在“同”与“异”中进行教学研究——同课异构教学设计案例在小学英语教研中的作用

以《新版小学英语》教材四年级上册第六单元第31课为例,从研究视角、研究过程、研究意义和研究过程中应当注意的问题几个方面力求表明这样的观点：研究同课异构教学设计,应把研究的视角放在＂认同＂的基础上,运用比较的方法去＂解异＂,＂认同＂与＂解异＂的过程就是研究。＂解＂构建的最终目的不是存异,而是要透过＂异＂来寻求未来课堂教学的最优化,这才是同课异构的根本目的。     

农场异构设备物联网数据接入控制机制研究

研究并比较了异构数据问题的解决方案,提出了农场异构设备物联网混合分布式解决方案.建立了农场异构设备物联网模型,设置了农场应用场景,优化并改进了封锁和集中式FOCC控制机制,解决了对设备并发管理和控制时所带来的一致性问题.实验结果表明,封锁和集中式FOCC机制是有效的,但在一定情况下会增加系统时间开销.     

智能化概念设计体系结构的研究

在分析设计师的智能行为后，提出智能化概念设计系统的异构知识体系结构，探讨了智能行为的内在运行机制，以及计算机处理异构知识的发展趋势，阐述了概念设计的层次模型，提出解决概念设计问题的集成求解策略新思想。     

带移动中继的WSN移动路由算法

为了延长带有sink节点的无线传感器网络生存周期,避免因局部突发事件造成网络过早失效,提出一种带移动中继的WSN移动路由算法。该算法基于网格思想,根据节点的剩余能量以及离簇重心坐标距离的加权和来选举簇头,通过可控移动策略调度sink节点,接收簇头所收集的数据,节省网络能耗。另外,引入能量不受限的中继节点,调度该节点服务于信息传输大的区域,延长网络生存周期。最后,从网络总能耗、节点存活数及汇聚节点接收的数据量这3个方面,将该算法与不带中继节点的WSN移动路由算法(MSEERP)进行仿真分析对比,分析结果表明该算法优于MSEERP算法。     

药用有机化学中“拓展性”案例教学实践

以《有机化学》立体异构中的旋光异构为例,以完成教学大纲要求为基本原则,结合学生实际情况,从课题背景、教学设计、学习方式等方面对案例教学法在有机教学中的具体应用进行了探讨。实践证明,案例教学的合理运用不仅有助于教师教学水平的提高,还能调动学生的主动性,提高教学质量。     

基于OpenCL的并行图像加密算法研究

利用混沌映射所具有的遍历性、类随机性以及对初始状态的敏感依赖性等基本特性,同时利用二维Logistic映射具有的多参数、高随机性等优点,构造了一种新的图像加密算法。另外,为充分利用当前异构处理平台的计算资源以大幅提升算法的执行效率,在NIVIDIA Ge Force GTX 580 GPU上使用Open CL技术并行实现了该算法。实验结果和数值分析表明该并行加密算法具有较高的加密效率和良好的安全性,具有一定的应用价值。     

用“同课异构”的教研模式,促进青年教师的成长与发展——以《酸的性质》为例

新课程理念下,要求教师有更高的教学能力和驾驭课堂的能力。青年教师刚进入职务,缺少经验和技能,为保证高效地完成教学,应采用科学有效的方法快速提高自身专业技能,尽快成长起来。"同课异构"的教研模式,能够引发青年教师的思想反思和觉悟,通过学习取长补短,进而优化课堂。     

井下应急救援通信路由协议

针对井下安全现状,为实现井下信息可靠、及时传输,采用Ethernet和WSN构建井下应急通信系统,设计了P-GRID协议并介绍了其网格划分方法与数据传输机制,按照基于非对称群组邻居发现机制的最低链路时间成本路由协议,形成Ethernet-WSN-Ethernet信息传输平台,在矿难发生时,自动、快速形成井下应急救援通信系统,提高救援效率.研究结果证明:在网络总体耗能和节点存活数量两方面P-GRID协议均优于GRID协议.     

分布式异构数据库中移动同步复制冲突消解方法研究

当前移动同步复制冲突消解方法在移动用户逐渐增加、锻炼时间逐渐增长的情况下,会造成很多事物回滚,导致效率降低,冲突消解性能减弱。为此,提出一种新的分布式异构数据库中移动同步复制冲突消解方法,给出分布式异构数据库结构,将全部主机合并成两个逻辑实体,获取移动同步复制数据库系统模型。依据本体概念与关系描述,把某领域的知识统一至一个本体描述的框架下,依据语言记号学理论,用五元组描述本体体系结构。通过本体描述某个领域中事务或概念的不同构成部分和其他部分间的语义关系,通过该关系对分布式异构数据库中移动同步复制冲突进行消解。实验结果表明,所提方法不仅效率高,且有很高的冲突消解性能。     

基于ARM+FPGA异构平台的目标检测加速模块设计与实现

为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。