初中历史课堂教学如何促进学生自主学习

由于现阶段初中历史是开卷考试,学生、家长和学校对历史教学不太重视,大多数历史教师都是由非专业的教师来代课,导致历史教学就是画画重点。学生对历史课也不怎么感兴趣,历史课有被边缘化的趋势,学生历史自主学习的能力大大降低。     

动手能力与小学数学学习

在数学学习中，教师应激发学生的参与欲望，引导他们动手实践，自主探索，合作交流，激励学生主动看，主动说，主动做，主动想，根据自己的体验用自己的思维方式，通过独立思考，合作交流，重新“创造”有关的数学知识；感受数学本身的魅力，增进学好数学的信心。     

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。     

一种军棋机器博弈的多棋子协同博弈方法

针对在军棋博弈不完全信息对弈中，面对棋子不同价值、不同位置、不同搭配所产生的不同棋力，传统的单子意图搜索算法，不能满足棋子之间的协同性与沟通性，同时也缺乏对敌方的引诱与欺骗等高级对抗能力。本文提出一种结合UCT搜索策略的高价值棋子博弈方法，实现高价值棋子协同博弈的策略。实战经验表明:高价值多棋子军棋协同博弈策略优于单棋子军棋博弈策略。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。     

电子小制作中接插件的巧用

接插件在成品机制作中已经大量使用,它以其方便、简捷等诸多优点,受到越来越多的设计者和维修者的青睐。而以基础电子技术理论学习、验证为目的的电子小制作中,如果合理、有机的运用接插件也会取得非常良好的实验效果。接插件分插头和插座,通常配套使用。他们的种类很多。本文谈到的是二孔到十几孔的排插座在电子小制作中的实际运用。一、在电子小制作中,当电路较复杂的情况下,考虑合理的运用接插件进行连接,使之成为多路输出、输入接口,     

浅谈中学课外探究活动的组织管理与评价方案

课外探究活动是对课堂教学的重要补充,对培养学生提出问题和解决问题的能力有着重要作用。因此在中学教学中重视并做好学生课外探究活动的组织管理与评价有着十分重要的现实意义。     

从调动学生对实验的兴趣谈实验教学改革

根据学生在实验中表现出的实验态度及其对实验效果的影响，提出了改革实验内容、教学方法、实验手段的方法措施，并说明了改革实验指导教师队伍及实验教材的必要性。     

贯彻实施新《义务教育法》 全面规范油田矿区办学行为

新修订的《中华人民共和国义务教育法》的施行,是我国义务教育发展史上的一个里程碑和转折点,具有划时代意义。油田矿区的基础教育发展,要在贯彻实施新《义务教育法》时,引导广大教职工全面理解其重要意义和深刻内涵,积极推进素质教育,促进区域内义务教育均衡发展,做到有法必学,有法必依,有法必施,不断增强教职工的紧迫感、责任感和使命感,为党和国家的教育事业作出贡献。     

径向基函数神经网络的再学习算法及其应用

为了应用径向基函数神经网络逐步地识别待研究系统,文章针对径向基函数神经网络的再学习算法开展了深入的研究.应用严格的数学推理方法,将径向基函数神经网络的再学习问题转化为矩阵求逆的附加运算.详细给出了径向基函数神经网络再学习算法中增加新训练样本和增加新基函数的数学公式,同时对如何获取新的训练样本进行了研究.