运作形成性考核模式,促成自主性学习——《儿童文学应用与实践》课程考核模式探索

形成性考核是在教学过程中对学生学习过程的表现和效果进行考核。《儿童文学应用与实践》课程学习情境的提炼和核心学习情境的确定,为形成性考核模式的顺利运作提供了可能性;各项学习情境适合运作形成性考核模式;以核心学习情境为主体的实训考核过程完整,自成体系;将学习情境放到企业开展教学活动,赢得好评。通过形成性考核,帮助学生在真实的感受中、在彼此欣赏中、在创造的喜悦中不断成长,真实地达成课程预定的学习目标。     

做中学,做学交织,享受快乐学习——《儿童文学应用与实践》课程学习模式探索

著名教育家杜威认为＂做中学＂就是＂从活动中学＂、＂从经验中学＂。《儿童文学应用与实践》课程学习情境设置依据＂做中学＂的原则,倡导从仿真模拟活动中学,从实训经验累积中学,从审美愉悦中学。学生在仿真模拟学习中,时刻准备着、一个都不能少地享受快乐学习带来的乐趣,实现学习项目、岗位情境与认知点的交融,完成由学习情境到岗位情境的自然转换。     

基于通道特征聚合的行人重识别算法

在基于深度学习的行人重识别算法中,通道特征易被忽视而导致模型表达能力降低。为此,以ResNeSt50为骨干网络,借鉴SENet通道注意力特点在残差块末尾接入SE block,增强网络对通道特征的提取能力;针对ReLU函数因缺少控制因子而限制不同通道特征图对激活值的准确响应问题,引入一个动态学习因子来丰富通道特征权重信息,以形成新的加权激活函数Weighted ReLU(WReLU);基于分组卷积特征图局部而设计新的激活函数Leaky Weighted ReLU(LWReLU),有效提高不同位置的深度特征表达能力;在Split-Attention和SE block中应用LWReLU,改善Split-Attention对各组特征图的权重学习能力;利用circle loss改进损失函数,优化目标收敛过程,从而提高模型精度。实验结果表明：在CUHK03-NP、Market1501和DukeMTMC-ReID数据集上,所提方法的Rank-1比原骨干网络分别提高了19.08%、0.98%、2.02%,且其m AP比原骨干网络分别提高了17.13%、2.11%、2.56%。     

传感器网络中与节点位置无关的覆盖算法

在不能获取节点精确位置信息的条件下,现有的基于分组的节点调度算法不能保证各个组内的传感器节点均匀分布在目标区域,导致传感器网络难以获得较好的覆盖性能.提出了两种调度算法:与节点位置无关的集中式覆盖算法和分布式覆盖算法,在定位设施缺失的条件下,使得各个组内的传感器节点较为均匀地分布在目标区域.算法分析和仿真实验证明了算法的有效性.     

一种基于混合聚类和支持向量机的用电数据分类算法

用电数据分类是判断线路电量是否异常的重要方法.由于计量监测终端获得线路上的实时数据存在不明显的差别,而且目前尚未有较好的算法来区分这种差别,因此,针对用电管理过程中的不可预知性,根据线路上实时用电数据的特点,提出了首先利用聚类算法对电量数据进行预处理,然后使用支持向量机进一步优化分类结果的算法.计算结果表明,该算法提高了用电数据分类的准确性,降低了训练的复杂度.