履生成性教学之真谛。