充分发挥"敏特"英语学习系统的作用,全面提高英语成绩——信息技术与英语学科的典型整合

山东淄博市第五中学自2005年8月正式启动"敏特"英语学习系统以来,在课题组专家及领导的指导下,信息技术与英语学科教师密切合作,积极开展课题研究,经过不懈努力,已取得了优异成绩.2006年高考,山东省英语学科平均分为84.77分,淄博市第五中学英语平均分为95.34分,其平均分比山东省提高了10.57分、比淄博市平均分高出1.94分,在学校高考全部学科中成绩最佳.     

现代化教学软件在英语教学中的作用——谈“敏特”在淄博市的使用情况

2006年，淄博市高考成绩在去年翻番的基础上又取得大幅度增长的喜人局面。英语成绩也是如此：不管是高分人群，A、B、C三线分数，还是平均分都有大幅度提高。文科A、B，C线分别为121、113、107分；理科为118、108、103分；文理平均分分别为85．08、93．4分，比省抽样平均分84．3分分别高出0．78和9．1分。而2005年省抽样平均分为92．55分，淄博市的文理平均分为90．4、97．3分，文科低了2．15分，理科只高出4．75分。这些成绩的取得无疑要归功于过去一年里“敏特英语单词记易引擎”在教学中的运用。     

服务与可靠性

《PC Magazine》对40家台式和膝上型PC厂商所进行的半年一度的服务与可靠性调查表明,回应者一般对他们的PC和售后服务表示满意。在调查中,17000个用户对他们在过去两年中使用的22000多台式机和5600多台膝上型机进行了评价。满分为10分(最好成绩),台式机可靠性的平均成绩是8.3分,膝上型机为8.2分。台式机的“对技术支持的满意程度”和“对修理经验的满意程度”的平均成绩分别为7.2分和7.6分,膝上型机的平均成绩分别为7.1分和7.2分。 销售商的总等级被概括在读者报告卡中,该总等     

敏特对英语教学的撬动

2007年山东省高考是新课程改革后第一次高考,淄博市继2006年英语高考取得喜人成绩之后又获佳绩。淄博市英语最高分为144分,140分以上有5人,文理平均分分别为80.54、90.77。淄博市高考英语成绩连续攀高的成功原因是多方面的,敏特英语单词记忆工具功不可没,它是现代化信息技术与学科整合的又一见证,是淄博市《利用智能工具软件促进学生英语学习的研究》课题实施两年的结果。     

现代化教学软件在英语教学中的作用——谈"敏特"在淄博市的使用情况

2006年,淄博市高考成绩在去年翻番的基础上又取得大幅度增长的喜人局面.英语成绩也是如此:不管是高分人群,A、B、C三线分数,还是平均分都有大幅度提高.文科A、B、C线分别为121、113、107分;理科为118、108、103分;文理平均分分别为85.08、93.4分，比省抽样平均分84.3分分别高出0.78和9.1分.     

“非主流”学科赴高考（一）——敢问信息技术课程路在何方？

●当信息技术学科渐入高考 吴海青(海南) 2006年起,信息技术课程在海南省被列入高中基础会考科目.在高考综合分数中占10%,即10分原始分.由于海南省的高考分数采取转换分数制,所以最终信息技术成绩在学生个人高考成绩中至多占5分.     

敏特对英语教学的撬动

2007年山东省高考是新课程改革后第一次高考,淄博市继2006年英语高考取得喜人成绩之后又获佳绩.淄博市英语最高分为144分,140分以上有5人,文理平均分分别为80.54、90.77.淄博市高考英语成绩连续攀高的成功原因是多方面的,敏特英语单词记忆工具功不可没,它是现代化信息技术与学科整合的又一见证,是淄博市《利用智能工具软件促进学生英语学习的研究》课题实施两年的结果.     

