谈数学教学中学生创新能力的培养

中学生要养成重要的学习能力即创新能力，在数学学习过程中这种能力的形成尤为重要，提高学生的思想认识能力，充分发挥学习主动性，引导学生自觉寻找学习方法，发挥学习积极性，这是引发学生创新的关键。第二，遵循数学学习规律，是培养学生创新能力的途径。包括三个部分：由浅入深，了解数学学习规律性；掌握数学方法，运用数学学习规律；提炼数学学习方法，完善数学学习思想。     

情感与英语自主学习

英语学习是一种技能性的学习，只有当学习能够积极主动参与到学习过程中时，语言学习才会发生。学习需要教师的指导与帮助，但自主是前提，自主的精神是个人发展的根基。学习只有培养自主学习的能力，才能使英语学习更见成效。同时，对英语学习的良好积极的情感态度，又有助于增强学习动机，对自主学习能力的形成有着重要的作用和影响。情感自主学习是学习英语的最好方法。     

体育学习方法指导探究

体育学习方法指导是提高体育学习能力的一种教学方法。突破心理障碍，从学习心理考虑体育学习方法指导的特点，及时进行体育学习方法指导是体育学习方法指导的心理条件。体育学习方法指导与非智力因素培养相结合，身体练习方法指导与心理练习方法指导相结合，体育学习方法指导与教学方法改革要同步是体育学习方法指导的心理学原则。开设体育学习方法指导讲座，渗入体育学习方法指导，迁移性体育学习方法的指导，学生团体学习指导，指导学生对自我动作的反馈是体育学习方法指导的方法。     

当代大学生学习动力影响因素研究——以江苏大学为例

学习动力是刺激学生学习的关键诱因，直接影响到学习效率。如何调动当代大学生的学习积极性，激发其学习动力，提升学习成效，对于高等院校来说，是提高教育质量的关键之一。本文通过问卷调查的形式了解当代大学生的学习动力状况，分析影响大学生学习动力的因素，最后提出提升大学生学习动力的建议。     

中学生学习焦虑心理的成因与自我调适

学习焦虑是学习心理的一种状态，学习焦虑心理对学生的学习和健康成长有很大的影响。学习焦虑心理对学习有一定的促进作用，但中学生的学习焦虑对学习的消极作用是主要的。要消除学习焦虑心理对学习的消极影响，必须切实减轻学生的心理负担，积极进行心理疏导，引导学生树立自信心，培养学生良好的学习心理，引导学生学会自我调适。     

对学生学习方式的几点思考

针对学生学习方式单一化，被动学习的现实，我们应该树立以学生发展为本的民主化教育思想，深刻认识造成学生被动学习的原因，改革课堂教学，激发学生学习的主动性，自主性，能动性和创造性，为学生实践多种学习方式创造条件，使接受学习和自主发现学习相得益彰，实现学习方式的多样化。     

小学生学习语文的有效途径探析

让学生爱上学习，教学生学会学习，是教育成功的关键，也成为现代教育创新、教育改革的热点。实践证明，激发学习兴趣，夯实课本知识，注意课外积累，加强写作训练，有效利用网络资源，培养良好习惯是小学生学习语文的有效途径。语文是中国学生学习的一道大餐，小学的语文学习能否打下扎实基础，对以后的学习与发展影响很大，小学生学习语文的有效途径探索任重道远。     

学习倦怠对高职学生在线学习行为影响机理研究——基于计划行为理论

疫情防控常态化下在线学习成为高职学生的重要学习途径。以计划行为理论为依据，在行为态度、主观规范、感知行为控制、行为意向、行为五个变量基础上引入学习倦怠变量，探讨高职学生在线学习倦怠对学习行为影响的机理。方法：在对高职学生在线学习调研的基础上，建立AMOS结构方程模型，探讨学习倦怠对高职学生在线学习行为的影响过程及关系。结果：学习倦怠受到主观规范负向的显著影响，行为态度受到学习倦怠的负向显著影响，感知行为控制受到学习倦怠的正向显著影响，学习行为意愿受到感知行为控制的负向显著影响。建议：通过优化在线学习管理，改进教学策略，提高社会支持和增强高职学生效能感等几项措施，降低高职学生学习倦怠，提升高职学生在线学习意愿，提高在线学习质量。     

