基于“深度学习”的命题教学设计——一类圆锥曲线中定点定值问题的探究与推广

“深度学习”是一种新的思维方式,是信息时代教学变革的必然选择,是发展和落实学生核心素养的重要路径.数学命题教学是数学教学活动中的重要组成部分,良好的命题教学设计,尤其是基于深度学习的命题教学设计,有利于锻炼学生的思维,培养其核心素养.笔者从一道改编的高考题着手,通过解法分析、一题多变,由浅入深,层层递进,促进学生数学核心素养的发展.     

重视试题探究 促进深度学习——由2019年高考概率压轴题研究说起

“深度学习”能够引导学生主动参与学习活动,使学生从单纯的、封闭式的、缺乏挑战性的活动,走向复杂的、开放的、探索性的学习任务的完成.笔者以2019年高考概率压轴题研究为教学案例,从研判学情、设置真实情境、改进解法、问题推广、挖掘背景、变式探究六个方面阐述如何进行深度学习.     

让深度学习落地生根——以导数中隐零点微设计为例

导数中的隐零点问题是高考数学的热点、难点问题.此类问题重点考察学生的逻辑推理、数学运算、数形结合等核心素养及综合运用数学知识分析解决问题的能力.高三复习阶段,为进一步提高核心素养,强化函数与方程、数形结合、分类讨论、化归等重要数学思想的渗透,笔者尝试以导数中的隐零点为载体,以促进学生对数学知识和数学思想方法的运用和迁移.     

基于移动分割与轻量化分类网络的红外目标实时识别方法

战场野外复杂红外场景中,由于背景灰度分布无规律、目标边缘模糊且纹理特征缺失,目标极易混淆在背景之中;由于嵌入式平台算力的限制,多数深度学习类检测算法难以应用于便携设备,无法实现快速有效的目标识别.提出一种基于运动目标提取与高效机器学习模型结合的目标识别方法:通过运动检测实现目标像素级分割,经形态学处理后,定位单体目标;...     

弹体垂直侵彻深度工程计算模型

利用空腔膨胀理论计算各种形状弹头的法向侵彻阻力，并考虑作用在弹体头部的库仑摩擦阻力和作用在弹体侧壁粘滞摩擦阻力的影响，根据牛顿定律确定弹体在靶体介质中的运动微分方程，由运动边界条件确定弹体的侵入深度，最后与试验结果进行了比较，表明结果是可靠的。     

投资者情绪对科创板市场收益率的影响——基于文本数据挖掘视角

本文以科创板市场为主要研究对象,基于文本数据挖掘方法探究了新冠疫情发生前和疫情期间投资者情绪对市场收益率的影响及其作用机制。利用东方财富股吧2019年7月至2020年3月的日度科创板股票评论数据,基于Bi-LSTM深度学习技术对文本数据情感倾向进行分类,建立投资者情绪指数。通过构建双向固定效应的联立方程模型,采用2SLS方法估计投资者情绪对科创板市场收益率的作用,并检验在经济平稳运行和受新冠疫情冲击期间该作用的差异性。实证分析及稳健性检验的结果均表明,投资者情绪通过影响交易量进而影响科创板股票市场收益率,这种正向作用在1%的置信水平下显著。此外,投资者情绪对科创板收益率的影响在经济平稳运行和受新冠疫情冲击期间均保持稳健,且在新冠疫情期间作用更强。本研究成果对于新冠疫情期间我国证券市场监管层完善科创板交易机制,以及对中小投资者优化投资战略具有重要意义。     

基于神经网络的差分方程快速求解方法

近年来, 人工神经网络(artificial?neural?networks, ANN), 尤其是深度神经网络(deep?neural?networks, DNN)由于其在异构平台上的高计算效率与对高维复杂系统的拟合能力而成为一种在数值计算领域具有广阔前景的新方法. 在偏微分方程数值求解中, 大规模线性方程组的求解通常是耗时最长的步骤之一, 因此, 采用神经网络方法求解线性方程组成为了一种值得期待的新思路. 但是, 深度神经网络的直接预测仍在数值精度方面仍有明显的不足, 成为其在数值计算领域广泛应用的瓶颈之一. 为打破这一限制, 本文提出了一种结合残差网络结构与校正迭代方法的求解算法. 其中, 残差网络结构解决了深度网络模型的网络退化与梯度消失等问题, 将网络的损失降低至经典网络模型的1/5000; 修正迭代的方法采用同一网络模型对预测解的反复校正, 将预测解的残差下降至迭代前的10?5倍. 为验证该方法的有效性与通用性, 本文将该方法与有限差分法结合, 对热传导方程与伯格方程进行了求解. 数值结果表明, 本文所提出的算法对于规模大于1000的方程组具有10倍以上的加速效果, 且数值误差低于二阶差分格式的离散误差.      

飞秒激光对高反膜的破坏及其超快动力学过程

研究了800nm飞秒激光照射下45°高反膜ZrO2-Si O2的破坏及其超快动力学过程。利用原子力显微镜和扫描电镜观察了材料的烧蚀形貌,测量了破坏阈值与脉冲宽度、烧蚀深度与脉冲能量的依赖关系。随着脉冲宽度从50fs增加到900fs,其烧蚀阈值从0.35J/cm2增加到1.78J/cm2。烧蚀深度与激光能流密度近似成对数关系。当激光强度略高于烧蚀阈值时,材料很快被烧蚀到几百纳米,烧蚀深度表现出明显的层状特性。同时,利用建立的抽运探针实验系统,测量了高强度抽运脉冲作用下材料对探针光的反射率随延迟时间的变化,揭示了薄膜烧蚀的超快动力学过程。实验结果表明高反膜表层的材料对烧蚀特性有重要影响。     

基于深度学习的可见光图像中行人检测方法

相对传统的行人检测技术,基于深度学习的行人检测技术具有压倒性的优势,然而由于深度卷积网络规模庞大,需要专用的处理器,限制了行人检测系统的推广.针对上述问题,提出一种网络规模适中的深度卷积网络模型,在保证检测精度的前提下提高检测模型的普适性.以低维度的浅层卷积神经网络为基础,分别从网络层数、感受野大小和特征图3个角度出发...     

风电场风速和发电功率预测方法综述

随着大规模风电并网,在电力市场中,风电所占比例越来越大。由于风的随机性和间歇性,风力发电并不稳定,这给风电并网带来了很大的挑战。风电功率预测成为当前解决该问题重要途径,在风电并网中发挥着重要作用,关系到风力发电的使用效率。本文梳理了常见的模型驱动的风电功率预测方法:第一类是概率统计模型,以ARIMA模型为代表。第二类是机器学习模型,如支持向量机,高斯过程,随机森林等。第三类是深度学习模型,以循环神经网络为代表。第四类是模型分解方法,将序列分解为线性部分和非线性部分,再分别建立线性模型和非线性模型,最后将两部分的预测结果相加。此外,还有组合预测方法,先使用小波分解、经验模态等方法将序列分解为多个信号,再用以上四类基本方法对每个信号建模,最后将各个信号的预测值重构回原序列的预测值。本文将详细介绍并比较以上四类基本预测方法和组合预测方法,并分析各类方法的优点和局限性。