如何在高中物理教学中开展研究性学习

随着新课程改革的深入进行,"研究性学习"作为一种"综合实践活动"的核心课程已经在各地广泛展开.在这样的大环境下,任何一个学科都要有新的思路才能得到长足的发展,在对研究性学习的探索与实践的过程中,笔者对研究性学习概念的认识更清晰和深刻,在操作和实践能力上也大大提高了,逐渐对高中物理研究性学习有了更深的认识.     

Neural network method for solving elastoplastic finite element problems

INTRODUCTION An Artificial Neural Network (ANN) is an in-formation-processing paradigm that is inspired by the way biological nervous systems, such as the brain, process information. It is composed of a large number of highly interconnected processing elements (neu-rons) working in unison to solve specific problems. In recent years, neural network has been widely applied in the field of engineering construction as a large dimensional nonlinear dynamic system, because of its support for …     

JT票值得投资吗

JT票(不包括小型张、小全张, 下同)由于年代较近,精品较多,升值较快,已经成为集邮者主要的收藏对象,同时也是重要的投资品种。1997年邮市大潮至今已过去8年了,JT票增值情况如何呢?笔者根据2005年3月和1995年8月邮市行情进行分析。分析近10年JT票的投资收益情况,并以10年来国内     

基于LightGBM和贝叶斯优化的车辆碰撞检测模型

针对车辆碰撞检测中的类别不平衡和特征数量少等问题,提出一种经贝叶斯优化后的LightGBM算法对车辆碰撞状态进行检测。首先通过原始特征构建碰撞特征,并利用Pearson相关系数和随机森林算法选择最优特征集;然后使用经贝叶斯优化后的LightGBM算法进行训练和测试;最后将LightGBM与SVM、RF及XGboost模型进行对比。仿真结果表明,LightGBM算法模型表现最优,精确度、召回率与F1-Score分别为0.93、0.94和0.93。说明所提模型能够较好地用于检测车辆碰撞状态,可以有效引导企业开展用户关怀和事故救援。     

基于贝叶斯优化LightGBM的车辆碰撞检测模型

针对车辆碰撞检测中的数据缺失和特征数量少等问题,提出了一种经贝叶斯优化的LightGBM算法模型对车辆碰撞状态进行检测。首先,对原始特征进行特征工程预处理;然后使用经贝叶斯优化的LightGBM算法对数据进行训练和测试;最后将LightGBM与LR、SVM、RF及XGboost模型进行对比。模型仿真结果显示,LightGBM算法模型表现最优,精确度、召回率与F1-Score分别为0.93、0.94和0.93。