2012年中国高性能计算机发展现状分析与展望

本文根据2012年11月发布的中国高性能计算机TOP100排行榜的数据,对国内高性能计算机的发展现状从总体性能、制造商、行业领域等方面进行了深入分析。我们发现,中国TOP100的平均Linpack性能与国际TOP500的平均Linpack性能的差距已经从原来的半年扩大到一年。在此基础上,根据十一届排行榜积累的性能数据和能够得到的其他公开历史数据,对未来几年中国大陆高性能计算机的发展趋势进行了分析预测。从预测可以看出,峰值为10Petaflops的机器将在2012年到2013年间出现;累计Linpack性能将在2013年到2014年间达到100Petaflops;峰值为100Petaflops的机器将在2014年到2015年间出现;峰值达到Exaflops级的机器将在2017年到2018年间出现。     

基于灰色系统GM(1,1)模型的某高校专业录取分数线预测研究

考生高考填报志愿时可以根据高考成绩及志愿学校的投档线进行填报,但在进行专业选择时,往往只有历史录取数据作为参考,不能真实反映当年的实际情况。本文采用灰色预测系统GM(1,1)模型预测方法,结合某高校各专业历年录取分数情况,对各专业以后几年的录取分数情况进行预测实现。避免考生高分却因专业顺序填写不对,调剂到不理想的专业,对考生志愿填报有较大的实际指导意义。     

基于分位数回归平均的电力负荷统计建模与预测

概率负荷预测能提供未来负荷值变化和不确定性的额外信息,其对于电力系统的规划和运行具有重要意义.通过对一组姊妹点预测进行分位数回归平均来生成概率负荷预测,既可以利用过去几十年的点负荷预测方法,又不依赖于高质量的预测结果.针对2014年全球能源预测竞赛的公开数据进行算例分析,结果验证了该方法的有效性.     

基于优化BP神经网络光伏出力短期预测研究

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1%,经遗传算法改进后的预测误差为4.9%,较单一模型提高了0.2%的精度,而WPA-BP预测模型误差为4.4%,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值。     

一种基于小波和神经网络的短时交通流量预测

针对实际交通流变化的不稳定性和复杂性的特点,应用交通流预测模型获取更准确的交通流信息,是智能交通领域的一个研究热点。提出一种基于小波分析与神经网络结合的预测模型。模型主要思想是通过小波多分辨率分析和Mallat算法对原始交通流数据进行平滑降噪处理,处理过程选用db10小波和软阈值去噪函数使得交通流曲线更加平滑稳定,更能真实反映交通流的真实情况;再采用激活函数为Tan-Sigmoid,训练函数为trainlm,各层神经元节点数为1-12-1的三层BP神经网络对消噪后的交通流数据进行训练,用训练好的预测模型对实际交通流信息进行预测,最后获取准确的交通流信息。实验结果表明,采用小波分析与BP神经网络结合的方法得到的预测结果平均相对误差为0.03%,最大相对误差为0.39,拟合度(EC)达到0.96。仅使用BP神经网络预测模型对交通流数据进行预测后得到的预测结果的平均相对误差为0.08%,最大相对误差为0.89%;实验对比采用BP神经网络预测模型和卡尔曼滤波、GM(1,1)预测模型对交通流的预测,BP神经网络预测模型的误差指标大大减小,拟合度大大提高,有较好的准确性和可行性,能较准确地反映交通流真实情况。而经过小波去噪与BP神经网络结合的预测模型提高了预测精度,为交通流的实时动态预警提供了更加准确真实的情况。     

基于交变粒子群BP网络的电力系统短期负荷预测

短期负荷预测是电力系统正常运行的关键环节,合理的发电计划依靠准确的负荷预测,因此提出交变粒子群算法来优化BP网络模型以预测电力短期负荷。针对 依靠先前的经验 来确定BP神经网络的权值缺少理论依据的问题,采用交变粒子算法优化BP神经网络权值,以减少通过神经网络预测模型求解电力短期负荷预测带来的误差。实验证明,经过优化的BP神经网络预测模型比传统的BP神经网络预测模型的误差更小,更加接近实际电力负荷。     

Adaboost集成BP神经网络在传感器阵列检测系统中的应用

针对目前常见的多元有害气体检测问题,设计并搭建了一种基于传感器阵列和集成 BP神经网络相结合的传感器阵列检测系统。在该系统中采用集成BP神经网络对传感器阵列的三种混合有害气体的响应信号进行回归分析。为了提高集成BP神经网络的预测准确性,又利用Adaboost算法对集成BP神经网络进行了优化。结果显示：该系统能够准确地检测气体组分,通过Adaboost算法对集成BP神经网络优化后,预测的平均相对误差小于2%,能够有效解决气体传感器的交叉敏感问题,提高传感器的选择性。     

基于模块化回声状态神经网络光伏发电量预测

针对光伏发电的不确定性、间歇性给电力系统并网运行带来的安全问题,提出了一种基于模块化回声状态网络模型对发电量进行预测.首先利用模块化神经网络按季节建立预测子模型,再将子模型按相同日类型进行数据划分后,与平均气温一同作为样本,利用回声状态网络对子模型进行训练和发电量预测,最后集成输出结果.结果表明:此预测模型在日类型相同时预测误差较小,而在日类型不同时预测误差较大,但与ESN和BP预测模型相比均具有更高的预测精度和更快的预测速度.     

