微课程在程序设计教学中的运用

微课程是当前比较热络的一种教学方式,在职业高中信息技术教学中,需要从学生的逻辑与创新思维培养角度认识微课程的迫切性。在具体的教学实施中,需要注意微课程的针对性,需要注意情景的完整性与教学策略的内隐性,需要以学生熟悉的事例为支撑。同时要注意学生的认知规律与心理基础。     

电力系统继电保护整定计算软件探析

介绍电力系统继电保护整定计算软件的相关问题,着重探讨了对该软件的改进措施.     

基于Windows内核进程监控机制的研究与实现

互联网技术的不断发展对信息系统的安全提出了更高的要求,需要对系统提供更多方面的防护机制,而系统进程则是其中防范的一个方面。本文在Windows内核驱动程序理解的基础上,对系统进程监控技术进行了深入研究,采用事件触发的机制和技术,实现了对系统进程实时可靠的监控。     

相转移催化合成癸二酸二甲酯

使用相转移催化剂BTEAC(氯化三乙基苄胺 )合成癸二酸二甲酯。条件为 :10g癸二酸 ,80mL甲醇 ,0 .5mL硫酸 ( 98% )和 0 .0 5gBTEAC。癸二酸二甲酯产率达到 90 .4 %     

面板堆石坝面板顺坡向挤压破坏机理的试验研究

本文针对面板堆石坝面板顺坡向挤压破坏的钢筋压曲凸起问题开展了试验研究,采用了配有单根立筋的混凝土柱受压试验来模拟面板顺坡向的挤压破坏。试验结果证实了以往研究中无箍筋钢筋混凝土立柱抗压强度低于素混凝土柱、且钢筋保护层厚度越小强度越低的推测。与素混凝土柱相比,保护层厚5 cm钢筋混凝土柱的强度降低约10％。根据试验的破坏荷载结果,通过已有理论解反推出了立柱的侧向支撑刚度k,对于保护层厚5 cm和8 cm立柱k值相应为0.841 N·mm^-2和1.032 N·mm^-2。经过试验结果分析,发现钢筋混凝土立柱各截面不服从应变平面假设,受压中钢筋没有同混凝土一起协调变形,钢筋与混凝土之间相互作用强烈。本研究结果再次说明,限制钢筋的侧向变形是防止面板顺坡向挤压破坏的根本措施。应开展可模拟混凝土中钢筋压曲的挤压破坏数值模拟研究,为这些措施的量化设计提供依据。     

压缩感知算法在阵列测向中的相干信号分辨

现有算法在进行信号重建时,需要原始信号的稀疏信息来控制初始原子集的大小和算法迭代的最大次数,这削弱了重建精度,增加了计算复杂度,限制了其实际应用能力。为了克服这个问题,提出了基于正交匹配追踪算法的改进算法。该算法将阵元个数作为假设稀疏度,在稀疏度未知的初始阶段扩展初始原子集。最后通过对测量信号的幅度进行阈值过滤以实现信号的分辨和信源数的估计。为解决测向人员面对监测软件所指示的多个信号示向度中,无法分辨哪些指示方向是同一个信号源所产生的折反射信号的问题,首次提出了基于压缩感知算法的相干关系分析和相干信号分辨的模型。实测数据结果表明,该算法在不同环境下可以清晰分辨相干信号,并且能够适应多种实验平台。     

基于“CDIO”的“1+2”新教学模式研究

“CDIO”教学是将工程思维训练融合在教学各个环节当中,本文采用“CDIO”与“案例教学、启发教学”进行融合,组合成为一个新的“1+2”教学模式,以医学信息工程学院课程作为应用载体,将传统教学升华到工程思维教学、团队教学上,转变教师授课形式,激励和引导学生自主学习,为学生提供思维的空间和意境,帮助学生在学习时发现问题,发现、解决值得解决的问题,掌握计算在问题解决过程中发挥的作用,获得构建自身学科知识体系,终身自我学习的能力,滋生创新能力,达到学科知识与工程思维能力互相促进,共同提高的目的。     

A Novel Heterogeneous Actor-critic Algorithm with Recent Emphasizing Replay Memory

Machine Intelligence Research - Reinforcement learning (RL) algorithms have been demonstrated to solve a variety of continuous control tasks. However, the training efficiency and performance of...     

集装箱码头岸桥最优调度理论研究和高效算法

岸桥调度问题是集装箱码头中最核心的调度问题之一.现有研究成果无法在可行时间内计算出对较大规模业务的最优调度,因此现有岸桥调度算法普遍采用启发式策略,以保障在可行时间内计算出一种调度.首先从理论角度证明了完工时间下界的正确性,设计了一种最优调度构造方法,完备了岸桥调度问题的理论体系;其次,在此理论工作基础上,设计了线性时间复杂度的算法求出最优调度;最后,用实验验证了所提方法在解的质量和效率上显著优于现有方法.     

基于侧重点聚类的数学表达式相似度计算方法

数学表达式相似度计算在信息检索中起着重要的作用,但现有的计算方法较少考虑数学表达式侧重点对相似度计算准确度的影响。为解决该问题,提出一种基于侧重点聚类的数学表达式相似度计算方法。针对侧重点主观性强的特点,定义表达式元素映射规则,使用[K]-means++算法对数学表达式聚类,从而归纳出数学表达式所属侧重点簇;以侧重点簇为依据,使用遗传算法对相似度计算方法中相关参数进行优化调节,以加强侧重点对相似度结果的影响。对比实验表明,该方法的相似度计算性能有所提高,得到的表达式结果列表更为理想。