基于翻转课堂的“创业模拟与实践”课程构建与实施——以江西财经大学为例

介绍了江西财经大学在"创业模拟与实践"课程在现有教学基础上所进行的基于翻转课堂的课程构建与实施情况。结果表明,基于翻转式课堂模式的教学改革提高了课程的教学质量,提升了学生竞赛能力。

基于云桌面的高校计算机实验室建设研究

计算机实验室是高校培养实践性人才的一个重要实践教学资源。针对传统计算机实验室建设成本高、维护复杂、使用率低、共享困难等问题,提出基于云桌面的计算机实验室建设方案。对该方案的技术架构和运用优势进行详细分析,并结合江西财经大学计算机实践教学中心的运用案例,发现该建设方案不仅提高了实践教学体验水平,而且极大方便了实验室的管理和维护,有效推动了实验室信息化建设水平。

基于网络教学平台的CBL教学模式实践研究——以J2EE程序设计为例

随着高等教育教学模式的不断改革,大部分高校已将网络教学平台纳入了教学环节,网络教学平台对高等教育教学改革将会起到巨大推动作用,能极大促进学生自主学习和创新能力的发展,但如何在课程教学中融入网络教学平台却需要长时间的探索与实践。文章探讨基于网络教学平台的CBL教学模式设计与实施,实践表明该方法有利于增强课程教学的主动性,能进一步提高学生学习的积极性,同时提高学生的实际动手能力与合作能力,是一种值得推广应用的教学模式。

基于云计算的经管类虚拟仿真实验教学平台的设计与研究

针对当前经管类虚拟仿真实验教学平台存在的规模小、范围窄等制约因素的情况,从开放式的虚拟仿真实验教学平台的角度,根据目前高校实验教学面临的实际状态与改善提高的需求,设计一个基于云计算的虚拟仿真实验教学平台,为满足多学科协调、多层次互补、高度仿真的实验教学需求。

基于翻转课堂的经管类综合实验教学模式设计

综合实验教学是培养经管类学生实践能力和创新能力的重要举措,受到越来越多高校的重视。随着教育教学改革的深入,经管类综合实验教学也从外延式发展逐渐步入内涵式发展阶段,如何改进实验教学方法、激发学生自主学习、提升实验教学质量成为研究重点。翻转课堂打破了传统以教师为中心的教学模式,以学生为中心,促进学生自主学习,提高教学效果。针对传统经管类综合实验教学中存在的问题,提出基于翻转课堂的改进型教学模式。以ERP沙盘模拟课程为例进行了教学模式的设计、实施、验证,结果表明:基于翻转课堂改进的教学模式提高了经管类综合实验教学的效果和质量。

VB程序设计教学新思路的实践与探讨

VB程序教学内容枯燥无味学生很难融会贯通,想让学生熟练掌握并运用还是有些困难的,此文主要是在如何提升学生自主创造力和创新力的能力为基础点,根据以往的教学思路对VB程序教学的经验所提出的一系列解决方案,运用有趣和多样化来加深和培养学生兴趣,为学生对接下来的深入学习铺好路,激发学生的强烈学习积极性,鼓励学生总结归纳所学知识,提高学习能力,让学生理论和实践相结合,培养实践操作能力。

经管类实验教学资源区域共享平台体系研究

实验教学是高校培养创新创业人才的关键环节。实验教学资源的不均衡是高校间面临的关键问题,资源共享机制是解决该问题的有效手段。通过对目前实验教学资源共享的现状进行分析,总结资源共享存在的问题和导致的原因。为此提出政府主导、企业支持、实验教学示范中心带头、高校配合的经管类实验教学资源区域共享平台建设体系,使用云计算技术搭建跨平台、跨校区、跨学校的共享资源平台,并为平台的可持续发展提出了完善的运营机制与管理体制,以提高区域内高校经管类实验教学的综合水平,促进经管类专业学生创新能力的培养。

基于问卷调查的自媒体环境下大学生医患观影响因素研究

首先采用文献分析法分析相关文献,构建大学生医患观的影响因素调查指标;然后设计问卷属性,以南昌市高校学生为对象进行调查;运用因子分析和多元线性回归方法,分析影响大学生医患观构建的基本因子,对显著性较强的因子进行有序ordinal回归,探索自媒体环境下大学生医患观影响因素;最后提出基于大学生、自媒体、医院、政府4个层面的政策建议,为构建大学生和谐医患观提供理论依据和数据支撑.