基于灰狼群智能最优化的神经网络PM2.5浓度预测

针对目前PM_2.5浓度测量成本高和测量过程繁杂等问题,建立了基于灰狼群智能最优化算法的神经网络预测模型。从非机理模型的角度,结合气象因素和空气污染物对上海市的PM_2.5浓度进行预测,并使用平均影响值分析了影响PM_2.5浓度的重要因素。使用灰狼群智能算法优化神经网络的过程中,引入了检验样本实时监控训练过程以避免发生"过训练"现象,确保建立的神经网络模型具有较好的泛化能力。实验结果表明：PM₁₀对PM_2.5的影响最为显著,其次是CO和前一天PM_2.5。选取2016年11月1日-12日的数据进行验证,其平均相对误差为13.46%,平均绝对误差为8μg/m³,与粒子群算法优化的神经网络、BP神经网络模型及支持向量回归（SVR）模型的误差相比,平均相对误差分别下降了约3个百分点、5个百分点和1个百分点。因此,使用灰狼算法优化的神经网络更适合上海市PM_2.5浓度的预测和空气质量的预报。     

基于布谷鸟搜索优化神经网络的锂电池荷电状态预测

锂电池荷电状态(SOC)的预测是电动汽车锂电池管理系统中最为关键的技术之一;为实现对SOC的高精度的预测,提岀了一种基于布谷鸟搜索算法(CS)优化的误差反向传播(BP)神经网络的锂电池SOC预测方法,该方法的核心难点之一,在于优化BP神经网络的初始权值和阈值,从而可以改善易陷入局部最优的情况,减小算法对初始值的依赖;Matlab仿真结果表明,CS—BP神经网络算法的均方根误差值比BP算法的均方根误差值平均降低了0.010 6,CS—BP算法具有更高的预测精度和极强的泛化性能.     

基于遗传算法的BP 神经网络在城市用水量预测中的应

城市用水量的准确预测对供水系统的调度、改进具有重要意义。为解决传统BP神经网络预测模型易陷入局部极小、调整权值和参数需要不断尝试等问题,选用基于生物进化理论的遗传算法(Genetic Algorithms,GA)对其优化,提出了以GA优化BP网络的算法(GA-BP)。同时,针对以往BP神经网络预测模型因输入变量选取不当导致的误差精度过低的缺点,通过分析城市时用水量变化规律,得到合适的输入变量。最后,建立预测模型并使用历史数据进行训练和仿真。将预测模型应用于深圳市某供水公司,结果表明,该网络模型在城市时用水量预测中具有可靠性和适用性。     

面向阅读理解的句子组合模型

阅读理解任务需要综合运用文本的表示、理解、推理等自然语言处理技术。针对高考语文中文学作品阅读理解的选项题问题,提出了基于分层组合模式的句子组合模型,用来实现句子级的语义一致性计算。首先,通过单个词和短语向量组成的三元组来训练一个神经网络模型;然后,通过训练好的神经网络模型来组合句子向量（两种组合方法：一种为递归方法;另一种为循环方法）,得到句子的分布式向量表示。句子间的一致性利用两个句子向量之间的余弦相似度来表示。为了验证所提方法,收集了769篇模拟材料+13篇北京高考语文试卷材料（包括原文与选择题）作为测试集。实验结果表明,与传统最优的基于知网语义方法相比,循环方法准确率在高考材料中提高了7.8个百分点,在模拟材料中提高了2.7个百分点。     

BP神经网络在水质参数预测中的应用

本文利用BP神经网络良好的非线性映射特性,建立了水质预测模型,分别建立三种不同训练算法的氨氮预测神经网络,利用MATLAB神经网络工具箱编程实现。选用大量数据,反复加以训练,通过比较,挑选拟合程度好、精度误差小、泛化性能优秀的预测神经网络,并根据测试样本加以检验分析,最终选定L-MBP网络作为氨氮含量神经网络预测方案。