过程中孕育思想 活动中促进理解——“指数函数及其性质”教学设计

一、教材分析普通高中课程标准实验教科书(人教A版)数学1中§2.1.2“指数函数及其性质”使学生系统地学习了函数概念及其表示、函数的基本性质,掌握了指数与指数幂的运算性质,以及研究函数的一般思路之后,学习的第一个重要的基本初等函数,是“基本初等函数(Ⅰ)”这一章的重要内容.学习了“指数函数及其性质”,学生可以进一步深化对函数概念的理解与认识,从而得到较系统的     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高，以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题，本文提出了一种基于级联卷积神经网络（Convolutional Neural Network，CNN）和磁共振图像的前列腺癌（Prostate Cancer，PCa）自动分类诊断方法，该网络以Faster-RCNN作为前网络，对前列腺区域进行提取分割，用于排除前列腺附近组织器官的干扰；以基于ResNet改进的网络结构CNN40_bottleneck作为后网络，用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成，其中使用批量标准化（Batch Normalization，BN）、全局平均池化（Global Average Pooling，GAP）进行优化.实验结果证明，本文方法对前列腺癌诊断结果较好，而且缩减了训练时间和参数量，有效降低了训练成本.     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。     

物理解题中隐含条件的挖掘——以2019年高考全国Ⅰ卷、Ⅱ卷、Ⅲ卷选择题为例

隐含条件的挖掘和准确把握,在很多时候对于物理问题的快速解决起着关键性的作用,在审题过程中能快速找出隐含条件,并利用隐含条件解题更是在考试过程中准确高效解题的最好方法.本文以2019年高考全国Ⅰ卷、Ⅱ卷、Ⅲ卷选择题为例详细分类探讨了物理解题中隐含条件的挖掘这一问题,希望对于学生如何在题目中快速找出隐含条件有所帮助.     

中考数学平行四边形压轴题解决策略探究

平行四边形压轴题大多以"存不存在"的形式出现,需要学生根据题意结合平行四边形相关知识利用分类讨论法和数形结合思想画图与分析相关情况.在面对这种问题时,学生往往难以准确画图和分析.为此,本文先对解决这类问题的主要方法和技巧进行简要介绍,然后举例分析与说明具体解决过程,最后阐述解决该类问题时需注意的几个问题,从而帮助学生排难释疑,在解决这类问题的过程中逐步建立学好、用好、考好的信心.     

基于变式理论的中考微专题复习与思考

近年来,越来越多的"有识之师"认识到按题型简单分类的中考二轮专题复习课的诸多弊端,如以开放探究、图像信息、分类讨论、新定义等题型来分类教学是非常简单化的课型划分,如以新定义题型来设计一节专题复习课,必然"挂一漏万",即使在一节新定义课中精选几道新定义题也可能会使训练的目标和教学主线难以聚焦,往往形似而质异.而另一类着力在形异而质同的微专题教学却得到很多有追求、有思考的老师的喜欢(见参考文献[1]~[3]).本文是笔者基于变式理论研发的一节费马点微专题教学课例,供研讨.     

基于FCM的簇内欠采样算法

针对传统分类器在不平衡数据集上性能降低的问题,提出一种基于FCM的簇内欠采样算法(Fuzzy C-means clustering Based Under Sampling In Clusters, FCMUSIC)。使用模糊c-均值聚类算法(Fuzzy C-Means clustering, FCM)将多数类样本划分成若干簇,在每个簇内以类别不平衡比率(imbalanced ratio, IR)的倒数作为采样倍率,得到新的多数类样本并与少数类样本合并,形成新的平衡样本集,结合KNN和Random Forest分类器进行分类。分析在5组不平衡数据集上的分类结果,当使用KNN分类器时,改进后的算法的F1值平均提高了6.65%,G-mean值平均提高了7.75%;使用Random Forest分类器时,F1值平均提高了5.31%,G-mean值平均提高了6.07%。表明FCMUSIC算法能够有效地提升传统分类器对不平衡数据集的分类性能。     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中，用户能准确识别数据类别，但在有些分类场景中,类别之间的顺序关系更容易被识别，为此，提出一种排序支持的交互数据分类算法。为提升交互分类精度，引入数据的顺序信息，为降低标记难度，提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法，用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证，将相关车辆分为高危车辆、中危车辆、低危车辆3类，算法的分类结果模型一致度达近98%，验证了方法的有效性。     

STEAM教育跨学科思维评价研究——基于化学师范生的实证分析

跨学科思维是个体在解决复杂问题时,基于学科知识间的内在联系寻找问题解决方案的思维方式。基于SOLO分类理论和STEM教育的“融合斜面”构建跨学科思维评价框架,采用NVivo12分析软件依据“STEAM金字塔结构框架”对93位化学师范生的STEAM项目的任务分解资料进行编码和统计,分析化学师范生跨学科思维发展水平。以期为进一步寻求化学师范生跨学科思维高水平发展的策略提供参考。