经济管理与创业模拟实验中心5S管理量化应用探讨

阐述了5S管理的起源、发展和目的，针对江西财经大学经济管理与创业模拟实验中心实施5S管理的成功经验进行了实践应用分析，探讨了实施方法和步骤以及存在的问题和对策。

软件可靠性模型现状与研究

对近几十年中用于正确评估预测软件系统可靠性的主要模型进行了回顾性研究。对基于模型采用的数学工具,将文献中的模型分为解析性模型和启发性模型。再对于模型假设以及模型主要思想进行了研究和分析。最后对软件系统可靠性模型研究趋势和存在的问题进行了展望。

基于改进型协同过滤的网络学习资源推荐算法

面对网络学习资源的信息过载问题,如何根据用户的偏好推荐其感兴趣的学习资源是网络教育智能化的关键应用.协同过滤推荐算法无需构建资源的特征描述,经常应用于形式多样的网络学习资源推荐,但传统协同过滤推荐算法具有评分矩阵稀疏和冷启动问题.针对这两个问题,提出基于改进型协同过滤的网络学习资源个性化推荐算法.该算法首先将用户对资源的学习行为转化成用户对资源的评分,缓解评分阵稀疏问题;其次引入用户初始化标签改进用户的相似度计算,解决新用户的冷启动问题;最后采用均方根误差(RMSE)进行推荐算法预测准确度衡量.实验结果表明,该改进算法提升了个性化资源推荐效果.

基于Word2vec和改进型TF-IDF的卷积神经网络文本分类模型

针对传统机器学习文本分类算法语义特征表达弱、文本表示维度高、词序丢失、矩阵稀疏等问题,提出基于Word2vec、改进型TF-IDF和卷积神经网络三者相结合的文本分类模型(CTMWT):首先通过Word2vec模型训练得出样本中所有的词向量;然后提出基于类频方差改进型TF-IDF算法,分析每个词向量在文本中的权重,构建基于词向量和权重的文本向量表示;最后借助卷积神经网络从局部到全局相关性特征的学习能力,对该大量文本向量进行深度学习.试验结果表明三者结合的文本分类模型不仅能实现文本的准确分类,并且相比传统的机器学习文本分类算法具有更好的分类效果.

移动Ad Hoc网络混合检查点策略

考虑到移动Ad Hoc网络无固定中心节点、多跳路由和资源有限等特点,基于分簇移动Ad Hoc网络结构,提出了一种结合同步和异步检查点技术的混合检查点策略,即同簇终端检查点必须保持同步,而异簇终端检查点保持独立.首先讨论了混合检查点模型及其正确性准则.然后,基于簇内及簇间检查点依赖图,讨论了不同类型检查点清除规则.最后,给出了相应的检查点及回滚恢复算法,并证明了回滚恢复的正确性.所提出的混合检查点策略既能避免同簇进程级联回滚所引起的资源浪费、又能避免异簇终端之间过多跨簇消息传递及减少无线通信延迟.实验结果表明,与单纯的同步及异步检查点策略相比,所提出的检查点策略是一种综合考虑移动Ad Hoc网络各种资源约束的较好折中方案,且具有恢复时间短、对簇头依赖小、灵活性好等优点.

多元特征融合的GRU神经网络文本情感分类模型

传统机器学习文本情感分类算法文本表示维度高、语义丢失、矩阵稀疏、分类模型浅,导致算法泛化能力弱;基于深度学习的文本情感分类算法推崇数据驱动,忽略了对情感已有的先验知识,算法需要大量的训练数据才能获得较好效果.针对这一现象,提出基于词嵌入特征、词情感特征、词权重特征融合的GRU神经网络文本情感分类模型(TMMG):该模型通过Word2vec模型得出低维稠密且包含语义信息的词嵌入特征;根据文本情感表达特点,构造包含六种情感要素的情感字典,依据情感要素字典定量表示情感特征;使用TF-IDF计算词语的权重特征;将前面3类特征融合构造词语融合特征表示,并将文本转换成融合特征序列数据;利用GRU神经网络处理序列化数据的优势,构建情感分类模型TMMG.实验结果发现该模型TMMG相比传统机器学习具有更好的泛化能力,相比其他深度学习算法在较少训练数据量时也能获得较好的分类效果.

