基于学生真实问题的初中物理实验教学策略探讨——以“物体的浮沉条件”教学为例

针对初中物理实验教学中存在的教学模式形式化、学生思维进阶困难等问题,以“物体的浮沉条件”教学课例为主要分析对象,针对学生在实验教学中的三个真实问题进行了策略探讨,提出大概念统摄实验教学、基于学生生活经验和思维障碍选取实验、及时反馈学生实验中生成问题等教学策略,以期为初中物理实验教学提出有效建议。     

基于机器学习的老人活动识别方法实验研究

全球人口老龄化的日益严重使得如何更好地提供养老服务变得越来越重要。新一代信息技术的快速发展为智慧养老研究提供了良好的技术基础,基于机器学习的老人活动识别成为智慧养老的一项重要研究。文章使用决策树、随机森林、XGBoost和朴素贝叶斯四种机器学习算法,以采集老人居家活动传感器数据为对象,分别使用传感器触发状态、传感器触发数、传感器与活动距离加权的三种特征提取方法对老人的居家数据进行识别研究。实验结果表明,随机森林在三种特征提取方法上达到了最好的活动识别效果,识别准确率分别为93.1%、93.6%和94.6%。在三种特征提取方法中,文章提出的活动距离加权提取方法在四种机器学习算法上识别准确率均相对较高,分别达到了65.9%、87.2%、83.9%和94.6%。     

"棒棒TV,最棒的频道"——从"棒棒TV"的频道包装看少儿频道的品牌建设

电视频道包装是打造频道品牌、推进频道营销、加强频道管理的重要手段,是进行频道品牌建设的具体实践.品牌的打造不仅是简单的视觉识别,而且是深入到频道理念,由内而外、内外合一地建立频道形象识别系统.如今,福建少儿频道的品牌建设已逐步进入专业化和策略化阶段,在播宣传和离播宣传相结合,频道品牌建设日趋成熟.     

基于“UbD”模式的物理复习课的教学设计——以“物体的浮沉条件及应用”为例

奥苏伯尔提出,如果将足够的精力投入到复习中,学生可能会终身记得在校期间学习的知识.学生掌握知识需要经过领会、巩固和应用三个阶段,教师上好复习课不仅可以帮助学生巩固知识,还能提高学生分析和解决问题的能力.追求理解的教学设计简称"UbD",其针对解决的问题是如何使更多的学生真正理解他们要学习的知识.本文在"UbD"模式为指...     

多特征融合的关键词语义功能识别研究

[目的/意义]关键词作为一种能够揭示学术文本主题及核心内容的词汇或术语,对其进行功能识别可为知识和文献的快速、精确获取提供底层索引支持.[方法/过程]针对现有研究在关键词上下文建模中多局限于文本层面的符号语义表征,在深入挖掘文献行书规律的基础上,提出一种基于多特征融合的词汇功能识别模型.模型在采用BERT模型捕获关键词...     

基于多源数据的邯郸城市空间结构识别

城市空间结构识别是城市研究展开的基础,但传统识别方法存在耗时长、成本高、精度低等不足。城市空间结构是多维度的特征集合,主要存在人、地、业三种表征。使用多源数据和空间辅助分析探究人地业三种要素的空间分布和聚集情况,构建基于多源数据的城市空间结构识别理论和技术模型,得到人群活力分布、地块开发、区域核心等特征,能够准确识别城市空间结构实际状态。以邯郸市为例,识别并分析城市空间结构,提出优化策略。     

基于无线感知的智能家庭安防系统

基于“无线感知”的智能家庭安防系统,以ESP32芯片为主控,通过获取家用无线路由器与手机等设备广播Wi-Fi信号,分析隐含在载波信号背后的电磁波能量属性,实现特定空间内活动人员的精准感知。同时,系统利用Wi-Fi设备MAC地址的唯一性,实现主人与入侵者的精准分离,进而提高家庭安防报警系统智能化水平。实验表明：本文提出的家庭安防报警系统具有较高的精准度和实用性。     

改进LeNet-5网络用于交通标志识别的方法

为了提高自然交通场景中交通标志的识别精度和检测识别率,提出了一种基于改进LeNet-5网络的交通标志识别算法。该方法对交通标志数据集进行图像尺寸归一化以及数据集增广预处理,增加数据集的多样性,提高了后续模型训练的准确率。对主体LeNet-5网络进行了改进,网络模型使用4层卷积、池化层连接2个全连接层,加深模型的深度;采用ReLU激活函数代替Sigmoid激活函数对卷积运算的结果进行转换,降低算法的计算复杂度;为改善训练神经网络过程中的过拟合现象,在模型中加入Dropout策略;通过实验分析确定算法中的相关参数并与改进前LeNet-5网络进行对比,验证改进算法的有效性。实验结果表明,本研究提出的算法在德国交通标志数据集（GTSRB）上获得99.42%的识别准确率。     

基于双目点云的三维物体检测准确性分析

双目相机虽然能通过算法生成密集的深度数据,但其在精度上与激光雷达生成的深度数据有着较大的差距,特别是在纹理不明显的区域。针对这种现象,尝试使用激光雷达的精确点云来排除由双目相机产生的pseudo-LiDAR数据中与之差别较大的部分点,然后将优化后的pseudo-LiDAR用以进行三维物体检测。实验结果显示,将pseudo-LiDAR数据中的不准确点(坏点)排除,有助于提高检测准确率,最多可提高21.02%。因此,如何不依赖激光雷达数据来排除pseudo-LiDAR点云中的坏点是进一步提高双目相机系统检测准确率的关键。     

面向手写体识别的DCNN抗噪性能研究

深度卷积神经网络(DCNN)是人工智能研究领域前沿方向.DCNN结构复杂、参数非常多、可解释性与鲁棒性不强,对图像数据集的清晰度要求很高,而目前关于DCNN抗噪性能研究还较欠缺.通过给手写体数据集DigitDataset的测试集添加4种不同幅度噪声,深入研究DCNN在手写体识别上的抗噪性能.研究结果表明:①噪声对DCN...