依据心理学原理激发学生的学习动机

学习动机是直接推动学生进行学习的内部动力,学习动机与学习成绩显著相关,是学生学业的一个重要决定因素。兴趣、自我效能感、学习的价值感等内在动机对学习的作用更直接有效,而目标、教师期望、表扬和奖励等外部激励如果使用得当同样可以对学习产生积极的影响。根据心理学原理,我们可以通过培养学生对学习的兴趣、帮助学生建立自我效能感、养成正确的学习价值观、树立有效的学习目标、给予学生合理的期望等方法,来培养和激发学生的学习动机。     

公共事业管理专业读书（文献阅读）训练探析

专业读书训练是公共事业管理专业的重要教学内容。本文在探讨专业读书教学目的和意义的同时,并提出了读书训练的原则、内容和方法,旨在帮助公共事业管理专业学生形成未来的公共事务管理者所需的职业素养。     

面向射频指纹识别的高效IQ卷积网络结构

现有应用于射频指纹识别的卷积网络对时序同相正交(in-phase and quadrature-phase, IQ)信号的处理都是将其简单视为图像进行的,存在识别准确率低和计算量大的问题。针对以上问题,提出了一种基于IQ相关特征的卷积神经网络结构。该网络分步提取了IQ相关特征及时域特征,通过自适应平均池化获得了各通道特征均值,并用单个全连接层进行分类。实验结果表明,较传统卷积网络结构,所提网络在多种场景下的识别准确率更高,并且计算量更小。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。     

基于神经网络的超精密机床伺服进给非线性模型辨识

以双轴Ｔ型结构的超精密金刚石车床的伺服进给系统为研究对象,采用自构造神经网络技术,建立了系统的非线性动态数学模型,为系统非线性控制与补偿提供参考模型     

师生心理场探析

教育、教学的双边活动构成了师生心理场。本文从心理学与社会学的角度对师生心理场的运行机制作了简单的介绍,进而从"教"与"学"的双向活动中对师生心理场的诸多因素进行分析和评价,并就"教"与"学"活动在理论与实践的结合上做了一定的探索。     

基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

THE CONCEPT OF NUCLEAR LEARNING

This article seeks to elucidate the concept of nuclear learning. It explores both the “nuclear” and the “learning” aspects of the concept. On the nuclear side, it distinguishes between learning basic facts about nuclear arms and drawing inferences about the larger implications of those facts. On the learning side, it discusses three issues: whether to use the term in a normative or value-neutral manner; the difference between learning that leads to a change in means versus learning that leads to a re-evaluation of ends; and whether learning only takes place at the level of individuals or whether there can also be learning by collective entities. The article argues there is no universal best answer to these questions and that the particular concept of learning that should be employed depends on the goals of the analyst. If the goal is to reduce the chances of nuclear war, however, one type of learning that will be important to consider is whether there is shared, cross-national learning.     

Learning in counterinsurgency: what do we really know?

Since the publication in 2002 of John Nagl's Learning to Eat Soup with a Knife, organizational learning has been widely presumed an important ingredient for success in counterinsurgency. But sampling the literature from before and after this time shows remarkably little analytical treatment of the issue of learning and even confusion over what it may mean. This article considers the theories, hypotheses, research strategies, threats to validity, methods of measurement, treatments of time, and general lack of statistical analysis in the work to date and recommends a course for future research.     

基于神经网络集成方法预测膜蛋白类型

由Chou等人提出的预测膜蛋白分类的机器学习算法在近年来不断改进,使得预测膜蛋白类型的准确率越来越高。但是由于膜蛋白类分布不均衡而导致少数类的预测准确率非常低,使用神经网络集成方法能解决此问题。该方法中Bagging算法通过对多数类欠采样和少数类过采样来解决膜蛋白训练数据集不均衡问题。此外,用神经网络集成方法对已训练数据集和独立数据集进行分类测试,得出神经网络集成方法预测效果优于单个最好神经网络。该方法为解决蛋白质分类预测问题提供了一种新的策略,特别是训练数据集不均衡时,该方法的优势更加明显。