基于耳蜗图多示例分析的音频场景分类模型

音频场景分类(Acoustic Scene Classification, ASC)是计算听觉场景领域最具挑战的任务之一。传统的ASC模型大多采用基于线性频率分析的手工特征加基于深度学习的分类模型方法。然而,一方面,由于基于线性频率分析的特征提取方法无法模拟人耳基底膜的非线性频率选择特性,从而造成特征分辨率低下的问题;另一方面,现有的分类模型无法解决由于音源复杂且音频事件高度重叠所造成的分类准确率低下的问题。为了解决以上问题,提出了基于耳蜗图多示例分析的音频场景分类模型,一方面采用中心频率按照等效带宽均匀分布的余弦滤波器组对信号频谱进行滤波以模拟人耳听觉感知特性;另一方面,通过引入多示例学习刻画整个数据结构的特点以提高分类准确率。此外,为了抵抗音频事件的频移影响,在多示例学习分类模型的分类预测整合器中采用平均池化方法。在DCASE 2018和DCASE 2019竞赛所提供的Task1a数据集上的实验结果表明,本文提出的模型比DCASE 2018竞赛所提供的基线系统以及传统的基于Log Mel特征提取和多示例学习的模型实现了更高的分类准确率,同时也验证了平均池化要优于最大池化。     

基于CAD模型虚拟仿真数据的深度学习目标检测

有效的深度学习网络在训练过程中所需数据规模大,而数据的采集与标注极为耗时耗力,限制了深度学习在工业上的应用范围.针对该问题,基于工业生产中常用的CAD模型,结合实际的工业应用背景,设计了一套参数化生成虚拟仿真工件图像数据集的方法,避免工业现场繁琐的平台搭建与数据采集过程.同时,提出一种基于YOLOv3的改进深度学习网络...     

网上协作研究性学习平台的设计

网上协作研究性学习平台是进行研究性学习的专业网站,它具有学习口寺自主性、时空的开放性、交流的迅捷性、资源的共享性的特点,是进行研究性学习迫切需要的平台．     

基于深度学习的中文票据文本检测与识别方法

针对票据在识别时出现数据漏检率高、识别精度低的问题,提出文本检测模型ENCRAFT与识别模型DLCNN。在文本检测模型CRAFT的基础上,ENCRAFT修改其原始的特征提取网络的结构,利用未经池化的特征图进行融合,减少了细小特征的丢失,并增大监督特征图的分辨率,以提供更丰富的监督信息,从而提高模型检测率;DLCNN利用深层的卷积网络与浅层的循环网络实现对中文票据的高精度识别。实验结果表明,该方法在多个票据数据上的检测率与识别精度均有明显提升。     

培养古代汉语自主学习能力的实践与思考

重视大学生古代汉语自主学习能力的培养,既是适应现代教育培养人的综合素质的需要,也是深化古代汉语教学改革,提高教学效率的要求。培养学生古代汉语自主学习能力,教师要转变教学观念,要熟悉自主学习的基本内容,要掌握培养自主学习能力的方法。     

关于英语课堂开展合作学习的文献综述

合作学习是指以小组为单位，以目标为导向，以团体成绩为最后成绩并伴有奖励的一种学习活动。这种策略，现已成为西方最重要的课堂教学组织形式之一。国内外许多学者针对合作学习，特别是合作学习在英语课堂上的应用进行了一系列研究，普遍认为这是一种大有前途的课堂教学组织形式。     

让学生尝试“体验学习”提高课堂实效性

教学过程中应该重视学生的理解、体验和感悟。在以往的教学活动中,我们不太重视儿童在接受教育过程中的体验。《数学课程标准》提出较多的＂经历……的过程,获得……的体验（感受）＂,可见,数学学习离不开个体的体验。学生体验学习,是用心去感悟的过程,在体验中思考、创造,有利于培养创新精神和实践能力,提高学生的数学素养。     

浅析高职学校中农村学生存在的英语学习问题及对策

教学是一个由各教育要素与教育环节综合作用的过程,当前高职学校中农村学生的英语学习存在的问题也是由学生、教师、学校、家庭、社会等因素综合引起的,要解决这一问题,就得先从教育要素和教育环节来分析,并结合具体教育教学实际,逐步加以解决。本文在深入分析当前高职学校中农村学生的英语学习存在的问题后,结合具体教学实际,提出了解决这些问题的有效对策。     

把握学习起点 提高课堂效益

使课堂效益最大化，教师把握好化学教学起点是关键。本文根据教学实践，探讨并分析了高中化学课堂教学中，如何掌握学生学习起点，即教师的课堂教学起点及其在课堂教学中的重要性。     

大学生自主学习能力培养初探

自主学习是学习者积极主动地自我管理学习的能力。学习者利用各种学习资源，确定学习目标，选择学习方法与内容，评价学习结果。笔者从大学生英语教学的现状出发，分析了培养学生学习自主性的必要性及紧迫性，分析了教师角色的转换并就如何培养大学生自主学习的能力提出了建设性的建议。