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。     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

材料专业课程自主学习与协作创新行为的培养

作为工科专业性实践性较强的课程，如何打破传统课堂上被动教与学的模式，以提高学生学习的主动及创造性一直以来是工科教学中的难题.本文介绍了自主学习与协作创新模式在材料类课程教学中的特点及培养方式.自主学习行为是通过教师的引导学习为主，以学生之间的协作交流方式，寻找问题，解决问题的模式，围绕问题进行专业课程的学习与实践活动，从而使自主性和创新性得到充分的发挥，提高了学生们的主动性和学习的兴趣，学会了用专业的思维思考问题的习惯，提升了他们的创新性及归纳总结的能力.     

对高中物理自主学习课堂教学模式分析

随着经济的发展,科技的进步,教育得以进一步深入改革,这次改革以培养学生创新精神和综合实践能力为核心,并且高中物理教学大纲的基本要求也符合这一改革核心。而要培养学生物理自主探究能力,自主学习课堂教学模式是必不可少的。因此,笔者对高中物理教学中实施自主学习课堂教学模式进行了研究,提出了高中物理自主学习课堂教学模式的创设策略。     

基于互联网技术创新多媒体互动教学新空间

本文利用网络技术开发多媒体互动教学平台解决上述问题的可行性,提倡把互联网技术与传统多媒体教学进行深度融合,创造出多媒体教学的新生态,从而推动学生自主学习、提高学习效率。     

微课在大学计算机基础课程教学中的应用

大学计算机基础课程教学,同其他学科的教学存在较大差别,涉及到很多需要上机操作、实验的内容,传统的板书教学、多媒体教学,有时对于内容较少,同时又需要及时上机操作、演示的计算机知识点,应用微课教学会起到很好的效果。本文主要对微课在计算机基础教学中的应用进行分析。     

大学新生学习环境适应状况及对策研究

大学新生面临着从高中到大学的重大转折,能否很快适应大学学习环境是关系到大学生顺利完成学业的关键。本文剖析了大学生学习环境适应的丰富内涵及其影响因素,提出了从校园环境、人际环境和自我调适能力三个方面进行统筹建设,帮助大学新生更好地适应学习环境,完成学业。