2-[1-(2-吡啶)乙氧基]乙酸-2-取代胺基乙酯的合成及其对小鼠学习记忆能力的影响

为探讨2-[1-(2-吡啶)乙氧基]乙酸2-取代胺基乙酯衍生物对小鼠学习记忆能力的影响,使用2-乙基吡啶为起始原料,经Whol-ziegler反应得到2-(1-溴乙基)吡啶(2),再与羟基乙酸乙酯的醇钠盐缩合得到2-[1-(2-吡啶)乙氧基]乙酸乙酯(3),化合物3与2-取代胺基乙醇在二丁基氧化锡催化下反应,得到目标产物2-[1-(2-吡啶)乙氧基]乙酸-2-取代胺基乙酯(4~12)。采用通道式水迷宫法测定了化合物(5,6,10)对小鼠学习记忆能力的影响。结果显示化合物6和10对400 mL/L乙醇所致小鼠学习记忆再现困难具有明显改善作用(P0.05)。     

面向移动学习的学习资源组织关键技术研究

学习资源的逻辑与物理组织是移动环境中决定移动学习应用质量和应用深度的关键问题．在介绍了移动学习及其特点和移动学习资源研究基础上,重点分析了移动学习资源组织关键技术,包括移动学习用户行为感知、移动学习资源语义组织及移动学习资源的存储优化．最后提出了面向移动学习的学习资源组织技术问题,并对未来研究方向和需要重点解决的关键技术进行展望．     

彩色分量流形特征融合的人脸识别

对人脸图像RGB彩色空间三分量的非线性流形嵌入进行了分析,提出一种结合了流形学习技术和图像彩色信息的人脸识别方法。 该方法对人脸图像的彩色三分量分别采用局部线性嵌入（LLE）方法进行特征提取,提取的特征进行归一化处理和特征融合,采用线性判别分析（LDA）增加分类判别性,最后采用k最近邻法（kNN）进行分类。 该方法中提取的特征,能够保持人脸图像数据的非线性结构,同时利用了人脸图像的彩色信息。 对比实验结果表明,利用了彩色信息的三分量流形学习特征融合方法,比Fisherface特征灰度图像和单个彩色分量的人脸识别性能有所改善。      

组织学习对企业人力资本及创新绩效的影响

以组织学习、企业人力资本及创新绩效的关系为出发点,构建了组织学习经由企业人力资本进而影响企业创新绩效的关系模型并提出研究假设,通过构建结构方程模型并以178家企业的调研数据为样本对理论假设进行检验。结果表明,组织学习、人力资本对企业创新绩效具有显著正向影响,且人力资本在组织学习与企业创新绩效间起到中介作用。此外,企业人力资本遵循由通用性向专用性发展的提升机制,通用性人力资本会正向影响专用性人力资本,且相对于通用性人力资本而言,专用性人力资本对企业创新绩效的正向影响更为显著。     

一种最大化样本可分性半监督Boosting算法

针对数据实际分布与假设不匹配时半监督学习算法难以改善分类器性能的问题,该文提出一种最大化样本可分性半监督Boosting算法,通过引入"高密度区域局部散度最小、样本空间全局散度最大"准则来学习未标注的样本。该准则使用两种半监督假设(聚类假设和流形假设),减少了因半监督假设与数据不匹配造成的准确率下降问题。实验结果表明,该文算法有效提高了Boosting算法在符合聚类假设数据集和符合流形假设数据集上的准确性,提高了分类器噪声数据的稳定性。     

图书馆服务育人的实践与探索

简析了图书馆服务育人的内涵,介绍了图书馆服务育人的途径与措施,主要包括加强文献资源建设、营造和谐育人环境、构建图书馆文化服务体系、建设多层次育人体系、形成全方位育人机制、引导多元化阅读、打造自主学习育人平台等。     

基于虚拟现实技术的教学积件平台的设计与实现

积件是针对课件的局限性而发展起来的新一代教学软件.采用积件思想,以建构主义教育理论为指导,基于虚拟现实技术开发出一个教学积件平台.尝试了用数据库去查询、检索、管理积件库,用激活控件的方式去调用、控制、组合积件单元,以全新的三维视角方式去呈现学习内容.实践证明,在教师的课堂教学中,利用积件的基元性和可积性特点,更能体现课堂人性化教学设计,有利于应付千变万化的现实课堂教学.     

带有交叉操作的教-学优化算法

针对教-学优化算法(TLBO)求解无约束数值优化问题容易陷入局部最优的不足,提出了一种带有交叉操作的教-学优化算法(C-TLBO).将差分进化算法的交叉操作引入到TLBO算法中,有效地融合了教学阶段和学习阶段,增强了算法的局部搜索,平衡了算法的开采和探索.数值结果表明该算法在优化精度、收敛速度、鲁棒性方面,优于TLBO算法、I-TLBO算法以及其他智能优化算法,具有良好的发展前景.     

A machine learning-based method to detect fluorescent spots and an accelerated,parallel implementation of this method

Under most microscopes, the fluorescent sig- nals emitted from biological structures, such as vesicles, as well as the signals from single molecules will appear as small puncta, which contribute to a Gaussian-like distri- bution. Accurate segmentation of these spots will funda- mentally affect our interpretation of a specific biological progress. Because of the complicated backgrounds in images, many algorithms fail to identify all of the inter- esting signals; the tremendous amount of time required for algorithms to process large datasets can also decrease their utility. Here, we introduce an excellent robust detection method based on the machine learning algorithm Ada- Boost, which outperforms threshold-based segmentation, wavelets, and FDA under most situations. We also provide a GPU/multi-core CPU implementation of this algorithm; this implementation accelerates the algorithm approxi- mately 10- and 7-fold acceleration compared with a single CPU implementation. The great reduction of time should make this method a promising candidate in the processing of large datasets. Furthermore, we demonstrate the use of our algorithm on true fluorescent micrographs, and the results show that machine learning-based detection meth- ods outperform the four other previously reported methods.     

革命老区高师物理师范生物理学习困难的调查研究——以豫南地区某高师院校为例

以豫南地区某高师院校为例,通过调查研究,从高中物理教学现状、大学物理教学方法、数学基础、学习态度与方法四个维度探索了高师物理师范生学习困难的主要情况,并根据调查结果提出了相应的对策和改进大学物理教学的建议.