基于元认知理论的高中思想政治课堂练习教学活动设计

元认知的实质是对认知活动的自我意识和自我调节,而学生做练习题的过程就是对自己的解题过程和方法的思考和调节。因此本文基于元认知理论设计了基于“实战”也就是考试的课堂练习教学活动,通过讲解例题、学生做题、寻找差距等方式帮助学生找到自己在解题策略上的缺陷和错误,并针对这些缺陷和错误找到正确的解题策略并通过做练习题熟练运用解题策略,最终提升解题速度和准确率。     

多媒体课件版式设计策略研究

多媒体课件版式设计是技术与艺术的统一,影响着课件给学生的视觉感受与内容传达效果。基于版式设计的三原则,并结合设计案例,探讨了对比、对齐、亲密、留白四方面的设计策略。     

基于Matlab的加权随机点名提问系统设计

该文从教学需求出发,设计一套具有权重的随机点名课堂提问系统,其目的是提高课堂教学质量与学生参与的积极性。该系统具有两个方面的功能,第一,可以避免教师在课堂教学中的带有个人感情色彩的提问偏重,给予每个学生相对均等的回答课堂提问的机会;第二,可以根据学生知识掌握情况以及课堂问题难易程度,适度调节随机点名的权重分配,提高学生问题回答质量与课堂效率,将课堂提问在教学环节中发挥到最大的作用。     

信息化背景下的计算机教学改革探究

现阶段,信息技术已经充分进入到人民的日常工作中,信息技术的出现极大地提升了人民学习、生活、学习的便捷性,推动着社会经济的发展。但是值得注意的是,现阶段我国中职院校在计算机教学中仍旧是沿用以往的教学理念,并没有充分认识到信息化背景下中学计算机教学工作的改进方向,导致计算机教学工作水平普遍较低,学生的能力难以通过教学工作得到显著的提升,不利于学生未来的发展。本文对现阶段中职计算机教学中存在的问题进行了整理,并根据计算机教学工作提出一定的建议,为信息化背景下的计算机教学改革工作做出些许贡献。     

通信网络防火墙策略优化实践

防火墙是确保通信网络安全的重要设施,但存在部分设备由于维护不当,导致防火墙策略臃肿,不符合策略“最小化”原则,给防火墙性能及业务安全带来隐患。该文通过总结公司通信网络防火墙策略问题及其成因,并提出相应的策略优化方法,最后阐述了优化过程中几点实践,以此来掌握防火墙策略如何优化,进而到达提升通信网络安全的目的。     

浅析无线局域网安全风险及防护策略

随着近年来通信和计算机技术的发展,企事业单位为实现信息资源的共享、通信及办公应用的需要,对无线局域网的使用依赖性日益增强。无线局域网的信息传输为业务的发展带来了诸多便利和服务的同时,网络使用过程中也出现了很多的安全问题,对人们的隐私安全产生了巨大的威胁。现针对无线网络的安全性威胁进行进一步的分析研究,并相应地提出可实施的安全防范策略与技术。     

融合多种策略的改进粒子群算法

为有效解决粒子群优化算法(Particle Swarm Optimization, PSO)容易陷入局部极值及进化后期收敛速度慢、精度低等缺点, 提出了一种融合多种策略的改进粒子群算法(Improved Particle Swarm Optimization, IPSO). 该算法包括以下4点改进:(1)采取分组控制策略, 按适应度值将种群分为优解组和劣解组, 优解组进行遗传交叉操作, 劣解组进行变异操作; (2)精英策略用来更新种群, 根据适应度值从经过交叉和变异操作后的种群及初始种群中选出前一半粒子作为新种群; (3)改进粒子学习模式, 充分利用种群信息, 以优良种群的均值代替个体最优位置;(4)引入概率控制来控制算法进入交叉和变异操作的概率. 测试函数的仿真结果表明, 与标准PSO及其改进算法相比, IPSO算法能有效兼顾全局探索和局部挖掘能力, 具有收敛速度快、求解精度高、避开局部最优解的优点.     

基于申威1621处理器的BLAS一级函数优化

BLAS (Basic Linear Algebra Subprograms)是一个基本线性代数操作的数学函数标准, 该库函数分为三个级别, 每个级别提供了向量与向量(1级)、向量与矩阵(2级)、向量与向量(三级)之间的基本运算. 本文研究了在申威1621处理器上BLAS一级函数的优化方案, 以函数AXPY为例, 充分利用平台的架构特点对其进行性能调优,设计了自动的线程分配方案. 实验结果显示优化过后的BLAS一级函数AXPY相对于GotoBLAS参考实现版本的单核和多核加速比分别高达4.36和9.50, 对于每种优化方式均得到了一定的性能提升.     

自适应序列生成的建筑能耗预测

提出一种基于强化学习的生成对抗网络(Reinforcement learning-based Generative Adversarial Networks,Re-GAN)能耗预测方法.该算法将强化学习与生成对抗网络相结合,将GAN(Generative Adversarial Nets)中的生成器以及判别器分别构建为强化学习中Agent(生成器)以及奖赏函数.在训练过程中,将当前的真实能耗序列作为Agent的输入状态,构建一组固定长度的生成序列,结合判别器及蒙特卡洛搜索方法进一步构建当前序列的奖赏函数,并以此作为真实样本序列后续第一个能耗值的奖赏.在此基础之上,构建关于奖赏的目标函数,并求解最优参数.最后使用所提算法对唐宁街综合大楼公开的建筑能耗数据进行预测试验,实验结果表明,所提算法比多层感知机、门控循环神经网络和卷积神经网络具有更高的预测精度.     

面向晶体结构预测的深度学习方法

晶体结构研究是研究固体材料物理化学性质的基础,而筛选晶体结构通常基于能量最低原理,采用密度泛函理论计算结构能量需要大量计算资源及服务时间.为此本文提出了面向材料结构预测的深度学习方法,加快材料晶体结构的预测.本文从数据集优化、模型训练策略、算法优化等方面进行了深入研究,确定了应用于材料结构预测中深度学习的网络参数和优化算法.将确定的深度学习框架用于寻找Si单晶、TiO2和CaTiO3化合物的基态稳定结构,实验结果表明,利用本研究提出的深度学习方法预测的晶体结构与实验室制备材料结构相吻合.