小学生自主化学习对比研究

基于探讨自主化学习对小学生综合思维能力的影响,文章选取四年级85名小学生,将其分为实验组与对照组,实验组采用自主化教学方法,对照组采用传统教学方法,用二段式检测法分析比较两组学生实验前后在思维能力及情感态度方面的变化,其结果是差异显著,且实验组学习成绩高于对照组。由此得出小学数学教学中采取自主学习方法能促进小学生综合思维的发展。

英语专业与非英语专业自主学习对比

基于Heloc对自主学习的研究,我们设计了一份包括20个问题的调查问卷,对于广西工学院英语专业和非英语专业的54名学生进行了有关英语自主学习的调查。本文是对该调查结果的总结分析。目的是通过对英语专业与非英语专业学生自主学习态度、学习目的、英语听说读写的学习方法,学习内容,学习场所,自主学习的困难等方面进行比较,从而更好地组织教学。

贝叶斯网络生成学习和判别学习对比研究

优化目标决定了贝叶斯网络分类器的分类性能。文章围绕生成函数和判别函数等两类典型的优化目标,对比分析了贝叶斯网络在不同学习目标下的学习方法,应用UCI数据集,通过实验对比了训练样本数量的变化对贝叶斯网络分类器性能的影响,分析了贝叶斯网络分类器的目标函数与分类性能的关系。数据实验结果表明:冗余数据对判别贝叶斯网络过拟合的影响大于生成贝叶斯网络,"最优"贝叶斯网络分类器并不一定具有最大的联合似然值或者条件似然值;为了提高学习效率和分类性能,可在训练判别贝叶斯网络的过程中采用主动样本选择策略,并且以生成函数和判别函数的权衡值作为贝叶斯网络分类器的优化目标。

移动学习与传统课堂学习对比调查研究

通过对122名大学本科生进行问卷调查,从学习态度、学习交互、学习管理和学习效果等四个维度,对传统课堂面对面的学习方式和移动学习方式进行对比分析,提出移动学习三大优势,以期为课堂教学方式改革提供借鉴。

新疆高校维汉大学生心理不应期时段英语自主学习对比研究

自主学习是学习者自己制定学习目标、学习计划、选择学习策略,并对学习过程进行自我监控的学习模式。自主学习作为一种终生学习模式,其作用不可忽视。大学新生处于从中学到大学的心理不应期,在自主学习中表现出诸多不适。本研究以新疆高校大学一年级维汉学生为研究对象,对比分析汉族和维吾尔族学生在心理不应期时段英语自主学习中解决问题的能力以及在自主学习(听、说、读、写)中出现的问题,并针对这些问题提出可行性对策。

海二中初、高中英语学习对比研究

本文通过实证调查对比海二中初、高中英语学习过程中所表现出的异同,分析其对英语学习的影响,提出积极的建议和解决方案。

民汉大学生自主性学习对比研究——以新疆财经大学民汉学生为例

自主学习是大学生除课堂学习之外最主要的学习形式,也是提高大学生自身素质的重要手段。新疆是多民族聚居地区,民汉大学生学习融合成为新疆教育的一大特色。在学习融合的过程中,民汉学生的自主性学习是否存在差异,成为关注的内容。本文通过调查问卷的形式,对民汉大学生的自主性学习的现状与影响因素进行了对比研究,发现民汉大学生自主学习差异不大,根据问卷调查的情况,提出了加强民汉大学生自主学习的建议。

母语习得与外语学习对比

“习得”与“学习”是语言学中两个完全不同的语言学习过程。它们在语言环境、认知能力、情感因素、交际能力等方面存在着明显的异同。

幼儿附带词汇习得和刻意词汇学习对比研究

为了完善幼儿英语教学,该文以实证研究方式检验幼儿刻意词汇习得和附带词汇习得的效果。山东某幼儿园两个自然班的40名幼儿参与了实验,被分配不同的两项任务:观看原版英文动画片(附带词汇习得组)和接受图片指称教学(刻意词汇学习组)。结果显示,从短时记忆来看,刻意学习和附带习得两组之间并未达到显著性差异;从长时记忆来看,附带习得显著优于刻意学习。据此,建议可利用原版英文动画片开展幼儿英语教学,充分发挥附带词汇习得的作用。

