排球文化彰显了高校和谐校园文化的独具内涵

校园排球文化作为具有内容丰富的运动特性的文化现象,是通过排球系列文化活动,以文化交流的形式缔造出各种有益校园文化发展的各方面的财富总和,其彰显了校园文化的深邃内涵,并引领了现阶段高等教育校园文化发展的新方向,满足了校园文化建设、素质教育、人才培养的需要,是高校校园文化中所具有的某种特殊形的文化态,是具有高校校园特点的新文化。     

基于语义WEB的远程学习支持系统构建

在概述语义WEB的基础上,设计一个面向学习者用户网站的语义WEB体系结构,提出了多代理结构的学习支持系统中的学习者模型本体和学习者模型代理.目的是为了说明建立学习者本体及其代理对于学习者的有效学习所带来的益处.     

教学生"学会学习"的策略

要培养适合社会发展的人才,就必须教学生“学会学习”.从培养学生自主学习、主动发展以及培养学生学会学习的措施等方面对此进行了阐述.     

大学生英语自主学习能力培养策略

学生自主学习能力的培养是当今教学改革的主要内容之一。为全面提高学生英语的综合应用能力,教师必须帮助学生确立学习目标,正确引寻学习策略,培养良好的学习习惯,从而提高他们的自主学习能力。     

论折中主义交际法在英语教学中的具体运用美国外语学习标准启示

交际法在美国外语教学中起到了立竿见影的效果,也为我国外语教学改革注入了新鲜的血液,极大地改变了我国外语教学的局面。在阅读大量美国外语教学理论与原则的文献与交际法、折中主义教学法论文基础上,结合教学实践,总结出折中主义的趋势,并提出改进措施。     

高等学校国防教育与大学生综合素质发展

普通高校国防教育是全民国防教育的重点,也是高校人才培养的重要手段。高校开展国防教育,是实施大学生素质教育的重要组成部分,它有利于促进大学生综合素质的全面提高。高校国防教育是培养大学生的思想道德素质、身体素质、心理素质的重要渠道,同时对大学生科学文化素质和专业素质的提高也具有积极的促进作用。     

Learnability of multi-instance multi-label learning

Multi-instance multi-label learning(MIML) is a new machine learning framework where one data object is described by multiple instances and associated with multiple class labels.During the past few years,many MIML algorithms have been developed and many applications have been described.However,there lacks theoretical exploration to the learnability of MIML.In this paper,through proving a generalization bound for multi-instance single-label learner and viewing MIML as a number of multi-instance single-label learning subtasks with the correlation among the labels,we show that the MIML hypothesis class constructed from a multi-instance single-label hypothesis class is PAC-learnable.     

网络对英语学习的影响

21世纪是网络教育的时代。随着计算机技术，多媒体和网络技术及应用的迅速发展，信息技术在英语学习中的全面应用成为现实，通过对网络在英语学习中的优势、网络英语学习中存在的问题及网上英语学习资源的研究，得出的结论是：互联网上的信息传播以文本、图像、声音动画等形式出现，使学生有机会全面提高听，说、读、写技能；在网上利用各种网络资源如电视、电影、片断、电子邮件、查找各种资料，会有助于提高英语学习者的水平，体会到运用英语语言这个工具的乐趣。     

微地震监测技术综述

微地震监测技术作为一种先进的地球物理方法, 广泛应用于地热勘探、 油气田开发等多个领域, 具有广 阔的发展前景。 首先介绍了微地震形成机理及其特征和微地震监测技术的基本概念, 进而简述了微地震监测 方法的基本原理以及数据采集、 数据处理等主要技术。 去噪为数据处理的首要任务, 因而论述了一些基本的降 噪方法, 提出深度学习在微地震监测技术中的可行性以及优越性。 最后, 对监测技术的扩展应用以及发展前景 进行了总结。     

深度学习中对比散度算法的有偏性分析

为了给对比散度算法的进一步优化提供理论指导,尝试从理论上分析对比散度算法的收敛性。首先从仅含4个结点的玻尔兹曼机入手,利用单纯形表征模型的概率空间,以及流形表征概率空间与模型参数的关系,形象地表示了对比散度算法和极大似然算法的收敛过程,并从理论上推导出对比散度算法的收敛集与极大似然算法的收敛集之差不为空,从而证明了对比散度算法的有偏性。基于该结论,设计了一种先利用对比散度算法进行预训练,再利用极大似然算法调优的训练策略。实验结果表明,在应用该策略获得同等收敛效果的条件下,训练迭代步骤降低了83.3%。