基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

对初中数学深度学习的理解与探究

初中生在数学学习过程中,往往更多地将注意力集中在数学知识的习得,以及数学习题的解答上.这样的认识实际上限制了学生学习主动性的发挥,再加上初中生受身心发展局限性的影响,他们的学习行为有时停留在浅层学习(Surface Learning)的层面,存在碎片化、浅表化、浮躁化的现象,学生很难深度加工知识信息、深度理解复杂概念、深度掌握内在含义,进而建构个人化和情境化的知识体系以解决复杂问题.要化解这些难题,关键之一就是要优化学生的学习方式,要将学生从浅层学习中解放出来,要让学生真正经历深度学习的过程.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

基于“结构化教学”的小学数学深度学习

1问题提出南京市雨花台区小学数学项目研究——“落实课标精神、关注核心素养、践行结构教学”活动在我校拉开帷幕,本人有幸观察了两位数学教师执教的三年级同课异构的课例《认识几分之一》,聆听了省特级教师戴厚祥老师的《小学数学生态结构化教学》的讲座,感受颇深,之后引发思考,我们“怎样才能把学习压力和内在需求、数学思考和人的天性、情感与态度有机地统一起来,让小学数学教育既能使学生获得基础知识、智慧技能、认知策略、健全人格,又能使学生的情感态度价值观健康地发展?”带着这个思考,本人认为“小学数学深度学习的课堂”与“结构化教学”有着紧密的联系,是当前我们提高学生数学素养需要解决的问题.     

高职基于测绘地理信息类专业的校企深度合作模式研究

校企合作是高职院校实现人才培养目标的重要途径,但因校企双方不能很好地解决诸如政策法规、运行机制、效益产出等方面的问题,导致校企合作无法全面深入开展并形成长效机制。近年来,测绘地理信息产业迅速兴起并保持高速增长,应用范围已不局限于为国防建设、经济建设和社会发展服务,已进入千家万户,成为人民群众日常生活中不可或缺的关键信息,在旅游出行、医疗卫生、扶老助残等方面应用广泛。地理信息产业的兴起,使得国家急需大量测绘地理信息类高素质劳动者和技术技能人才。要实现人才培养目标,高职院校必须全方位深入加强校企合作。     

平面图最小对分问题的一个0(logn)近似算法

研究对象仅限于平面图的最小对分问题，研究方法是借鉴U．Feige和R．Krauthgamer的“分解—组合”思想在算法的设计上有新的较大的改进，并得到了一个更好的近似比．     

网络计划最低费用日程的一种新解法

根据网络计划的特点,在求解其最低费用日程时,引入最小割的概念,从而改进了该问题的求解方法。文中给出了解决问题的算法流程,并附有算例.此法运用较简便,且易于计算机计算,自动化水平高,因而便于有关人员采用.