基于径向基概率神经网络模型的小儿厌食症状辅助诊断

结合了径向基神经网络较强模式分类能力与概率神经网络运算简单的优点,提出了一种径向基概率神经网络模型,并应用于小儿厌食症的辅助诊断,通过对119例样本数据的处理,获得了92.4%的准确率.此外,偏最小二乘法的分析结果表明,Zn元素与小儿厌食症关系最为紧密.     

对建设安徽省科技基础条件平台的思考

在当前经济全球化的大背景下,持续的科技创新能力已成为一个国家的国际竞争力和可持续发展的重要标志,而科技资源的占有、配置、开发和利用方式的优劣,则是决定一个国家科技创新能力强弱的关键因素.支撑科技进步与创新的科技基础条件已经上升为国家的重要战略资源.2004年7月3日,国务院办公厅转发了由科技部、发改委、教育部和财政部等四部委联合编制的<2004～2010年国家科技基础条件平台建设纲要>(以下简称<纲要>).<纲要>的颁布,标志着我国科技发展已进入一个新的阶段模式.国家科技基础条件平台建设是市场经济条件下我国科技资源配置的重大改革措施,必将对我国科技事业和社会经济的发展产生深远的影响.在<纲要>精神的指导下,在对全省科技基础条件资源和平台建设状况进行"摸清家底"的前提下,及时制定出适合本省省情的科技基础条件平台建设规划和具体的方案是当前一项重要和紧迫的任务.     

网络参与者见面概率的迭代估计方法北大核心CSCD

针对网络参与者见面概率的估计问题,引入效用分析的方法,并将效用函数的估计问题与logistic回归分析相联系.在深入分析网络参与者链接形成过程的基础上,提出了迭代估计算法.进一步给出了该方法的基本算例,并在合著者网络中进行了方法的应用研究.结果表明该方法能够实现对网络参与者见面概率进行估算的研究目标,有助于优化网络的整体产出,可行并实用.     

马氏环境中马氏链于小柱集上之概率的指数估计

本文给出了马氏随机环境中马氏链于小柱集上之概率的一个指数估计式，其估计指数即为熵，这一结果拓广了平稳遍历马氏链的相应结果。     

条件概率与刚性近似下高分子链非格子模型的Monte Carlo模拟

探讨了采用高分子链的实际键长、键角、旋转异构态和无扰链时的条件概率逐个链段地生成样本高分子链进行真实链和受限链分子构象统计研究的可能性.并就无扰链、尾形链、真实链的情况与完全计算法、Flory矩阵方法进行了比较.结果表明:在刚性近似下,使用无扰态时的条件概率生成样本高分子链的Monte Carlo模拟,其样本库能真实地重现平衡态时受限链和真实链的构象分布,适用于受限链和真实链的构象统计研究.     

实践，获得成功

劳动技术课是以培养学生实践能力和创新精神为主要目的的操作性课程。在教学实践中,如何引导学生进行动手操作,在实践中体验成功？对这一问题,作者进行了研究和探索,提出了自己的初步看法,总结了以下经验,与同行交流。     

英文影视教学中词汇附带习得研究

随着多媒体技术的发展,原版英语影视视频日趋广泛地运用在英语教学中,所以在视频模式下对词汇附带习得对于学习者在英语自主学习过程中无疑有一定的促进作用.国内外尤其是国内学者主要是研究在阅读环境下的二语词汇附带习得,而在英文影视欣赏模式下的词汇附带习得的著作甚少.本文在研究了国内外二语词汇附带习得相关的理论基础上,采用观看电影后词汇即时测试和延时测试的方式,试图探究学生在不同观看任务(例如随意记笔记、回答问题和复述大意)下的二语词汇附带习得的情况.     

“案例驱动——任务导向”型教学模式的应用评价——以学科教育学课程为例

“案例驱动—任务导向”型教学模式顺应以素养培育为导向的教育教学改革需要,着眼于新时代卓越教师培养目标,借助移动终端和网络平台,以典型案例为载体建构教育场景;以问题或任务为中心,促进学生学习行为的改变,推进课堂教学的整体转型,在职前从知识学习、技能提高、自主发展与品德修养等方面为建构卓越教师的核心素养打下可持续发展的基础。经过两轮实施应用,在小组座谈、调查问卷及期末考试成绩分析等主、客观数据的基础上,综合评价“案例驱动-任务导向”型教学模式的实施情况和应用效果,为深化教师教育课程改革提供借鉴参考。     

项目教学法在UG课程中的实践应用——以营口职业技术学院为例

为提高高职院校UG课程的教学效果、增强学生的实践能力和创新能力,探究将项目教学法应用于UG课程教学实践.从实例展示、任务细化、过程指导、巩固加深和考核评价等5个方面阐述了项目教学法的具体应用步骤.教学实践表明,在UG课程中应用项目教学法,能够提高学生的学习兴趣和动手能力,值得推广.     

改进的极小极大概率终端学习机

极小极大概率机(Minimax Probability Machine, MPM)、极小极大概率终端学习机(Minimax Probability Extreme Learning Machine, MPELM)和孪生极小极大概率终端学习机(Twin MPELM, TMPELM)在不对数据分布进行具体要求的情况下,可以为泛化误差提供明确的上界,同时使经验风险极小化。目前,MPM算法、MPELM算法和TMPELM算法主要是通过求解二阶锥规划模型的内点算法实现。本文利用支持向量机思想和凸二次规划的Wolfe对偶形式,对已有的MPM算法、MPELM算法和TMPELM算法进行了改进,并提出了三个新算法。实验结果表明,本文所提算法是有效和可竞争的。