在化工基础实验中实施探究式学习

在化工基础实验中引入探究式学习,不仅能够提高学生的学习积极性,而且有利于培养他们的创新能力和协作精神,使学生掌握科学研究的初步方法。     

网络化《高等数学》学习系统的设计与实现

介绍了《高等数学》课程网络化学习系统的设计思路与实现方法.系统利用网络多媒体的灵活表现形式,双向互动等功能,将传统的教学学习环节与现代多媒体网络技术进行有机的结合,使学生学习变得生动有趣且不受时间、空间的限制,为学生课后自主学习提供了良好的学习环境.     

神经网络在棱镜摄谱仪定量分析光谱中的应用

给出了采用BP神经网络拟合标准光源在棱镜摄谱仪的谱平面位置和相应波长的非线性函数,省去了和标准铁谱比对测量未知谱线波长,简化了光谱的定量分析,提高了仪器的自动化和智能化水平.     

高考化学实验考查与备考研究

实验复习是化学总复习中非常重要的一个环节,它不但可以巩固和强化化学实验知识,也对元素化合物、基本理论与计算等内容的掌握起到促进和深化作用。历年高考都非常注重实验能力的考查(分值约占15%~20%),因此,在平时学习与总复习过程中应给予足够的重视。1对实验考查的研究1.1实验考查内容分析我省近5年高考化学实验试题(见表1),可以发现,化学实验的考查内容一般涉及以下几个方面。表1高考理综卷Ⅱ化学实验综合题年份2002 2003 2004 2005 2006考查内容NH3的制取、收集、干燥、喷泉实验,由喷泉实验原理拓展新的实验方法由FeSO4晶体制取Fe(O…     

关于2种液体混合后增容的实验探究——以乙酸和苯混合为例

在化学学习过程中,学生知道分子之间是有一定间隙的,当50 mL酒精和50 mL水混合,总体积变为97.3 mL.     

谈优化错题本的有效策略

每个人在学习过程中都不可避免地会出现错误,而对待错误的态度和方式很大程度上决定了这个人在学习上能达到的高度.好多教师和学生比较注重课堂教学,却忽视改正错题的重要性,导致了重复出错.有些教师和学生虽然能够认识到建立错题本进行改错的重要性,但是对如何科学地建立错题本、如何有效地使用错题本没有进行太深的研究,导致了错题本建立之后效果甚微.错题本要从建立和使用两个方面进行优化,从教师和学生两个层面加以强化,以便在促进学生的深度学习方面发挥重要的作用.     

非盲图像复原综述

非盲图像复原在数学上是一种典型的病态问题,也是计算机视觉领域的重要研究内容之一,其目标是在点扩散函数已知的情况下,由模糊图像估计出清晰图像,其研究重点是在改善图像清晰度和抑制噪声之间做出适当的折衷。近50年来,非盲图像复原取得了长足的发展,从早期的维纳滤波到当前的深度学习,学者们提出了数以百计的非盲图像复原算法,并应用在各个领域。本文首先介绍非盲图像复原的基本概念和研究意义,然后依据算法的属性对非盲图像复原算法进行分类概括,从总体上将其分为传统方法和深度学习方法,又进一步将传统方法细分为直接法和迭代法,并依据不同算法的模型特征,分析不同类别中主要算法的优缺点,同时结合多种典型实验,比较分析了一些代表性算法的复原性能,最后展望了非盲图像复原算法的发展趋势,归纳了重点研究方向。     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

自适应光学系统变形镜控制电压预测

在校正大气湍流畸变波前相差的自适应光学系统中,利用基于Levenberg-Marquardt学习算法的非线性反向传播神经网络技术（LMBP）对变形镜控制电压进行预测。以对受横向风影响的大气湍流畸变波前斜率数据为研究对象,通过数值仿真方法,研究了基于LMBP算法的自适应光学系统变形镜电压非线性预测控制算法。通过实验发现,预测电压和变形镜实际控制电压拟合效果良好。讨论了回溯帧数对预测效果的影响,并与基于递推最小二乘（RLS）算法的线性预测算法进行比较。对比结果表明,基于LMBP算法的非线性电压预测方法比基于递推最小二乘法的线性电压预测方法能更有效地降低系统由伺服延迟引起的误差。