体育院校术科生与学科生移动学习对比研究

近年来,移动学习(M-learning)的兴起为大学英语教学改革带来全新的发展契机,因其移动、便捷的属性迅速吸引学习者的关注。通过使用文献法及问卷法,以体育院校术科生和学科生为研究对象,对比其移动学习使用情况及学习效果,研究证实:1)学科生与术科生词汇方面移动学习频率最高且没有显著差异;2)学科生听力、口语、阅读与写作方面移动学习时间和APP使用数量明显高于术科生;3)相比术科生,学科生更善于利用闲散时间进行移动学习。针对学科生与术科生移动学习特点,进一步提出混合式英语教学、移动学习能力培养、针对性移动学习及自主学习能力培养等相关教学建议。

应用型本科高校大学生英语移动学习对比研究报告——以福州外语外贸学院与闽南理工学院为例

经过近年来互联网的飞速发展,英语移动学习已经成为英语学习过程中必不可少的一种模式。为了进一步了解应用型本科大学生英语移动学习情况,研究以建构主义理论和终身教育理论为基础,对福州外语外贸学院及闽南理工学院在校大二的198名学生进行问卷调查,分别从移动学习工具,学习行为和学习态度三个维度,了解应用型本科院校的学生英语移动学习的使用情况,分析其存在的问题并提出相应对策。

机器学习方法在盾构隧道工程中的应用研究现状与展望

随着盾构隧道工程信息化水平的提升,隧道掘进设备作业过程监测技术日益完善,记录的工程数据蕴含了掘进设备内部信息及其与外部地层的相互作用关系。机器学习因其数据分析能力强,无需先验的理论公式和专家知识,相较于传统的建模统计分析方法具有更大的应用空间。通过机器学习方法对收集的信息与数据进行深度挖掘并分析其内在联系,有助于提升盾构隧道工程建设的效率和安全保障水平。简述机器学习方法的基本原理,总结和分析机器学习方法在盾构工程中的应用研究状况,综述基于机器学习的盾构设备状态分析、盾构设备性能预测、围岩参数反演、地表变形预测和隧道病害诊断等5个方面的进展,并分析当前研究的不足。最后,分析盾构隧道工程向智能化方向发展需重点攻克的难题。

地理学习对比浅析

地理学习是地理信息传输的过程。其实质是将地理信息直接或间接地传授给学生。学生是学习的主人,学生不仅要学懂记住,而且还应该学会运用比较,融会贯通。这就涉及到地理学习对比。对比,广义上而言,是指具有明显差异、矛盾和对立的双方安排在一起,进行对照比较的表现手法。

基于机器学习的数据库系统参数优化方法综述

参数优化是影响数据库性能和适应性的关键技术,合理的参数配置对于保障数据库系统的高效运行至关重要,但由于参数较多且参数间具有强关联性,传统参数优化方法难以在高维连续的参数空间中寻找最优配置,机器学习的发展为解决这一难题带来新的机遇。通过总结和分析相关工作,将已有工作按照发展时间和特性分为专家决策、静态规则、启发式算法、传统机器学习方法和深度强化学习方法。对数据库参数优化问题进行定义,并说明启发式算法在参数优化问题上的局限性。介绍基于传统机器学习的参数优化方法,包括随机森林、支持向量机、决策树等,描述机器学习方法解决参数优化问题的一般流程并给出一般实现。由于需要大量带标注的数据,传统机器学习模型在适应性和调优能力等方面存在不足。侧重介绍深度强化学习模型的工作原理,定义参数优化问题与深度强化学习模型的映射关系,比较基于深度强化学习的相关工作对数据库性能提升、模型训练时间和涉及的技术,描述基于深度神经网络构建和训练智能体的具体流程。最后,总结已有工作的特点,对当前机器学习在数据库参数优化方面的研究热点和发展方向进行展望,指出多粒度调优、自适应算法和自运维是未来的研究趋势。

小样本学习技术在新型电力系统中的应用与挑战

数据驱动已成为新型电力系统建设及其数字化转型的核心范式,相关算法在负荷预测、状态检修、多主体调控等多项业务中展现出优越的工程效果与应用潜力。然而,实际工程数据往往面临着样本不足、样本不平衡等问题,制约了数据驱动算法的最终效果。因此,需要借助小样本学习来应对这一挑战。文中从数据、特征、模型3个层面探究了小样本学习技术,综述并分析了相关技术在场景生成、故障诊断、电力系统暂态稳定评估等业务的应用现状,并进一步指出小样本学习技术在新型电力系统中所面临的不足与挑战。

