探索建设有中国特色的农业教育体系

在去年召开的全国教育工作会议上,江泽民总书记在讲话中指示我们要“积极探索社会主义市场经济条件下教育的新体制和发展的新路子,努力建设有中国特色的社会主义教育体系”,《中国教育改革和发展纲要》也明确提出了这一任务。农业教育是中国整个教育系统中的一个重要组成部分,直接的服务对象是占全国人口80％的农民和国民经济中最大的基础产业农业,面广量大、区域性强,建立一个什么样的农业教育体系,这确实是我们需要探索的一个大课题。 多年来,找国的农业教育有很大发展,已经形成了高、中、初等多层次、多形式、多类别的农业教育体系框架,为农业生产和农村建设输送了大批高、中等农业专门人才和广泛地开展了农业职业技术教育,为农业生产和农村经济建设做出了     

建立主动适应商品经济发展的高等农业教育运行机制

经济要发展,教育要先行,经济越发展,教育越重要,这是不以人们的意志为转移的客观规律。高等农业教育如何根据国情,农情和农业教育实际建立主动适应社会主义商品经济发展的运行机制是一个值得认真研究的重要课题。     

信息科学技术的长期发展趋势和我国的战略取向

21世纪上半叶，信息科学技术将面临一场新的革命。今后几十年内，我国发展信息科学技术的主要任务是构建“普惠泛在的信息网络体系。”我国发展信息科学技术应采取“重点跨越”的战略取向。     

走向产业化的国产高端计算机(下)

(续上期)曙光超级服务器的ＳＵＭＡ技术特色高端计算机的一个重要发展趋势是从片面追求性能或购机时的性能价格比发展到注意整个机器生命周期内的总拥有性能(ＴＰＯ)和总拥有成本(ＴＣＯ),即总拥有性能价格比(ＴＰＯ／ＴＣＯ)。根据最近统计,服务器的总拥有价格是购进价格的２～３倍,额外花费用于安装、培训、系统管理、用户支持和升级维护。目前世界上高端计算机的利用率普遍很低,未经优化的应用通常只有峰值速度的５%甚至１%。为了提高总拥有性能价格比,越来越多的厂商开始关注那些似乎与性能无关的因素,主要是可扩展性、好用性、易管理性…     

实施科教兴农战略努力服务新农村建设——沈阳农业大学科教兴农实践的启示

服务社会是高等学校三大职能之一。文中论述了沈阳农业大学20余年的科教兴农实践与经验,对高等农业院校如何服务社会、如何服务“三农”问题进行了有益探索,为新的历史时期高校参与社会主义新农村建设提供了有益借鉴。     

走向产业化的国产高端计算机(中)

(续上期 )高端并行计算机的几项关键技术１.并行机的互连通信技术连接一台并行计算机内部各结点的高速通信网络叫并行计算机互连网络。随着机群系统的兴起 ,最近常称为系统域网络。系统域网络与局域网的主要区别是低延迟、高带宽。所谓传输延迟是指从一个结点开始发送ｎ字节消息到此消息被另一个结点完全接受的时间。在并行计算机中 ,结点之间不仅要像局域网上的一样传递大量数据文件 ,要求很宽的传输带宽 (即每秒钟能传送多少字节信息的能力 ) ,而且经常传送一些控制信息或需要立即响应的短信息 ,因此传输延迟时间与系统性能有很密切的关系…     

走向产业化的国产高端计算机(上)

计算机界一般将价格在１０万元人民币以上的计算机称为高性能计算机或高端计算机。高性能计算主要指科学工程计算 ,而高端计算包括信息服务和事务处理 ,不仅重视高性能 ,而且关注高可用性和易管理性。高端计算机对增强国家安全和企业竞争力、提高国家科研水平和政府监控能力有广泛而深远的影响 ,已成为世界各国特别是发达国家争夺的战略制高点。今天 ,发动机设计、模具设计、生物新药设计、新材料的研制、风洞试验仿真、石油勘探与开采等等都离不开高端计算。利用高端计算机提高产品的创新设计能力是国有大中型企业解困、高技术企业发展壮大…     

迎接21世纪全面进入信息时代

２１世纪 ,世界将全面进入信息时代。整个社会的基础将发生改变 ,传统经济逐步向“知识经济”过渡 ,以知识产权和管理能力为主的人力资本（有人称为知本）、以信息技术为代表的高技术形成的新经济模式 ,将在２１世纪世界经济中起决定作用。计算机技术的发展 ,特别是微机和互联网的普及应用 ,是２０世纪最重大的科技进步。计算机应用已成为促进经济增长的巨大动力 ,并且进入千家万户 ,改变人类的生产方式与生活方式。２１世纪信息技术将与人们的生活更加息息相关 ,计算机就如同今天的马达一样无处不在。计算机、通信与信息家电的迅速融合已经…     

数据科学与计算智能：内涵、范式与机遇

数据科学的发展，将为计算智能的持续发展提供新的可能与机遇；与此同时，计算智能的发展与新型智能范式的兴起，也将为大数据在各行业和各领域的应用提供新的契机。文章阐述了数据科学的内涵，探讨了计算智能的发展与新型智能范式，列举了引领数据科学与计算智能研究的应用方向；进而基于香山科学会议第667次学术讨论会与会专家的讨论，提炼形成数据科学与计算智能领域的七大关键问题，以期使该领域研究得到相关领域研究者与应用者的共同关注，从而把握时代的机遇，推动数据科学与计算智能持续发展。