“程序设计基础”的实施方案与改革实践

<正>今天我与各位教师交流一门具体课程——"程序设计基础"的教学改革经验和教学实施方案。1教学中存在的问题李未院士讲到"程序设计"是计算机学科的核心课程,吴文虎教授也谈到"程序设计"课程的教学经验,凡是主管这门课程的教师都知道,这门课程很难上,学生在学习过程中很难理解教学内容,掌握起来也有难度。原因有以下几方面:     

关于计算机专业课程教学方法的几点思考

本文在自己教学实践的基础上,针对目前教学方法改革所面临的新形势新问题,并根据作者所承担的课程特点,就教学方法的改革问题做了探讨。本文的主要思路可总结为:工程类专业的高等教育应使学生具备较高的工程素养。为达成素质教育的目标,在教学模式方面,应注重学生的品质养成、注重因材施教、注重多学科多门类的知识综合、注重实践和技能培养;教学方法方面应采取启发式教学、注重学生的心理接受能力、探讨小组讨论的可行模式;实践环节方面应从实际问题出发,培养学生多方面的能力;考试环节应更加注重平时成绩,淡化考试意识。     

多媒体音箱故障诊断经验谈

多媒体音箱作为电脑的发声设备,是一种技术含量比较低的产品,但它的故障率也是比较高的,而且故障多集中在功放块和电源部分,下面笔者就结合自身的经验谈谈多媒体音箱的常见故障和维修方法,希望能对大家有所帮助。     

如何对信息技术课堂教学进行评估（一）

●新时代、新课改、新难题从20世纪到21世纪,信息技术课程遭遇时代的变迁及网络信息大浪的冲击,又恰逢新课程改革之风吹遍神州大地,这些都给信息技术课堂教学评估造成了影响,也带来了新背景下的"新难题".     

做“专业”菜鸟,提专业问题

电脑运行速度变慢、蓝屏、死机……种种故障一次次让面条陷入窘境,尽管每次面条都会拿出《电脑爱好者》"红宝书"出来应急,慢慢积累了些"自救"的经验,但有些问题还是自己搞不定,于是一场依赖网络高手的拯救行动开始了……     

死要面子?

面子,在中国有时候是比天还大的东西。每一个深受耻感文化熏陶的中国人都有可能为了面子,做出一些让外人看来匪夷所思的事情。最近,一位从事机械制造业信息化的业内人士在与 CIOINSIGHT 记者聊天时,就提到了在这个行业中的一些企业为了面子而拒绝自己明明很心仪的 ERP 供应商的事情。如果某个制造业企业选择了一家 ERP 供应商,而且项目实施很成功,那么同行业里的另外一家企业的举动可能并不是高兴地选择同一家供应商,并将其此前的实施经验加以利用,而是惟恐避之不及。他们的想法是:如果同行企业做得好,万一我们企业做不     

基于XGBoost的管道防腐层裂纹损伤识别算法研究

埋地管道因为在长期服役后防腐层产生的裂纹易导致管道金属层受到损害,为了避免损伤造成管道泄漏,有必要建立管道防腐层裂纹损伤识别智能化平台。通过引入集合经验模态分解,提取管道防腐层结构在裂纹损伤状态下的频域特征值并构建裂纹损伤数据系统。依次利用孤立森林、缺失森林和核主成分分析对损伤数据进行异常检测、数据补全和特征降维优化,构建适于管道防腐层裂纹损伤识别的extreme gradient boosting（XGBoost）模型。研究表明：基于XGBoost的管道防腐层裂纹损伤识别模型可准确地对裂纹长度进行有效检测,与gradient boosting decision tree（GBDT）和随机森林算法相比,其决定系数最大且均方误差最小,裂纹长度识别误差保持在4.37厘米以内,为管道防腐层结构健康检测和安全运输提供了有效的识别方法。     

融合序列分解与Prophet模型的时序预测

传统时序预测方法其预测过程无法在相同数据集上推出共享模式, 而机器学习方法无法较好地处理非线性和大规模数据集, 并且需要手动设计特征工程. 深度学习方法弥补了传统预测方法需要高计算高人力的弊端, 用自动学习特征工程代替了手动设计特征工程. 但仅使用深度学习的预测方法所作结构假设较少, 通常需要较高的计算资源以及大量的数据来学习得到准确的模型. 针对上述问题, 本文提出通过采用融合t检验的EMD经验模态将序列分为高频分量和低频分量, 对高频分量使用传统STL序列分解方法进一步对数据做处理, 对高频、低频分量分别进行Prophet预测. 实验结果表明, 相较于传统的LSTM以及Prophet预测模型, 经过STL序列分解后的周期数据能够提升模型的整体预测精确度而融合EMD经验模态的Prophet模型则大大提升了训练效率.     

基于相空间重构与高斯过程的卫星钟差预报

提出了一种基于相空间重构与高斯过程预报卫星钟差的新方法。首先根据星载原子钟的物理特性用多项式进行拟合以提取钟差趋势项,并对拟合后的残差进行经验模态分解,作降噪处理;然后以降噪后的残差时间序列的混沌特性为基础,对其进行相空间重构;最后以重构的相空间为基础,运用高斯过程对残差时间序列进行建模预报,再将预报结果加上趋势项,获得最终的钟差预报值。采用IGS提供的GPS超快速观测钟差建模进行短期预报实验,结果表明,该方法能实时有效地对卫星钟差进行预报,且精度优于超快速预报钟差。