基于重采样和混合集成学习的不平衡窃电检测

针对电力用户类别不平衡导致窃电检测具有偏向性问题,该文提出一种基于重采样和混合集成学习的不平衡窃电检测模型。首先以Easy-ensemble混合集成学习框架为基础确定最佳采样子集数;然后通过重采样自适应策略,即根据用户用电数据集的不平衡度以及最佳采样子集数确定检测模型的重采样方式,使用电数据达到平衡;最后按照先串行集成减小偏差、后并行集成降低方差的混合集成方式,对重采样后的均衡样本进行窃电检测。算例对比分析表明所提检测模型通过重采样和混合集成有效解决了传统集成算法在不平衡窃电检测中的偏向问题,降低了由于用电数据的不平衡性对集成结果的影响,提高了用户类别不平衡的窃电检测效果,在多种不平衡度下模型的准确率、F1值和G均值均表现优异。

过程控制工程课程混合式教学中学生学习风格模型的构建及应用实践

大学生线上线下混合式教学中存在问题产生原因之一是缺乏对网络环境下学生行为数据的分析,从而无法判断学生的学习风格。因而基于数据挖掘技术,利用网络学习平台收集过程控制工程课程学习行为数据,建立基于灰狼算法优化支持向量机构建多维度的学习风格模型,处理和预测其可能的学习风格。有助于教师及时掌握学生动态,调整线上线下混合式教学方案,实现因材施教的个性化教学模式。

基于机器深度学习的小麦播种机控制系统研究

针对我国小麦播种机自动控制系统的可靠性及灵敏度不高的问题,基于机器深度学习对小麦播种机的控制系统进行了设计和改进。小麦播种机的主要组成包括控制系统、排种系统、监控系统、电力系统、机架和驾驶室、覆土镇压和排肥装置。为了使播种机的控制系统能有效进行图像检测识别,提升播种机的控制精度,采用机器深度学习中的卷积神经网络算法对控制系统进行设计,并采用迁移学习的方式对模型进行训练和检测。为了验证播种机控制系统的性能,对其进行播种精度控制和播种性能测试试验,结果表明:播种机的精度和性能均符合播种机的设计要求。

跨学科主题学习:价值、困境与实施路径--以地理学科为例

跨学科主题学习具有打破学科界限、解决单一学科无法解决的复杂问题的特点。然而,我国对从传统的分科课程教学向跨学科课程教学转变的路径研究处于起步阶段,尤其是基于学科教师需求而建立的跨学科课程的研究尚且不足。研究认为,跨学科主题学习对学生素质培养、教师专业发展和学校改革创新有独特的价值表现;依据跨学科主题学习现状与需求的调研分析,课程设计、实施与评价难度大是大部分教师所面临的现实困境;选择学习主题、确立学习目标、设置核心任务、设置驱动问题、安排学习活动、开展评价与反思是满足一线教师教学需求的跨学科主题学习课程实践路径。

基于机器学习的空气源热泵干燥能耗回归预测

为了降低空气源热泵干燥过程能耗,研究了空气源热泵干燥能耗特性,采用多元线性回归模型(multivariate linear regression model, MLRM)和BP神经网络(back propagation neural network, BPNN)模型来预测干燥工艺能耗。在分析干燥能耗影响特征参数的基础上,提出将干燥工艺过程进行切分处理的方法以降低数据获取难度。选取烘房设定温度、烘房设定湿度、烘房初始温度、烘房初始湿度、环境平均温度、环境平均湿度、物料质量和初始含水率8个特征参数作为模型输入,能耗和物料结束含水率作为模型输出。使用MLRM模型、BPNN模型和其他机器学习模型进行能耗预测,MLRM模型对能耗拟合的决定系数为0.739,对物料结束含水率拟合的决定系数为0.931;BPNN模型使用Sigmoid函数作为激活函数时对能耗拟合的决定系数最高,为0.828,使用Identity函数作为激活函数时对物料结束含水率拟合的决定系数最高,为0.942,拟合效果优于其他机器学习模型,能够满足实际生产需求。以复水豌豆为干燥对象设计加载物料65 kg、持续时间4 h的完整变温变湿干燥工艺进行验证试验,结果表明:试验总能耗为15.066 kW·h,MLRM模型和BPNN模型的预测总能耗分别为14.476 kW·h、15.183 kW·h,预测精度分别为96.08%、99.23%;试验结束含水率为8.541%,MLRM模型和BPNN模型的预测结束含水率分别为9.560%、8.889%,预测精度分别为88.07%、95.93%。该研究提出了一种使用MLRM模型和BPNN模型对空气源热泵干燥能耗进行分段精准预测的有效手段,对于优化干燥工艺和降低干燥能耗具有实际意义。