《Java Web应用开发》混合式教学改革与实践

当前，以往的传统教学模式难以满足学生的求知欲望，有必要进行混合式教学改革。以湖北文理学院计算机科学与技术专业的《Java Web应用开发》课程为例，进行混合式教学改革与实践，以提升课程的教学质量。教学实践表明，该教学改革与实践扩展了《Java Web应用开发》课程教学的时间广度和空间广度，激发了学生的学习积极性，收到良好的教学效果。     

《金属表面处理技术》课程产学研融合型教学模式研究与实践

金属表面处理技术是由多学科交叉融合而成、且在诸多技术领域中为发展最快的一项技术。随着高端制造业的快速发展以及市场对技术技能型人才的高要求,原有的《金属表面处理技术》课程教学内容、教学组织和教学效果已不能满足当前的教学要求,故必须通过校企联合对其进行研究,以探索出适合新形势下培养技术技能型人才的产学研融合型教学模式并加以实践,满足高职人才培养的需要。     

铁路货车缓冲器用E级钢中非金属夹杂物分析

结合某企业E级钢铁路货车缓冲器的制造工艺,利用扫描电镜、能谱仪等检测仪器对制造中产生的非金属夹杂物的分布、种类、来源及形成过程进行了分析。结果表明:E级钢中夹杂物以氧化物和硅酸盐类非金属夹杂为主,形态、大小各异,夹杂物呈均匀分布。尺寸较大的夹杂物为外来夹杂,是由于冶炼过程中钢水对炉衬冲刷,铸造工艺设计不合理及现场操作不规范造成的;尺寸较小的夹杂物为内生夹杂,这是由于脱氧不彻底,凝固过程中氧与材料中的化学元素发生反应生成的。     

顺托果勒北区块东河砂岩薄储层预测

东河砂岩储层是塔里木盆地北部地区主要的油气勘探层系，受多期地质运动的影响，东河砂岩受到不同程度的剥蚀，厚度薄，横向变化大，预测比较困难。顺托果勒北区块勘探程度低，没有钻井，没有三维资料，二维测网密度低。根据构造演化史分析，顺托果勒北区块应与相邻的哈得逊油田有相同的构造演化特点，油气成藏特征也应基本相似。为此，利用周边地区的测井资料在顺托果勒北区块进行了波阻抗反演，利用反演结果对东河砂岩的展布特征进行了描述，划分了东河砂岩发育的有利区域。利用频谱成像技术对东河砂岩地层厚度与调谐频率的关系进行了分析，确定了东河砂岩的最佳调谐频率，并通过区域频谱成像处理资料沿层进行了能量追踪，对东河砂岩厚度的变化趋势和空间分布范围进行了解释。在顺托果勒北区块，利用频谱成像技术和波阻抗反演技术对东河砂岩储层进行了预测。结合构造解释结果，优选出一个面积和厚度较大的圈闭，部署了顺托果勒北区块第1口探井，并在深度5483m钻遇厚度为40m的东河砂岩。     

从美学角度探讨当前民生新闻

新闻美学作为新闻学和美学交叉发展起来的边缘学科,虽说发展仍是方兴未艾,但新闻传播的内容应具有审美价值的观点。这不仅是社会发展的客观要求,也是新闻传播活动中传者与受者的共识。     

综放工作面末采停采线设计优化研究

文章根据综放工作面三机配套原则,计算出赵庄二号井1310工作面采煤机最小行走半径为78.13 m,液压支架与溜槽连接件十字头最大转角为26°。根据计算结果,设计了相应的提高煤炭采出率的两套停采线方案,通过对比,选用方案1为停采方案,并经过工程实践对方案1的可行性进行了验证。     

基于改进的L-BFGS稀疏降噪自编码网络的MRI脑图像识别方法

随着人类科技的飞速发展以及医学影像设备的不断更新,医学影像技术在脑部病 变的辅助诊断中起到了越来越重要的作用,为此,提出一种基于改进的 L-BFGS 稀疏降噪自编 码网络模型(ILSDAE),并将其应用于 MRI 脑图像的阿尔茨海默病的识别与脑部疾病的辅助诊 断。实验数据源取自 ADNI 数据集,经过校正、配准、分割、平滑等操作,获得脑部灰质图像, 随后将改进的无监督贪婪预训练方法和 L-BFGS 算法相结合,对深度自编码网络进行训练并通 过 Softmax 回归训练学习特征,从而实现对病症患者脑部图像的识别。ILSDAE 网络模型具有 很好的鲁棒性,与堆栈式自编码和自学习方法相比,实验结果证明了所提方法的有效性。     

基于改进YOLOv3的多尺度目标检测算法

为了进一步提高多尺度目标检测的速度和精度,解决小目标检测易造成的漏检、错检以及重复检测等问题,提出一种基于改进YOLOv3的目标检测算法实现多尺度目标的自动检测。首先,在特征提取网络中对网络结构进行改进,在残差模块的空间维度中引入注意力机制,对小目标进行关注;然后,利用密集连接网络（DenseNet）充分融合网络浅层信息,并用深度可分离卷积替换主干网络中的普通卷积,减少模型的参数量,提升检测速率。在特征融合网络中,通过双向金字塔结构实现深浅层特征的双向融合,并将3尺度预测变为4尺度预测,提高了多尺度特征的学习能力;在损失函数方面,选取GIoU（Generalized Intersection over Union）作为损失函数,提高目标识别的精度,降低目标漏检率。实验结果表明,基于改进YOLOv3（You Only Look Once v3）的目标检测算法在Pascal VOC测试集上的平均准确率均值（mAP）达到83.26%,与原YOLOv3算法相比提升了5.89个百分点,检测速度达22.0 frame/s;在COCO数据集上,与原YOLOv3算法相比,基于改进YOLOv3的目标检测算法在mAP上提升了3.28个百分点;同时,在进行多尺度的目标检测中,算法的mAP有所提升,验证了基于改进YOLOv3的目标检测算法的有效性。     

城市应急管理的委托-代理博弈

随着社会的发展,城市发生突发公共事件的概率上升,完善应急管理系统的紧迫性越来越突出。通过制定合适的激励机制,建立城市应急管理的委托-代理博弈模型,将政府与社会团体及人群的应急管理工作量化,通过理论计算,得出效用期望集,政府根据期望集优化应急管理。博弈模型的应用不仅提高了政府的应急管理能力,还增加了社会团体及人群的工作积极性,实现了全民参与型的应急管理系统的建设。     

基于深度学习的大数据管网风险评价方法

为了从管道大数据中挖掘有效信息,高效准确地识别管道存在的风险,建立城市管网风险预测体系,结合深度置信网络,提出了基于深度置信网络的管道风险预测方法。以某燃气公司12段管网为例,其预测结果与实际情况相符,进一步选取未评级管道,利用多层次模糊风险分析法与所建立模型同时进行风险评估,二者结果一致。研究结果表明,该模型稳定性强、诊断速度快、识别准确率高,可较好地实现城市燃气管道的风险模式识别。