略谈中学生语文学习兴趣的培养

读书是一种生活方式，学习是对生命的一种体验。只有让学生在学习中收获快乐，才能把学习中的被动变为主动。在教学中，语文教师要为学生构建一个开放的学习环境，从根本上激发学生的学习兴趣和学习积极性，真正燃起求知的渴望之火。为此，创设一定的教学情景，是引导学生积极参与学习的一个前提，通过有趣的授课艺术组织课堂，以学生为主体，把课堂还给学生，使学生成为学习的主人，就能让学生在快乐中学到知识，获得成就感，感受到学习语文给自己带来的乐趣，从而增强学生的自信和学习的兴趣。     

信息技术下学生的学习习惯调查

良好的学习习惯是一种自觉的学习行为，能提高学习效率。信息技术应用到教育教学过程后，引起了学习环境、学习资源、学习方式都向数字化方向发展，学生的学习习惯相应也发生了变化。了解学生在信息技术下的学习习惯，有助于各种教学工作的开展，同时也促进了学生良好学习习惯的培养。     

基于Gaussian型RBF神经网络的一元函数逼近性能研究

为了研究Gaussian型RBF神经网络对于一元非线性函数的逼近能力，编程建立了Gaussian型RBF神经网络和BP神经网络，并以正弦函数、指数函数、阶跃函数三种典型的一元非线性函数为例，分别用两种神经网络对其进行逼近．仿真结果表明，相对于传统BP神经网络而言，Gaussian型RBF神经网络对于一元非线性函数的逼近精度更高、收敛速度更快，具有良好的逼近能力，为解决一元非线性函数的逼近问题提供了良好的解决手段．     

基于RBF网络的旋转机械故障诊断方法

针对BP网络在故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于RBF网络的故障诊断方法,介绍了RBF网络的结构和自适应正交最小方差算法（SROSL法）,并应用于旋转机械的故障诊断中,应用结果表明,RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

A RBF Network Learning Scheme Using Immune Algorithm Based on Information Entropy

A hybrid learning method combining immune algorithm and least square method is proposed to design the radial basis function(RBF) networks. The immune algorithm based on information entropy is used to determine the structure and parameters of RBF nonlinear hidden layer, and weights of RBF linear output layer are computed with least square method. By introducing the diversity control and immune memory mechanism, the algorithm improves the efficiency and overcomes the immature problem in genetic algorithm. Computer simulations demonstrate that the RBF networks designed in this method have fast convergence speed with good performances.     

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

基于RBF神经网络的热连轧精轧厚度的预报

采用RBF神经网络方法建立热连轧精轧的厚度模型，通过比较有、无理论模型输入的神经网络厚度模型确定出理论数据在神经网络应用中的重要性。通过比较BP神经网络和RBF神经网络分别建立的厚度模型凸现出RBF神经网络厚度模型的优越性，并在应用过程中解决了过拟合问题。     

基于RBF神经网络的晶体生产组织评价

在晶体的生产组织过程中,采用相关分析法确定影响评价的主要因素,建立一种基于RBF网络的生产组织评价模型,利用最邻近聚类算法,确定基函数中心点,将该模型与BP网络模型进行比较,结果表明:RBF网络在学习时间和评估精度上优越于BP网络。     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

改进的RBF神经网络模式分类方法理论研究

研究了前向两层径基函数（RBF）网络和前向两层线性基本函数（LBF0网络的发类机理及其结构与初始参数优化确定方法,提出了Guassian核函数的中心和宽度应通过学习自动确定,在学习过程中根据错分样本自身的类别和被错分入的类别自动生成新的核函数,并根据新增核函数对测试集的作用自动删除多余核函数的观点,从理论上阐明了采用Sigmoid活化函数的两层LBF网络的分类阈值为0．5,进而提出了由两层RBF网络和两层LBF网络组成的前向RBF神经网络－－IRBF神经网络。     

多神经网络在软测量仪表中的应用

针对化工过程对象的复杂性和不确定性,介绍了采用以RBF神经网络作为子网络的多神经网络在软测量仪表中的应用。用粘度软测量仪表的实例证明了使用多神经网络建模的有效性。     

基于多神经网络的热连轧轧制力预计算

提出使用BP、RBF混合网络建立的多神经网络来预报热连轧轧制力。工程实例说明，相对于传统数学模型和单神经网络建立的数学模型，多神经网络在预报精度和网络冗余方面占有较大优势。文中建模方法也为．研究多变量复杂工程提出了一条新思路。