“Havruta”学习方法在急诊科护士心肺复苏培训中的应用价值研究

目的:探讨以"Havruta"学习方法在急诊科护士心肺复苏培训中的应用效果。方法:本课题纳入2017年笔者所在医院急诊科实习生62名。采取随机数字表法将62名实习生均分为两组。根据急诊科特点和心肺复苏培训大纲选择合适的心肺复苏培训老师,将"Havruta"学习方法应用到观察组31名实习生心肺复苏培训中,对照组31名实习生单纯应用传统教学法行心肺复苏培训。比较两组实习生成绩及心肺复苏培训结果评价。结果:观察组实习生病例分析主观题及总分明显优于对照组(P<0.05)。两组急危重症护理理论题对比,差异无统计学意义(P>0.05)。观察组应急操作能力明显优于对照组,对比差异有统计学意义(P<0.05)。结论:急诊科实习生运用"Havruta"学习方法的心肺复苏培训模式可显著提高学习质量,值得临床推广。

学习科学的学习观与方法论:范式与实践

关于“人是如何学习的”这个问题,学术界经历了从关注认知和脑的“学习的科学”到关注情境的“学习科学”的变迁。这种变迁背后的逻辑与研究者所秉承的学习观、研究范式及相关实践息息相关。行为主义与第一代认知科学的发展推动了实证主义范式与实验方法的蓬勃发展;第二代认知科学强调真实情境,建构观和解释主义范式受到重视;20世纪90年代起,旨在解决真实问题的实用主义范式与设计研究成为学习科学重要的研究方法。当下,大数据推动下学习分析领域的发展催生了指向复杂性的“新经验主义”范式。以复杂系统建模为主的数据密集型研究旨在打开学习发生的“黑箱”,深入探索学习的交互关系和演化机制。文章系统回顾与比较了学习科学领域四大发展阶段中的学习观、研究范式与相关实践,旨在推动学习科学理论与实践融合创新。

基于机器学习的盾构隧道地表沉降曲线智能预测方法

联合机器学习模型和启发式智能优化算法,提出盾构隧道开挖地表沉降曲线智能预测方法。首先,建立盾构隧道开挖数值分析模型,在考虑等代层弹性模量、土体弹性模量、隧道半径、土体摩擦角、黏聚力影响的基础上,构建了1680组不同工况影响的地表沉降曲线数据库;然后,分析地层和衬砌力学参数、隧道几何参数对地表沉降曲线的影响规律,采用Peck函数对获得的地表沉降槽曲线进行拟合,获得对应工况下地表最大沉降和沉降槽宽度系数;最后,采用粒子群优化算法(particle swarm optimization,PSO)分别优化4种机器学习方法即多层感知机(multi-layer perceptron,MLP)、极限学习机(extreme learning machine,ELM)、随机森林(random forest,RF)和支持向量回归(support vector regression,SVR)的超参数或随机数,建立了4种盾构隧道开挖有限元模拟代理模型,预测了盾构隧道地表沉降曲线,并对模型的预测结果、预测误差和评价指标进行了对比分析,结果表明PSO-SVR模型在训练和测试过程中性能最佳。建立的盾构隧道地表沉降智能预测方法具有较高的计算精度及计算效率,能合理高效地预测地表沉降曲线分布规律。

潜在空间中的策略搜索强化学习方法

策略搜索是深度强化学习领域中一种能够解决大规模连续状态空间和动作空间问题的高效学习方法,被广泛应用在现实问题中。然而,此类方法通常需要花费大量的学习样本和训练时间,且泛化能力较差,学到的策略模型难以泛化至环境中看似微小的变化。为了解决上述问题,提出了一种基于潜在空间的策略搜索强化学习方法。将学习状态表示的思想拓展到动作表示上,即在动作表示的潜在空间中学习策略,再将动作表示映射到真实动作空间中。通过表示学习模型的引入,摒弃端到端的训练方式,将整个强化学习任务划分成大规模的表示模型部分和小规模的策略模型部分,使用无监督的学习方法来学习表示模型,使用策略搜索强化学习方法学习小规模的策略模型。大规模的表示模型能保留应有的泛化性和表达能力,小规模的策略模型有助于减轻策略学习的负担,从而在一定程度上缓解深度强化学习领域中样本利用率低、学习效率低和动作选择泛化性弱的问题。最后,在智能控制任务CarRacing和Cheetah中验证了引入潜在空间中的状态表示和动作表示的有效性。

