学生习作中的语言错误与母语负迁移

本文就学习者写作中的语言错误进行分析与讨论。本文提出一个假设：学生习作中的语言错误与母语负迁移有一定的关系。为此，笔者对41名学生82篇四级模拟考试作文中的语言错误进行了统计分析。结果表明，学习者意识到表达障碍时，就会本能地寻求母语的表达方式．母语知识会不断地影响学习者对目的语的掌握，造成干扰。因此笔者建议在教学中应加强语言基本技能的训练，使学生充分了解英汉两种语言的句式、词汇的特点．尽量减少母语的负迁移。     

为迁移而教--浅谈迁移规律在数学教学中的应用

学习的迁移(transfer of learning)是学习中的普遍现象．研究迁移规律，利用迁移规律教学，有利于提高教学效率和学生的学习能力．本文从一次教学检查的反思引入迁移，分析了迁移理论与数学学习的关系以及在数学学习中的重要性，最后重点谈谈如何利用迁移规律进行数学教学．     

著名的Cantor函数及其应用实例

Cantor函数是由Cantor集经过巧妙的方式构造出来的，Cantor集的奇特性质赋予了Cantor函数的独特性。本从Cantor函数的构造出发，着重讨论了利用它的单调连续性来说明实变函数中的一些问题的应用实例。     

粉煤灰中主要有害元素的浸出与迁移实验研究

通过系统模拟实验研究了粉煤灰中主要有害元素在灰场正常运行条件下的浸出与迁移规律.结果表明,这种废水中的主要污染物是F和Cd,pH值严重超标.     

性别比、婚姻挤压与妇女迁移———以拉祜族和佤族之例看少数民族妇女的婚姻迁移问题

应用人口社会学的统计分析方法 ,讨论了我国汉族人口的出生性别比与少数民族妇女从边疆迁徙到内地省区之间的关系。从云南拉祜族和佤族妇女的婚姻迁徙人口统计数据中看到 ,某些汉族农村出生性别比升高后 ,逐渐突出的婚姻挤压问题引发了少数民族妇女的婚姻迁徙 ,并从而使得部分小规模的少数民族社会面临更大的婚姻挤压和其他社会问题。     

机群文件系统中一种文件迁移的客户端决策

为降低机群文件系统中文件访问的平均响应时间,提出了一种能反映机群节点上文件访问频繁程度的热量模型,在此模型的基础上给出了一种文件迁移的客户端决策,用于决定在非重负载情况下,单个文件在机群中的理想存放位置.模拟对比实验的结果显示,采用该策略,在总负载恒定的情况下,在4、8节点机群上文件访问的平均响应时间分别降低了21.6%和26.3%,在平均负载恒定的情况下,在4、8节点机群上文件访问的平均响应时间分别降低了22.2%和16.8%,结果表明该策略可以有效地降低文件访问的平均响应时间,提高系统的可扩展性,从而提高机群文件系统的性能.     

基于电热模拟的电迁移可靠性诊断及时钟完整性分析

为诊断大规模集成电路设计过程中电迁移可靠性及分析时钟信号完整性,开发一种用于集成电路片上时钟信号模拟软件Etsim3。该模拟软件考虑了集成电路自热效应,通过电热耦合模拟以及金属连线温度分布解析模型获得更准确的集成电路芯片表面以及各金属连线网络上的温度分布。模拟结果表明,考虑集成电路自热效应前后,电迁移诊断以及时钟信号完整性分析结果都有了较大程度上的改变,Etsim3可以得到更为精确的分析以及诊断结果。     

图式理论及其教学意义

图式理论是认知心理学研究的一个重要方面。不同时期的心理学家从不同角度和侧面对图式理论进行了深入探索，本文对此进行了评析，同时剖析了现代图式理论的内涵、功能、习得以及图式理论的教学意义。     

大气周日和半日迁移潮汐非线性传播及其短期变化的数值研究

以全球尺度波模式(GSWM)给出的一月份周日和半日迁移潮汐线性稳态解作为初值, 采用三维球坐标系下的全非线性动力学数值模式, 模拟了从地面到低热层的大气中, 周日和半日迁移潮汐的线性和非线性传播, 并将模拟结果与GSWM和实验观测结果进行了定量比较. 研究结果表明: 受非线性效应影响, 周日和半日潮汐在中、高层大气传播时其振幅会呈现明显的短期变化, 它们与背景大气的非线性相互作用会显著改变全球中、高层大气的背景风场和温场, 这说明周日和半日潮汐的非线性传播对中、高层背景大气的动力学和热力学暂态结构都有重要影响, 并且非线性效应是导致GSWM和观测结果差异的重要原因.     

视觉概念学习方法研究进展

计算机视觉的核心问题是寻找视觉概念的层次化与结构化表示.以深度学习为代表的连接主义方法能够学习到输入图像数据的分层表示,这个表示具有优异的类内不变性与类间区分性,带来了视觉目标分类问题的突破式进展.而以图像随机语法模型为代表的逻辑主义方法试图基于先验知识和输入图像数据得到视觉概念的层次化与结构化表示,进而实现像人类一样的概念迁移学习,从更一般的意义上解释视觉现象.综述了两类方法各自的一些代表性工作,分析了其主要思路与各自的优缺点.分析认为,两类方法具有明显的互补性,在概率图模型框架下将两类方法综合是未来视觉概念学习的一个重要发展方向.