工作场所学习视域下中职学校深化校企合作的策略研究

中等职业学校是国家培养技能型专业人才的重要场所,校企合作是职业教育发展的基本趋势。当前中职学校在校企合作中面临着企业动力不足,重工轻学,学徒制建设不完善等问题。本文从史蒂芬·比例特工作场所学习的视角出发,在分析工作场所学习内涵和特征的基础上,提出深化校企合作的策略,如完善校企合作课程体系、建设全面参与的新型学徒制、引企入校的办学模式、以绩效和胜任力为驱动等工作方法。     

从《中导条约》的失效看未来国际军控走向

《美苏消除两国中程导弹和中短程导弹条约》的失效重创了本就脆弱的国际军控体系,对美俄战略稳定和全球军事安全带来消极影响,国际军控合作和全球军事安全迫切需要重构新的军控体系。本文立足当前国际军控现状,在分析美俄“退约”背后各方战略考量及国际军控面临的挑战,如“美国优先”理念下的霸权主义和单边主义、国际军控体系自身的脆弱性和局限性和新军事革命给全球安全增添新的变量的基础上,提出了“构建人类命运共同体”理念凝聚全球安全共识、以大国责任和义务为基础构建多层次军控体系和以多边军控体系循序推进国际军控进程等措施和建议,以期为推动国际军控合作,建立更为公平、合理、有效的国际军控体系做出贡献。     

深入学习领会习近平关于斗争精神重要论述

进入新时代以来,习近平在讲话中多次提到斗争精神。这些关于斗争精神的重要论述,科学回答了新时代发扬斗争精神、增强斗争本领的重大理论和实践问题,是运用辩证唯物主义和历史唯物主义方法论,基于马克思主义特有品质得出的必然结论和提出的时代要求。我们要学习领会习近平关于斗争精神的重要论述,并深入贯彻到进行伟大斗争的实践当中。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

基于在线学习的频谱感知次序策略*

认知无线电允许次级用户在频谱没有被主用户使用时动态地接入频谱进行数据传输。动态频谱接入是解决无线电频谱资源短缺和使用效率低下问题的有效方案,而频谱感知是实现动态频谱接入的关键挑战之一。次级用户的感知能力有限,为了快速找到频谱空闲概率最大的频段从而获得更多的频谱接入机会,研究了频谱感知次序问题。考虑到频谱空闲概率会随时间变化且对次级用户不可知,提出了一个在线学习框架,把频谱感知次序问题规约成经典多摇臂赌博机问题,并利用在线学习方法——满意折现汤普森抽样算法(satisficing discounted Thompson sampling)处理优化问题。仿真结果表明,和其他算法相比,所提算法可获得更多的频谱接入机会并且能够跟踪频谱空闲概率的变化。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

初中生英语学习倦怠成因及对策探析 ——以石河子S中学为例

本文通过选取石河子市S中学三个年级的初中生为分析对象,试图厘清初中生英语课程学习倦怠的现状,并对初中生英语学习倦怠的成因进行探析.通过现状梳理和原因分析,在有效提升英语成绩以及改善师生关系,激发学生自主学习英语的积极性等方面提出理论思考和对策建议.