如何打造有效的数学课堂

为达到新课程标准的要求，在平时的数学教学中，避免课堂气氛沉闷，我们要让学生喜欢数学，就要使教学方法活起来，使课堂教学更为生动，从而增强吸引力，这需要掌握一定的技巧。学生在课堂教学中应居于主导地位，而教师是教学活动的组织者、引导者、活动者，应该主要起到引导作用。因此，要提高教学水平，学生的兴趣是关键，只有激发学生的学习兴趣，才能真正地使课堂活起来。     

高中政治有效教学方法探析

政治学科的知识是教学的重要内容，也是学生全面发展的必要成分，对学生人生观、价值观、世界观的形成影响重大。因此，要重视对学生的政治教育，引导学生正确的认识自己，客观的评价自己及他人。本文就高中政治课程知识进行分析，探讨政治学科的有效教学法，促进政治内容对学生的提高作用。     

《汽车构造与拆装》课堂有效教学的初探

在新的教育形势下,教学改革越来越注重课堂教学的有效性。以学生的发展为基础,依据先进的教学手段,按照教学内容和学生实际情况,实施科学的教学方法,以投入较少的时间、精力和物力,取得最有效的教学成果,最终予以评价,这样的一种教学系统就是有效教学。有效教学以激发学生的学习兴趣,提高课堂教学效率,培养学生的思维能力和创新精神为理念,从而增强教学效果,达到预期的教学目的。因此,该文就五年制高职《汽车构造与拆装》课堂教学中存在的问题和取得的经验,结合有效教学的基本理念从四个方面对该课程课堂教学的有效性进行初步探究。     

谈年表资源在高中历史教学中的开发与运用

历史是人类社会从古至今发展演变的历程,任何历史现象都与一定的时间、年代相联。年代标定了史实在历史过程中所占的位置,反映史实的先后、进程和相互联系,从而让我们认识历史的本质和发展规律。因此,从高中历史学科设立之初,重视年代时间,采用年表便成为我们历史教学一贯坚持的传统。历史年表是传统历史教学留下的宝贵资源,在新课程下年表作为教学资源焕发出了新的生命力。年表资源的开发和运用也日益成为实现历史有效教学的重要途径之一。该文主要从年表资源的概念及形式、开发原则及方法、运用及作用几个大的方面作了理论的探索和实践的研究。     

论电网调度自动化运行中的不安全因素及应对措施

本文主要简述了电网调度自动化系统的基本内容，通过对现阶段电网调度自动化运行中存在的不安全因素进行分析，来探讨保障电网调度自动化系统安全运行的有效措施，以提高电网系统的运行质量，推动电力企业的可持续发展，进而为人们提供更优质的电网服务。     

基于变异系数的模糊物元模型评价阔叶十大功劳根不同提取部位的抗炎镇痛作用

为了筛选阔叶十大功劳根抗炎镇痛的有效部位，应用模糊物元模型对阔叶十大功劳根不同提取部位抗炎镇痛效果进行综合评价。采用醋酸扭体法、热水缩尾法及热板法，以小鼠足跖肿胀、耳廓肿胀程度考察阔叶十大功劳根不同提取部位的抗炎镇痛作用；用变异系数权重的模糊物元模型对其干预效果进行综合评价；通过计算贴近度比较模型组（M₁）、阳性对照组（M₂）、水提物组（M₃）、乙醇提取物组（M₄）、正丁醇提取物组（M₅）、乙酸乙酯提取物组（M₆）、石油醚提取物组（M₇）的抗炎镇痛效果。结果显示阔叶十大功劳根不同提取部位均有抗炎镇痛的效果，但各部位抗炎镇痛效果程度不同；反应不同部位抗炎镇痛总效应的贴近度值从大到小排序为M₆，M₄，M₃，M₅，M₂，M₇，M₁。基于变异系数权重的模糊物元模型可筛选出阔叶十大功劳根抗炎镇痛的最佳有效部位为乙酸乙酯提取部位，能够客观、科学地评价不同提取部位的抗炎镇痛效果。     

基于稳定函数的支撑结构系统临界力计算方法

基于稳定函数，给出了求解支撑结构系统临界力的计算方法，推导了不同荷载作用位置的3种双层支撑结构系统临界力的计算公式.结果表明:基于稳定函数的理论推导公式求出的解析解与二阶弹性分析数值解计算结果相近，误差均在3%以内;双层1~3跨带摇摆柱支撑结构系统总承载力理论值与试验值的结果验证了本文求解支撑结构系统临界力计算方法的准确性.基于稳定函数的支撑结构系统临界力计算方法具有普遍的适用性、较高的计算精度，为工程应用提供理论基础.     

基于COMSOL Multiphysics的钻孔抽采有效半径影响因素研究

钻孔抽采有效半径是瓦斯抽采设计的基础参数及钻孔布置间距确定的重要依据,其影响因素众多。为理清各影响因素,文章建立了顺层钻孔周围瓦斯流动规律的固气耦合模型,运用COMSOL Multiphysics从煤层赋存参数、抽采参数两个方面对模型进行解算。结果表明:煤体赋存参数中,煤层初始渗透率起主控作用,其次是煤层初始瓦斯压力,煤层埋深通过压实煤体减小煤层渗透率影响抽采有效半径;抽采参数中,在同一煤层,有效预抽期内抽采时间很大程度上控制着抽采有效半径,钻孔直径影响程度相对抽采时间减小,抽采负压影响不明显。     

八种最小二乘SVM型学习算法的优势比较

我们知道,支持向量机(Support Vector Machine,SVM)型学习算法的计算复杂性和稀疏性对分析和处理大数据来说是非常重要的两个因素,尤其是对高维数据.学者们针对这两个因素做了大量的研究,提出了许多改进的SVM型算法,常见的有基于最小二乘技术的SVM型算法和孪生SVM型算法.它们当中,有些算法的出发点基本相同,但是求解方法上略有不同;有些算法有明显不同的出发点,其所构建的最优化模型也不相同.选取八个较具代表性的最小二乘SVM型算法,分析和比较它们之间的优势和劣势,以期读者更加深入的理解这类算法,且在应用于实际问题中时更具有选择性.