基于机器学习与DBN网络的网络入侵检测方法研究

随着计算机网络的发展,网络入侵的情况也越来越严重。传统网络入侵检测方法存在检测效率低、误判率高的情况,为了解决这些问题,提出了一种基于支持向量机的深度置信网络(SVM-DBN)的入侵检测方法。通过对支持向量机(SVM)进行优化,将支持向量机与深度信念网络(DBN)融合,利用SVM、DBN与SVM-DBN在网络入侵数据集中进行对比。结果表明,SVM-DBN算法的误差率最低,比DBN和SVM的误差率平均值分别低了8.95%,12.70%,且SVM-DBN算法在训练次数为140次时最大绝对百分比误差为4.8%,均优于对比方法。这说明SVM-DBN网络能够有效地提高网络入侵检测的精度和效率。

一种基于机器学习识别医疗设备异常运行状态方法的建立

由于传统识别医疗设备异常运行状态方法是通过手工预定义的关键字与设备响应数据的字段相匹配完成设备异常识别,易导致医疗设备识别结果不精确。基于此,本研究提出基于机器学习的医疗设备异常运行状态识别方法。基于机器学习的医疗设备异常运行状态识别方法通过传感器采集医疗设备的电压、电流、工作温度等异常特征数据,对多特征数据进行叠加融合,引入GRU网络构建机器学习识别模型,输入数据训练模型完成医疗设备异常运行状态识别。实验结果表明,基于机器学习的医疗设备异常运行状态识别方法可识别医疗设备不同类型的异常运行状态,误报率为4.43%,识别异常运行状态时间较短,准确度更高。

人工智能下学生自主学习方法探究

针对人工智能下学生自主学习的研究是非常有必要的,也是高等教育信息化研究的前沿领域与核心问题。本文从学生自主学习意识、自主学习能力以及自主学习环境三个方面对学生自主学习现状的分析,探讨了人工智能背景下学生自主学习存在资源利用、个性化学习和人机交互三个方面的优势,最终从学习前的定位、学习中的监督管理及学习后的效果评价提出了对应的学生自主学习方法。

促进大学生深度学习的PBL教学方法研究与实践

学习科学视角下深度学习能力受到社会各界的广泛关注,促进学生的深度学习已经成为高等教育的重要议题和研究热点。以问题为导向的PBL教学方法是更强调能力导向的教学,是促进学生深度学习的重要教学理念和方法。为评价分析大学生深度学习现状及其影响因素,在设计性实验课程中开展PBL教学,并在此基础上研究PBL教学方法对大学生深度学习的促进作用及改进策略。研究结果表明,实验班八个二级评价指标的平均值均略高于对照班,一定程度上可以说明PBL教学设计与实施可以促进大学生的深度学习。大学生深度学习的进一步促进策略可以从团队学习能力和反思评价能力方面重点实施。

基于深度学习方法的诊断模型在甲状腺结节超声诊断教学中的应用研究

文章选取2020级临床医学专业本科生共118人作为研究对象,将其随机分为实验组和对照组,研究了基于深度学习方法的诊断模型在甲状腺结节超声诊断教学中的应用效果,结果显示,实验组学生的诊断准确率更高、诊断速度更快、学习效果更好,两组间比较,差异均具有统计学意义。

实施一体化新样态体育学习方法的研究

实施一体化新样态体育学习方法研究,是当今小学体育教学质量提升的核心议题。一体化新样态作为一种新的体育方法论,渗透到每节课全过程中,本文突出课前运动知识技能前置性学习引导阶段,课中运动知识技能学练内化吸收阶段,课后运动知识技能巩固提高阶段。三块链接的体育教学方法为突破口,再运用一体化新样态学习的经典体育案例效果验证,再通过提炼融合“三诊三调”创新方式,旨在为促进小学体育教学质量提升推波助澜。

