应用型本科院校课堂教学改革研究

通过比较中美大学课堂教学方法,结合拓展训练和古人治学的思想,提出了大学课堂教学改革的思路。在课堂教学中要以学生为中心,教师作为辅助者为学生答疑解惑;在教学方法上不但要师生互动,而且要设计拓展教学环节,让学生参与到教学过程中;在课堂之外为学生应用所学知识创造机会。     

基于“卓越计划”的专业选修课教改探讨

根据新时期国家对“卓越工程师”培养计划的要求,针对在工科学校选修课程的特点和在实际教学中存在的问题,在教学内容、教学方法和方式、实验课程建设和考核方法等方面提出了一些改革建议,以期能够根据现有的条件,尽可能地提高教学质量,满足国家对“卓越工程师培养计划”的要求。     

电网智能调度自动化系统研究现状及发展趋势

调度自动化系统作为电网运行控制的基础,在智能电网背景下将向智能化的方向发展。文中综述了国内外电网智能调度的实践情况,对智能调度的需求、考虑因素等若干问题进行了探讨,提出智能调度中心的层次结构,并对智能调度中心涉及的关键技术进行了阐述。     

一种改进的基于混沌理论的木马检测器生成算法

在分析现有应用于入侵检测系统中的检测器生成算法的基础上,提出了一种基于混沌理论的木马检测器生成算法,通过混沌的初值敏感性实现了广泛的搜索空间.结合加权欧式距离,并利用混沌的遍历特性产生了均匀的检测器集合.采用Microsoft visual 2008和Matlab进行仿真实验,结果表明,改进的算法能有效保持抗体的多样性,并具有较快的收敛速度.     

一种基于模型映射的XML文档存储模型

本文提出了一种基于模型映射的XML文档存储模型Xpev,模型映射的主要特点是存储XML文档时不需要文档的模式信息。Xpev主要由三个表构成,通过Xpev可以将以数据为中心的XML文档存储到关系数据库中。Xpev模型优于已有的基于模型映射的存储模型。     

PHB生产中发酵液的絮凝

在转基因欧文氏工程菌发酵液体系中,对絮凝和了筛选,并对其最佳作用条件进行了研究,结果表明,发酵液的ＰＨ、絮凝剂浓度和絮凝温度对絮凝效果的影响较大,在酸性条件下絮凝剂ＺＴＣ、Ｊ－１０１作用效果较好,而在碱性条件下ＺＴＣ、净水粉、明矾、硫酸铝钾、Ｊ＝－１０１、聚合铝的作用效果较好,其中ＺＴＣ、Ｊ－１０１和净水粉最好     

自注意力机制的短文本分类方法

针对短文本信息量少导致隐藏的信息难以充分挖掘和深度学习模型易受干扰导致分类准确度下降的问题,提出一种融合对抗训练自注意力多层双向长短期记忆网络(Con-Att-BiLSTMs)短文本分类模型.将文本训练集按不同比例进行分类对抗训练,通过对抗训练提升模型的健壮性;利用多层双向长短期记忆网络对语义进行提取,利用自注意力机制...     

重庆市涪陵区房地产市场平稳健康发展路径探析

<正>当前,重庆市涪陵区房地产市场正处于向新发展模式过渡的转型期,面临资金、市场、交付等前所未有的压力,同时也出现了住房租赁、城市更新、旅游+地产等新机遇。市场应在坚持“房住不炒”的总定位前提下,努力适应新形势,满足新需求,推动新发展。本文通过对重庆市涪陵区房地产市场现状、发展趋势进行分析,探讨其平稳健康发展路径。     

基于整体提升技术的火灾后网架结构拆除方法研究

整体提升施工技术逆向运用于达到使用年限或灾后受损需要拆除的结构中，将高空的整体结构逆向提升至地面完成拆除，此施工方法具有施工占地面积小、高空作业量小、安全性高等优点。以四川省某批发市场火灾后的屋面网架结构为例，针对基于整体提升技术的网架结构拆除方法进行研究。通过有限元软件MIDAS Gen,依次选取4组、5组、6组提升支架方案，分别按照吊上弦螺栓球和下弦螺栓球进行模拟计算，对比不同提升支架布置方案和吊点方案的变形和内力情况。计算结果表明，为减小结构变形和应力变化，在对称网架结构逆向提升施工中，应优先设置双数提升支架组数。同时，对网架进行了不同步逆向提升模拟计算，得出为避免结构显著不均衡变形，逆向提升施工时应将不同步量严格控制在15mm以内。工程实例应用结果表明，整体提升技术在屋面网架空间结构拆除施工中效率高，安全可靠，建议同类型工程施工使用此项技术。     

基于自步学习的开放集领域自适应

领域自适应的目的是将从源领域获得的知识泛化到具有不同数据分布的目标领域.传统的领域自适应方法假设源域和目标域的类别是相同的，但在现实世界的场景中并非总是如此.为了解决这个缺点，开放集领域自适应在目标域中引入了未知类以代表源域中不存在的类别.开放集领域自适应旨在不仅识别属于源域和目标域共享的已知类别样本，还要识别未知类别样本.传统的领域自适应方法旨在将整个目标域与源域对齐以最小化域偏移，这在开放集领域自适应场景中不可避免地导致负迁移.为了解决开放集领域自适应带来的挑战，提出了一种基于自步学习的新颖框架SPL-OSDA (self-paced learning for openset domain adaptation)，用于精确区分已知类和未知类样本，并进行领域自适应.为了利用未标记的目标域样本实现自步学习，为目标域样本生成伪标签，并为开放集领域自适应场景设计一个跨领域混合方法.这种方法最大程度地减小了伪标签的噪声，并确保模型逐步从简单到复杂的例子中学习目标域的已知类特征.为了提高模型在开放场景的可靠性以满足开放场景可信人工智能的要求，引入了多个准则以区分已知类和未知类样本.此外，与现有...