移动视频学习资源建设——以微信公众号为平台

结合高职院校《Flash二维动画》课程,在现有移动学习模式设计理念基础上,提出基于微信公众平台的教学设计框架和移动视频学习资源的设计模式及开发流程。为基于微信公众平台的移动教学提供了一个新的视角,也为Flash二维动画爱好者提供了崭新的学习模式。     

自动物种识别中基于时频谱图形状的声学部件检测

概述了声音的自动物种识别在环境监测中发挥的重要的作用,创新性地利用时频谱图将可听的声音信号转换为可视的图像信号,并定义了构成动物叫声结构的基础声学部件。从图像处理的角度出发,设计了3种基于时频谱图形状检测声学部件warble,stacked harmonic和oscillation的算法;通过母考拉的叫声结构详细阐述这3种算法,并将这3种算法的识别结果与Raven和Song Scope进行了比较。实验结果表明,相较于Raven和Song Scope,本文设计的3种算法在识别精度上提高了10%。     

建设专家大院提升舒城科技创新能力

<正>舒城县科学技术局紧紧围绕该县主导和特色产业,充分利用高校、科研院所的科技成果、项目、人才等优势资源,切实抓好科技专家大院建设工作,推动产学研合作。舒城县相继与合肥工业大学、安徽大学、安徽农业大学、安徽省农业科学院等高校院所加强联系、协调、沟通,与专家教授面对面交流,促成18名高级教授援助舒城,其中14名专家教授成为舒城县专家大院首席专家,这对提升全县科技服务水平和科技创新创业能力具有重要推动作用。     

打铁还需自身硬——浅谈思想政治教师的与时俱进

新的发展阶段要求思想政治教师与时俱进,在教学中体现时代性、时效性,把握规律性,富有开拓进取的创造性及创新性。要真正做到与时俱进,政治教师就应努力做到教育理念更新、教学资源整合、教学方法改进、教师素养提升等等,以促进学生全面发展,促成自身进步。     

铁矿地质勘查的技术与方法研究

伴随着国家经济的不断繁荣发展,工业产业得到前所未有的大发展,工业的发展对于矿产资源的需求也相应的不断提升。但是,当前的矿产资源勘查以及开发具有投入较高、风险较大的特点,这些特征极大程度上限制了矿产资源的开发,在工业发展方面造成了极大的阻碍。为促进当前矿产资源的勘查开发,进而促进工业产业的飞速发展,对矿产开发技术进行革新,提高技术方法的应用是发展的必然趋势。该文从铁矿矿产资源勘查开发的技术要求、技术类型、开采条件等多方面的内容着手分析,为铁矿资源的勘查与开发找到一条飞速发展的方向。     

旅游产业发展的环境治理研究

2004~2013年,中国GDP年均增长达9.6%,但却是以牺牲环境资源为代价而换来的高增长。我国GDP低于全世界的10%,但却消耗掉全球20%的能源、54%的水泥和30%的铁矿。过度的资源消耗不但使环境遭到严重破坏,也限制了产业的发展空间。旅游业被认为是不依赖资源消耗的服务产业,实际上,旅游产业是集食、住、行、游、购、娱为一体的整体需求,旅游产业体系离不开对资源的依赖。旅游活动中大量的能源资源、水资源被消耗,而产生的废气、废水也造成了环境污染,旅游景区脆弱的生态平衡也受到很大的冲击。有相当一部分热点旅游区污染严重,降低了人们对其的旅游兴致,空气质量不容乐观,局部生态环境也受到破坏,旅游资源遭到损害。     

关于物理开放性学习的探究

开放性学习越来越成为高中物理教学的发展趋势，也是基础教育的发展趋势。教师要从改变学习方式入手，充分利用现在的社会资源优势开发多种课程资源，鼓励学生动手操作、发明创造，将开放性学习落到实处，改变基础教育的刻板和应试特点。     

抗疫合作助推东亚命运共同体建设

"患难见真情"不仅是对扶危济困这一高尚品行的道义褒扬与情感呼唤,更是对人类命运共同体精神的生动折射。疫情无国界。我国为了控制疫情采取了最全面、最严格、最彻底、代价极大的防控举措,但日本、韩国、东盟国家仍无可避免地不同程度"中招",一度呈现韩、日局部地区加速蔓延和医疗资源愈发紧张的趋势。     

基于边缘计算和稳态 遗传算法的AIoT资源调度研究

在万物互联时代，智能物联网（Artificial Intelligence of Things, AIoT）是人工智能与物联网融合发展的新兴方向在面对边缘海量数据和连接时，如何进行资源负载的调度是AIoT目前亟待解决的关键问题边缘计算（Edge Computing）是对云计算的补充和发展，具有低时延、位置敏感和无线接入等优点，能在网络边缘进行高效部署该文提出了一种基于边缘计算和遗传算法的AIoT资源调度方法首先，基于边缘计算构建了云边融合的AIoT分层网络资源管理架构然后，对其资源调度问题进行了数学建模并使用稳态分组遗传算法（SSGGA）进行了优化最后，根据得到的优化方案制定了计算资源调度策略另外，基于iFogSim平台搭建了实验环境，仿真结果验证了该文所设计的资源调度策略可有效降低高负载下AIoT各节点的处理时延，并有效提升网络内设备的能量利用效率该文的工作对于推动AIoT的发展具有良好的理论和应用价值