用Packet Tracer模拟软件提高《网络互联技术》实验教学效果

实验教学是高职计算机网络课程的重要组成部分,目前高职计算机网络实验课程开展困难,效果不明显。该文结合当前高职计算机网络课程实验教学的现状,谈一谈如何利用Packet Tracer模拟软件提高《网络互联技术》课程的实验教学效果。     

二维内插的OFDM导频信道估计的研究

正交频分复用(OFDM)是一种多载波传输和调制技术,其主要特点是频带利用率高、抗多径干扰能力强,目前已成为无线通信高速数据传输的主要技术。介绍了OFDM系统的工作原理和二维信道估计技术,着重研究基于二维内插方式和二维变换域方式的PSAM信道估计技术,针对导频特点提出变换域插值一种改进的方法并与线性差值、样条差值进行对比。采用Simulink构建系统基带仿真并验证Rayleigh信道下各种二维插值方法的BER性能,结果表明该改进方法可行且具有良好的性能。     

一种过程支持向量机及其在动态模式分类中的应用

针对一般SVM在机制上难以直接对动态模式进行分类的问题,提出了一种基于函数正交基展开的过程支持向量机.该模型的输入为时变函数,输出为模式类别.在输入函数空间中选择一组适当的正交函数基,将输入函数在该组函数基下进行有限项展开,把展开式系数作为核函数的输入.由于时变函数在基函数映射下与展开式系数一一对应,从而可利用SVM的变换机制实现动态模式分类.给出了基于SMO的求解算法,实验结果验证了模型和算法的有效性.     

文科大学生计算机课程设计性实验的研究与实践

将现代项目管理理念引入教学,并将这一理念应用于Visual Foxpro程序设计课程的教学实践。通过在文科类大学生计算机课程教学中设计性实验的实施,阐述了实施设计性实验的意义,总结了教学实践中遇到的问题,探究了问题存在的原因,并提出了解决问题的一些设想。     

新升格本科院校开放实验教学的研究与探讨

分析了新升格的地方应用型本科院校开放创新实验教学运行现状及存在的问题;从提高对实验室开放内涵的认识、构建知识与能力并重的开放实验教学内容体系、实验室开放模式、构建开放式实验教学保障体系等方面进行了深入探讨。结合开放实验教学的实际情况,对适合高校自身特点的开放实验教学模式作积极探索,为培养有创新精神的高技能、高素质人才开辟有效途径。     

探究开放式计算机基础实验教学

本文通过探究开放式计算机基础实验教学,从实验内容、实验过程、实验空间及学习方式等方面,采取激发学生的学习兴趣的措施,调动学生学习的主动性和积极性,培养学生自主学习的能力和创新能力,解决目前计算机基础实验教学存在的弊端。     

计算机本科专业软件实习工厂的构建研究

本文针对目前中国计算机专业本科教育中生产实习受客观因素所限,造成学生实验动手和科技创新能力不足的问题,提出利用软件实习工厂进行生产实习的方法,将生产实习投入到一个实际项目的开发与建设上,真实模拟软件公司的生产过程,并探讨其建设的总体设计思想和结构模型。     

数字逻辑虚拟实验教学研究

本文阐述了将虚拟现实及网络技术应用到数字逻辑实验教学中的理论过程。并详细介绍了运用Flash、插件等多媒体编程技术建设数字逻辑虚拟实验室的详细过程。同时,对未来计算机实验教学的发展方向进行了讨论。     

案例教学在C#.NET中的应用

在当今社会,传统的教学方式和手段使学生对C#.NET这门课程普遍感觉枯燥无味,难以达到良好的教学效果,只有采用良好的教学模式才能够激发学生学习的主动性、能够激发学生学习的热情。该文谈谈怎样使用案例教学培养学生的兴趣,培养学生的动手实践能力和创造能力,掌握C#.NET编程技术。     

Optimization of optical lens-controlled scanning electron microscopic resolution using generalized regression neural network and genetic algorithm

A scanning electron microscope (SEM) is a sophisticated equipment employed for fine imaging of a variety of surfaces. In this study, prediction models of SEM were constructed by using a generalized regression neural network (GRNN) and genetic algorithm (GA). The SEM components examined include condenser lens 1 and 2 and objective lens (coarse and fine) referred to as CL1, CL2, OL-Coarse, and OL-Fine. For a systematic modeling of SEM resolution (R), a face-centered Box–Wilson experiment was conducted. Two sets of data were collected with or without the adjustment of magnification. Root-mean-squared prediction error of optimized GRNN models are GA 0.481 and 1.96×10^-12 for non-adjusted and adjusted data, respectively. The optimized models demonstrated a much improved prediction over statistical regression models. The optimized models were used to optimize parameters particularly under best tuned SEM environment. For the variations in CL2 and OL-Coarse, the highest R could be achieved at all conditions except a larger CL2 either at smaller or larger OL-Coarse. For the variations in CL1 and CL2, the highest R was obtained at all conditions but larger CL2 and smaller CL1.