基于深度强化学习的综合航电系统安全性优化方法

为解决传统基于人工检查的安全性设计方法难以应对航电系统大规模集成带来的可选驻留方案爆炸问题,构建航电系统分区模型、任务模型以及安全关键等级量化模型,将考虑安全性的综合化设计优化问题模型化为马尔可夫决策过程(MDP)问题,并提出一种基于Actor-Critic框架的柔性动作-评价(SAC)算法的优化方法;为得到SAC算法的参数选择和训练结果之间的相关性,针对算法参数灵敏度开展研究;同时,为验证基于SAC算法的优化方法在优化考虑安全性的综合化设计方面的优越性,以深度确定性策略梯度(DDPG)算法和传统分配算法为对象,开展优化对比试验。结果表明:在最佳的参数组合下,使用的SAC算法收敛后的最大奖励相较于其他参数组合提升近8%,同时,收敛时间缩短近16.6%;相较于DDPG算法和传统分配算法,基于SAC算法的优化方法在相同的参数设置下获得的最大奖励、约束累计违背率、分区均衡风险效果、分区资源利用以及求解时间方面最大提升分别为62%、7464%、8370%、2123%和775%。

基于离散元-机器学习的铝土矿矿柱强度预测方法

矿柱极限承载能力与矿柱尺寸参数密切相关,科学地预测矿柱强度是空场法安全高效开采铝土矿的关键。为了准确高效地预测矿柱强度,融合运用离散元方法(DEM)的模型参数化、样本数据强扩展性与机器学习(ML)方法的数据驱动优势,选取矿柱尺寸参数(长、宽、高)作为影响因子,开发了Grasshopper参数化建模电池组,实现了等块体密度的矿柱黏合块体模型(BBM)的参数化构建,结合矿体节理分布特征实测结果,利用3DEC程序构建了300组黏合块体-离散裂隙网络(BBM-DFN)矿柱离散元数值模型,开展了矿柱承载特性试验,监测并建立了机器学习数据集,且验证了此数据集的可靠性;分别以支持向量机(SVM)、BP神经网络、随机森林(RF)、高斯过程回归(GPR)4种算法构建了矿柱强度预测模型,根据回归类模型评价指标(判定系数R2、可解释方差E_(EVS)、平均绝对误差E_(MAE)、均方误差E_(MSE))开展了最优模型的评选,结合改进的量子粒子群智能优化算法(IQPSO)进一步优化模型,利用该模型建立了矿柱影响因子与强度之间的非线性映射关系。研究表明:由矿柱强度参数化模拟结果可知,随着矿柱宽高比增加强度显著提升,长宽比对强度影响幅度相对较小,当矿柱高度和横截面积相同时,不同截面矿柱承载能力依次为:正方形>长方形;当矿柱宽高比大于1时,方形截面矿柱强度影响因子敏感性主次顺序为:矿柱宽(长)度>矿柱高度;根据机器学习算法指标综合评价,SVM模型是矿柱强度预测的最佳模型(R^(2)=0.953、E_(EVS)=0.953、E_(MAE)=0.608、E_(MSE)=0.551),结合IQPSO算法优化后模型预测性能得到了进一步提升(R2=0.985、E_(EVS)=0.986、E_(MAE)=0.373、E_(MSE)=0.239);将IQPSO-SVM矿柱强度预测值与3种经典硬岩矿柱强度公式计算结果进行了讨论分析,得出了Hedley公式针对铝土矿强度计算不适用,Krau-land公式适用于宽高比小于4时,Esterhuizen公式可通过调整不连续因子(F)进行较为准确的强度计算。研究成果为硬岩矿柱强度的预测提供了一种解决方案,拓宽了矿柱(群)稳定性评价的思路。

公司债券信用利差微观影响因素研究——基于机器学习方法的分析

基于2008—2022年我国A股上市公司发行的公司债券二级市场月度面板数据,使用多种机器学习方法研究债券个性因素与公司个性因素对公司债券信用利差的影响与贡献。研究结果表明,信用评级、月交易天数比例、公司产权性质、公司规模为公司债券信用利差的重要影响因素,企业资产负债率、债券剩余期限、控股股东股权质押比例、资产回报率、公司所属行业、第一大股东持股比例、公司股价波动和债券换手率为公司债券信用利差的次要影响因素;公司债券信用利差预测值与信用评级、公司规模、公司产权性质显著负相关,与债券月交易天数比例显著正相关;月交易天数比例、公司产权性质、公司规模对不同信用评级组别的影响存在异质性。债券月交易天数比例和公司产权性质对AA级及以下的低信用评级公司债券信用利差影响更大,发债公司规模对不同信用评级公司债券信用利差影响的差异性较小。

