怎样提高学生学数学的兴趣

随着时代发展，不同时期对教育有着不同的要求，新科标的实施对教师的要求也提高了，特别是数学教师要改变以往的教育模式，数学教学不再是教师向学生传授知识的过程，而是给学生创造环境，鼓励学生“观察”、“操作”、“发现”，在这个过程中通过合作交流，让学生发展自主探索自主学习的能力，发展学生的个性品质从而激发学生学习数学的兴趣。兴趣是最好的老师。浓厚的学习兴趣可以使学生的大脑处于最活跃的状态，使学生的思维敏捷，能够最佳地接受和处理教学信息。浓厚的学习兴趣，能有效地提高学生的观察能力和诱发学生的学习动机，促使学生自觉地集中注意力，全身心的投入学习活动中。在激发学生学习兴趣方面，运用适当的教学方法和手段引导他们的求知欲和好奇心，从而培养他们浓厚的学习兴趣。     

铜酞菁表面处理（I）——对分散稳定性，润湿性的影响

以阴离子，非离子表面活性剂ASAA，NSAA对铜钛菁实施表面处理，观察了了表面活性剂类型，添加方式（处理方法）对铜酞菁颜料分散，润湿性能的影响，研究了阴离子型及不同HLB值的非离子表面活性剂对α-CuPC改进分散，润湿性的作用，比较了CuPC颜料分散性能与表面活性剂HLB(hydrophile-lypophile balance) 值之间的关系。     

改性磺化木质素LSA阻垢分散性能及机理研究

以工业木质素磺酸盐LS为原料，采用自由基共聚反应对LS进行接枝羧基改性，制备得到改性磺化木质素LSA，用红外光谱对其结构进行表征。对LSA与目前常用几种阻垢剂进行阻垢分散性能的比较，结果表明，改性产物LSA为一种阻垢分散性能较为理想的绿色阻垢剂，并从螯合使用、分散作用及晶格畸变作用三方面对LSA阻垢机理进行了探讨。     

对击剑运动员在比赛中集中注意力的探讨

运用献资料、问卷调查、访谈等方法，对击剑运动员比赛中的集中注意力问题进行探讨。注意力集中是影响击剑运动员比赛中技术、战术发挥的重要因素；击剑运动员的注意力在比赛中容易受到客观和主观因素的干扰，主要有对器械感觉不适、教练员暗示过多、对手弱产生轻视、急躁、因比赛规格高产生紧张、对比赛结果考虑过多、想赢怕输等，在此基础上提出相应的建议。     

数字式光伏阵列模拟器的设计

本文提出了一种利用电力电子技术,全真模拟太阳能电池输出特性的光伏阵列模拟器.该模拟器不但可以模拟任意电池模型在某一外界条件下的静态输出特性,而且可以根据过去某一段时间的辐照度和温度信息,让该模拟器重现任意一种太阳能电池在该段时间内的动态输出.使研究人员可以在实验室对光伏发电系统进行研究和分析,这种模拟器同时也为光伏发电系统工作者提供了进行系统优化配置的有效手段.     

基于 Swin Transformer 和 Style-based Generator 的盲人脸修复

盲人脸修复任务是从低质量的图像（例如模糊、噪声和压缩图像）中恢复高质量的图像.由于事先不知道低质量图像的退化类型和退化参数,因此盲人脸修复是一个高度病态的问题,在修复过程中严重依赖各种先验指导.然而,由于面部成分和面部标志等面部先验通常是从低质量图像中提取或估计的,可能存在不准确的情况,这直接影响最终的修复性能,因此难以有效利用这些先验知识.此外,目前的主流方法基本都是依赖ConvNets进行特征提取,没有很好地考虑长距离特征,导致最终结果缺乏连续一致性.本文提出了一种改进的StyleGAN模型,命名为SwinStyleGAN,应用在高级视觉任务上表现出色的Swin Transformer来提取长距离特征,并通过改进后的类StyleGAN合成网络逐步生成图像.本文设计了一个空间注意力转换模块SAT来重新分配每个阶段特征的像素权重,以进一步约束生成器.大量实验表明,本文提出的方法具有更好的盲人脸修复性能.     

基于DCPAN的低剂量能谱CT图像去噪方法

能谱式计算机断层扫描(CT)成像技术具备良好的能量分辨率,能够精确地鉴别人体组织成分,从而为后续诊断提供更准确的检测信息．随着辐射剂量的降低,能谱CT图像中噪声水平显著提高,对成像质量产生严重影响,进而降低了组织成分的解析精度．基于卷积神经网络(CNN)的去噪模型虽然可以显著降低图像中的噪声含量,但随着卷积层数的增加,深层神经网络通常会丢失高频信息．为了解决这一问题,并实现在低剂量条件下重建出高质量能谱CT图像,本文提出了一种结合通道注意力机制(CA)和持续自注意力机制(PSA)的密集连接持续注意力网络(DCPAN)．两种注意力机制分别建立特征图像在通道和全局维度的联系以提高网络对图像高频分量的敏感程度,进而抑制高频细节信息的丢失．该模型所采用的密集连接结构通过特征复用的方式可以在前馈传播中保留高频信息,使用复合损失函数来监督网络的训练可以使该模型对边缘特征和组织细节信息更加敏感．实验结果表明,经该模型处理的腹部切片CT图像峰值信噪比、结构相似性指数和特征相似性指数分别达到了38.25 dB、0.993 7和0.973 2以上．相比于目前先进的CT噪声去除方法,该方法具有更好的噪声抑制...     

基于自注意力机制的新生儿胆道闭锁识别

新生儿胆道闭锁是新生儿常见的致命疾病之一,并且该病在亚洲的发病率高于世界其他地区.新生儿胆道闭锁需要及时发现及时治疗,然而由于缺少专业的儿科医生和辅助诊疗手段,新生儿父母往往不能及时发现而错过了最佳治疗时间.因此,本文开发了一个具有实际应用价值的预诊算法,通过新生儿粪便图片预测新生儿是否患有新生儿胆道闭锁,并提醒新生儿父母及时就诊.为了让算法在应用场景下识别率更高,本文的算法基于一个真实场景下拍摄的新生儿粪图片数据集开发.首先我们设计了一个自注意力网络模型BANet(Biliary Atresia Network),将图片的浅层特征和深层特征相结合,可以得到更好的分类效果.由于拍摄自应用场景下的图片存在过暗和过曝等问题.通过分析数据集的亮度分布,我们设计了一个自动亮度调节算法解决.此外,图片中的阴影也会对识别结果造成干扰,因此我们在训练阶段增加了一种阴影数据增强方式来缓解这一问题.为验证本文提出算法的有效性,本文设计了一个和医生的对比试验.结果证明BANet在四分类的识别率、二分类的识别率、特异性和敏感性等客观评价指标上占有明显优势.本文提出的BANet能够有效利用图片中的颜色、异常点...     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于双重匹配注意力网络的观点型阅读理解

提出一种基于双重匹配注意力网络的方法.先用动态匹配机制迭代综合获取全局观点信息,同时利用多维度匹配机制在不同特征空间上计算全局语义信息,然后交互式多路注意力机制通过两路注意力之间的交互计算对上述全局的观点与语义信息进行融合,最后与选项表示结合预测答案的观点倾向.在观点型阅读理解数据集ReCO和Dureader上面的实验表明,该方法相对于基准模型在准确率上提升了1.18%和0.84%,在加权宏F1上提升了1.16%和0.75%.