高中生生物学理性思维培养策略

简要回顾了高中生生物学核心素养的发展历史.在介绍理性思维内涵的基础上,从改变传统的教学观念,以学生为主体;引进思维导图,培养学生归纳与概括能力;从生活经验出发,培养学生类比推理能力等8个方面提出了理性思维的培养策略.对高中生理性思维的培养具有一定的指导意义.     

思维导图在教育领域的应用及对数学教育的启示

对2004—2013年思维导图在教育领域的应用研究进行了文献综述.通过对已有研究的整理得出,对数学教育的启示。     

一类可解3-李代数的导子代数

研究具有5维极大Hypo -幂零理想N的所有可解非幂零3-李代数的导子代数的结构.给出每一个导子的具体表达式及导子代数的维数,并证明导子代数是可解非幂零的李代数.     

大规模MIMO系统中的伪随机码导频设计

针对大规模MIMO系统中存在的导频污染问题,提出一种有效的导频设计方案.在所有小区复用同一组正交导频的情况下,为每个小区分配不同时延的伪随机码,利用各小区内的伪随机码对小区内用户导频进行同步加扰,以获得用户的发送导频.推导并分析了该导频设计方案下期望信道估计的均方误差.理论和仿真结果表明,该导频设计方案能有效提高信道估计性能,提升整个系统下行链路的性能.     

OFDM中导频模式对信道估计性能的影响

分析OFDM系统中基于导频的信道估计技术,重点研究块状导频和梳状导频的设置模式和在2种导频模式下信道估计的算法.在不同的信道条件下,对2种导频模式进行信道估计性能仿真比较.仿真结果表明,块状导频对信道衰落的快慢比较敏感,对频率选择性不敏感;梳状导频对信道衰落的快慢不敏感,但对频率选择性比较敏感.     

数据库原理课程教学改革研究与实践

为加快一流本科建设需要,根据数据库原理课程的特点,指出了当前数据库原理课程教学中存在的主要问题,并针对存在的问题采用"体验式"教育教学方法和"思维导图"学习方式相结合模式,同时利用学者网和雨课堂作为辅助教学工具,旨在提高学生在数据库系统设计方面的综合应用能力,更好地适应社会需求.教学实践表明,教学改革效果良好.     

面向计算思维能力培养的电子信息类课程教学内容的研究

为了提高电子信息工程专业学生的创新能力,以计算思维为指导进行信号处理系列课程整合模式的研究.通过分析各门课程的教学内容给出计算思维应达到的能力程度,并划分为初级阶段、中级阶段和高级阶段.以二维信号处理为例,依次分为信号变换、信号增强、信号恢复、信号编码和信号分析等5个阶段.在各个阶段中处理域分为空间域和变换域2种,因此变换域理论是信号处理系列课程整合模式中核心知识点之一.在分析数据压缩技术和数字图像处理课程教学内容的基础上,说明以计算思维能力培养为指导的部分教学内容的组织,是一种高效、无冗余的整合模式.     

基于计算思维的VB程序设计课程教学内容设计

在分析计算思维与计算机基础教学的基础上,提出围绕计算思维培养的课程建设要从课程内容着手形成完整的课程体系.并以VB程序设计课程为例,对其教学内容进行梳理和组织,且分析了以问题为引导的教学实施方法.实践表明,此方法对训练学生的计算思维起到积极作用.     

爪鲵端脑胚后发育的组织学研究

为探讨爪鲵端脑胚后发育的特征,及其在系统进化中的地位,采用脊椎动物神经标本制作技术和HE染色方法,对爪鲵胚后6个年龄组端脑的形态学与组织学进行研究.发现爪鲵端脑由嗅球和大脑半球组成,从幼体Ⅰ龄开始,爪鲵已具备了和成体端脑相似的结构.随发育的进行,爪鲵的端脑长和整个脑长都是逐渐增加的,端脑占整个脑的比例逐步加大.爪鲵的原始大脑皮质不发达,与原始海马和原始梨状区之间的界限不明显;原始海马是爪鲵大脑半球中最发达的结构,发育至Ⅱ龄时,出现内侧界沟将其与隔区分开;外侧界沟在Ⅰ龄时就将原始梨状区和纹状体分开,但发育至Ⅲ龄时,外侧界沟变得不明显,纹状体突增大.而东北小鲵没有明显的外侧界沟,这表明爪鲵的大脑半球虽然比较原始,但高于同类的东北小鲵.但与其他两栖动物相比,爪鲵的端脑结构还较为原始,在两栖类中属于较低等的类群.     

《软件测试》课程教学策略研究

本文从《软件测试》课程教学过程出发,提出了一组适应该专业课程教学特点的教学策略。在教学策略中引入项目管理WBS和思维导图技术,对教学策略的应用提出了框架式分层设计理念。     

老年性痴呆患者EEG复杂度比较分析

运用非线性动力学方法比较分析了老年痴呆(AD)患者与同龄正常人的脑电(EEG)复杂度特征,初步表明AD患者头皮各导联处EEG信号的复杂度均显著低于同龄正常人的相应值.研究结果提示:可考虑试用复杂度作为AD临床诊断的特异性指标作进一步深入研究.     