设计学习情境的教学方法(PBL法)在应用化学专业英语教学中的应用研究——评《化学与应用化学专业英语》

随着全球化的发展,英语在科学研究和国际交流中发挥着越来越重要的作用。对于应用化学专业的学生来说,掌握专业英语技能对于其未来的职业发展至关重要。然而,传统的英语教学方式往往忽视了学生在实际场景中的应用能力,导致学生无法将所学知识应用到实际工作中。因此,设计学习情境的教学方法(PBL法)教学法应运而生。它是以问题为导向,注重学生的主动性,旨在提高学生的专业能力。基于此,通过探讨PBL法在应用化学专业英语教学中的应用策略具有重要意义。

基于深度学习的监控视频图像增强处理方法

传统的图像增强处理方法常存在图像清晰度较低、失真度较高的问题。因此,提出基于深度学习的增强处理方法。在获取监控视频图像信息后,对图像进行序列对齐处理。通过图像量化处理的方式显示单个图像中的关键像素点和邻近像素点之间的分布。采用深度学习技术,用8个方向的梯度算子提取反射图像的方向梯度,得到细节增强的反射图像,再通过Retinex反变换完成增强处理。设计对比实验,证明该方法可以改善监视视频的图像增强效果,获得更清楚的景物图片。

深度学习理念下“商业模式创新”课程课堂教学方法改革研究

随着互联网与信息技术的发展,学生获得知识的途径与形式不断增加,但是大部分学生的学习还只是浅层学习,对于知识缺乏深度探索、理解与应用,创新思维、创新能力难以得到提升。该文以“商业模式创新”课程为例,以教学内容作为切入点,提出与其相匹配的灵活多样的教学方法组合策略,进而促进学生深度学习。基于深度学习理念的教学方法改革,不仅能够解决学生如何有效“学”的问题,而且能进一步凸显教学内容的学习价值。

漫谈场馆学习:观念、技术与方法

魏宁:鲍教授您好,很高兴有机会和您聊一聊场馆学习这个正在逐渐成为热点的话题。2020年,教育部、国家文物局发布了《关于利用博物馆资源开展中小学教育教学的意见》,在2022年颁布的义务教育课程标准中,很多学科都明确提出了要利用场馆资源开展学习,这些都标志着场馆学习正在进入一个蓬勃发展的新阶段。

牢牢掌握习近平主席提倡的学习方法

重视学习、善于学习是中国共产党的优良传统。推动学习贯彻习近平新时代中国特色社会主义思想主题教育走深走实,切实以学铸魂、以学增智、以学正风、以学促干,关键在于坚持科学的学习方法。对于党员干部“如何学”,习主席作出一系列重要论述,为我们准确掌握学习方法提供了根本遵循。学习不能泛泛而学,要有正确方向。

深刻理解党纪学习教育的开展缘由、依据与方法

2024年4月至7月在全党开展党纪学习教育,是全体党员干部学纪、知纪、明纪、守纪的一个良好契机。从开展缘由来看,党纪学习教育是赓续政党政治基因的应有之义、落实全面从严治党的必然要求和推动学习纪律法规的关键之举。从开展依据来看,党纪学习教育应立足于丰厚深邃的思想资源和日益完善的文本资源。从开展方法来看,党纪学习教育应正确运用政治纪律与其他纪律相承启、正面引导和反面警示相贯通、组织引领和全党动员相结合、理论学习与工作实践相促进的学习方法。

浅谈高等数学学习方法

高等数学是大学数学的重要组成部分。本文将通过分析高等数学学习的性质、目的和现状,从教师和学生两个方面,提出几点有效的学习方法。教师层面则围绕兴趣教学、RMI原则及解题方法多元化展开数学学习方法的论述,而学生要从建立自信、练习习题、确保听课效率、举一反三等七个方面做起,培养数学思维,学好高等数学,希望本论文内容能对高等数学学习者通过一些参考和启示。