融合语义相似度的协同过滤推荐算法

针对协同过滤推荐算法没有考虑推荐对象间语义关系的问题,提出一种融合推荐对象语义相似度的改进型协同过滤推荐算法.首先利用知识图谱表示学习算法将推荐对象的语义信息嵌入到一个低维语义空间;然后计算推荐对象之间的语义相似度,把该语义相似度融合到协同过滤推荐算法的相似度计算中,弥补协同过滤推荐算法没有考虑推荐对象自身语义知识的缺陷.实验结果表明,该改进型算法相比传统协同过滤推荐算法,具有更高的准确率、召回率和覆盖率.

基于改进信息增益特征选择法的SVM中文情感分类算法

为文本情感分类提出一种改进的机器学习算法。在分析当前主要文本特征选择方法后,把词频和词语情感表现程度融入到信息增益特征选择方法中,从全局和局部2个方面进行特征权重衡量,使用特征空间向量模型对文本进行统一表示,然后利用SVM算法进行训练学习。通过实验发现该算法的查准率和查全率比传统的机器学习算法有所提高,并且得到的分类器具有较好的泛化能力。

物联网技术在粮食仓储管理中的应用

我国积极推行与落实"三农"政策,力求帮助农民获得更大的经济收益,扎实做好农民科学储粮工作,是一项重要的举措。本文从物联网技术在粮食仓储与管理中的应用角度出发,探究了信息技术在粮食仓储管理中的重要作用,主要包括粮情检测、自动化通风等。通过物联网技术,不仅可以实现粮食流通、检测以及储存上的信息交互,还可以实现粮食的安全存储,对我国粮食仓储管理有重要价值。

融合多元用户特征和内容特征的微博谣言实时检测模型

针对目前基于单文本语义特征深度学习的微博谣言实时检测模型泛化能力不足的问题,提出一种融合多元用户特征和内容特征的实时检测模型.首先,在传统用户基本特征和内容统计特征的基础上,利用用户的历史行为数据,挖掘用户理性值和用户专业度两个深层次特征;然后,基于词向量和带有注意力机制的双向GRU神经网络构建文本语义特征学习模型;最后,采用分层特征级联和全连接的方式进行特征融合,把融合特征输入分类模型进行训练.实验结果表明,该模型的检测准确率达到了91.74%,相比其他只关注文本语义特征的深度学习实时检测模型具有更好的识别效果,相比于其他改进型的实时检测模型F1-Measure值也提高了2.19%.

基于分类算法的哮喘确诊研究

本文旨在基于6520份病例激发实验数据,深入研究哮喘确诊的个人特征、人群分布和检查参数特点,并通过比较XGBoost、随机森林和支持向量机算法在本文数据集上的分类表现,发现支持向量机的分类效果最优,并得出判断哮喘确诊的特征重要性排序;还通过身体体检参数的探索性亚组分析,发现哮喘确诊具有明显的亚组趋势,说明在不同状况的人群中,哮喘确诊有显著差异。

融合多元异构信息的矩阵分解推荐算法

针对矩阵分解推荐算法存在的数据稀疏和不能反映用户兴趣变化的问题,提出一种融合用户点评数据、用户-物品评分数据、物品异构信息和遗忘曲线的改进型矩阵分解推荐算法.首先,利用Worde2Vec对用户点评数据中包含的物品内容信息进行挖掘,结合物品属性数据得出物品相似度矩阵;然后,构建用户-物品-属性的加权异构信息网络,在权重计算时引入激活函数和遗忘曲线,通过元路径计算用户相似度矩阵;最后,把物品相似度矩阵和用户相似度矩阵融合到矩阵分解算法的目标函数中.实验结果表明,该改进算法相比于传统矩阵分解推荐算法和部分其他改进算法具有更高的准确率、召回率、覆盖率和更低的均方根误差.