老年轻度认知障碍患者的脑电熵分析

选取8名轻度认知障碍(mild cognitive impairment, MCI)老年人和17名正常老年人参与图片颜色的认
知任务,并同步记录他们的脑电信号,然后采用相对能量、样本熵和累积残余熵分析方法,研究这两组被试在执
行任务时的不同脑区脑电活动的差异. 研究发现：1) 两组被试alpha相对能量无差异,但MCI患者额中央区和顶
枕中央区的脑电熵高于正常人;2)两组被试额区脑电的熵值都高于其他区域,中线区域的脑电熵值低于左右半
球;3)刺激类型对两组被试的脑电活动有影响,在完成匹配任务时,两组被试大脑前侧区域的脑电活动更为复杂,
并且正常人大脑右侧中央区域的脑电活动复杂性较高;4)与样本熵相比,累积残余熵能更细致地刻画出MCI患者
脑电的非线性特征. 结果表明,MCI患者认知过程中的脑电活动存在异常,信号更为复杂. 与样本熵相比,累积残
余熵更适合于分析脑电的非线性特征.     

相同步及支持向量机在意识任务识别中的应用

提出一种衡量相同步方法,用于提取与想象运动相关的脑电信号特征量,并用支持向量机作为分类器对意识任务进行分类.特征提取与分类结果证明了该方法的有效性.     

基于频带能量和相同步的运动意识任务分类研究

提出了基于信号频带能量和相同步作为脑电特征向量,实现对左右手运动意识任务的分类方法．用线性判别式算法对左右手运动想象脑电模式进行识别,识别正确率最高达到了86．43%,与只用特定频带能量作为脑电特征分类结果相比,效果更好．为大脑运动意识任务的分类提供了新思路．     

基于脑电信号深度学习的情感分类

情感脑电研究作为人工智能高级阶段的重要任务,近年来受到越来越多的关注。情感脑电分类广泛应用于人机交互、医学研究等领域。该文以轻量级的卷积神经网络为核心,设计了情感脑电分类模型,以DEAP（dataset for emotion analysis using physiologicalsignals）提供的情感脑电图数据为基础,将其中的观看视频划分为唤醒度和愉悦度2个维度。为了获得频域信息,提取了theta、alpha、beta和gamma波段的功率谱密度特征进行评估,并将功率谱密度矩阵表示为二维灰度图像。然后将该图像输入到卷积神经网络训练分类模型并完成2个维度的分类任务。实验结果表明,与传统机器学习相比,卷积神经网络具有更好的分类效果,唤醒度分类准确率达到了82.33%,愉悦度分类准确率达到了75.46%。     

面向3D-HEVC的感知自适应环路滤波

提出一种基于感知的快速自适应环路滤波算法,利用最小可察觉失真模型和Canny算子将最大编码单元进行分类,对不同分类区域进行自适应环路滤波(adaptive loop filter,ALF)的性能评估和分析,在此基础上跳过所有非敏感平滑区域和敏感平滑区域耗时的ALF处理.实验结果表明,该算法能在视频主观质量和客观质量基本不变的前提下大大降低ALF编码复杂度,有效改善ALF性能.与现有高效ALF算法相比,该算法可在编码复杂度相当的情况下获得更好的主观视频质量.     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求，提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method，ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型；然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm，NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化，从而为车载计算任务找到有效的计算迁移策略；最后根据多目标决策准则（multi-criteria decisionmaking，MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution，TOPSIS）选择出最优的计算迁移策略.实验结果表明，ICOM方法能够使车载计算任务在期望时间内完成，同时也保证边缘设备的负载均衡.     

UWB-OFDM系统中基于矩阵特性的ICI消除

对UWB-OFDM系统ICI消除算法进行研究,首先分析了系统ICI的产生机理,在此基础上,提出一种基于矩阵特性的ICI消除的快速算法。信道模型采用IEEE UWB的CM1和CM4模型,系统仿真实验结果表明,本文基于矩阵特性的ICI消除快速算法在不同的超宽带室内信道环境以及不同的归一化频率偏移情况下均具有较好的性能,同时算法计算复杂度较低。     

网格服务挖掘:一种面向网格服务计算范例的实现

面向服务的计算是一种把网格服务作为开发应用的基本元素的计算范例，它是在Web Services、网格计算和软件复用技术的完善和发展下而提出的，同时了解到网格服务的用户有这样的计算需求：从网格上发现网格服务，或直接使用它们，或间接动态地组装它们形成的新型的、功能更强大的网格服务，我们提出了网格服务挖掘GSM(Grid Service Mining)的概念．以及适成这种计算范例的软件构架——FGSM(Framework for Grid Service,Mining)．在这种架构中，智能agent分析理解用户的服务需求．从网格服务资源巾查询、识别可用的网格服务，并组装、链接它们．形成满足用户需求的新型的服务．文中论述了网格服务挖掘的基本概念，并详细描述了FGSM的结构以及在该架构下网格服务挖掘的一般过程，最后指出了进一步的研究方向。     

基于FSCD-CNN的深度图像快速帧内预测模式选择算法

针对3D-HEVC的多视点视频加深度图的编码格式和四叉树编码结构所带来的编码复杂度问题,提出了一种深度图像快速帧内预测模式选择算法。首先,从深度视频序列中以最优的深度图最大编码单元（largest coding unit,LCU）划分深度为标签获取训练集;其次,构建了适用于LCU的Cu深度快速选择卷积神经网络（fast selecting Cu’s depth-convolutionalneural network,FSCD-CNN）;最后,对深度图LCU进行划分深度预测,跳过部分编码模式决策,实现最佳LCU划分。实验结果表明,与相关文献对比,所提算法在保持了编码性能的同时平均减少了15%的编码时间,实验验证了其有效性和可靠性。