“面向对象的设计与分析”课程思政的教学设计及实践

文章以课程“面向对象的设计与分析”为研究对象,首先探讨该课程思政教育的必要性、可行性。然后,从挖掘“思政”元素、探索融入路径与设计思政教学案例等三个方面阐述本课程思政教学的设计方案。并且,以“‘三省六部制’案例融入包图设计”的教学为例,介绍本课程思政教学的具体实施。在“面向对象的设计与分析”课程引入思政教育,有助于帮助学生克服困难、以提升知识习得能力;强化实现民族复兴责任感及职业道德感,有助于实现全面育人的目的。     

基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

从郭熙到列维坦:山水画“三远法”与风景画焦点透视法之比较

中西方绘画艺术历经千年演变,在思想和技法上已各成体系,分别代表各自民族文化的审美主张,并随时代的发展而不断演化。文章结合中国山水画和西方风景画在审美意境上的差异,通过对比9世纪中国画家郭熙和19世纪俄罗斯画家列维坦的艺术成就,分析中西方绘画所采用的不同透视观察方法,研究中西方艺术家在世界观和审美取向上的差别,阐释中西方艺术品鉴标准。客观理解中西文化艺术差异,对理解世界多元文化共生、增强文化自信有着重要作用。     

“三全育人”视域下高校完善“易班”建设探析

基于马克思关于人的全面发展理论,网络信息技术与高校思政育人融合成为必然。"易班"平台为网络思政育人模式提供了平台,但其现实建设却仍存在与应然效果偏差较大的困境。宏观层面囿于"三全育人"格局尚未完备,"易班"建设主体较窄,队伍配备不齐;"易班"运行缺乏长效机制;全方位育人环境营造不足,缺乏对学生网络素养的培养。微观层面"易班"的功能与操作尚不完善。立足学生全面发展,将完善"三全育人"格局与"易班"的创新优化相结合;逐步深耕"易班"价值内涵,将之贯穿于功能开发与实践过程,方能完善"易班"应用,提升育人实效。     

高职生“学习参与度”对创新创业核心素养的影响机制研究

通过对523名高职学生进行实地调研,探析“学习参与度”对学生创新创业核心素养的影响机制。结果显示:课程建设、教师引导、资源支持对学习心理参与度影响显著;教师引导、资源支持、社会实践对学习行为参与度影响显著。学习参与度显著影响创业意识、创新精神、创业能力。提出优化对策:重视学生创新创业核心素养的培养;提高学生创新创业学习参与度;人际互动提升学习心理参与度;协同培育提高学习行为参与度。     

高校二级学院“党建+”育人模式探索

坚持新时代高校党建工作指导思想,结合专业特点,发挥党建优势,构建"党建+人才培养+服务社会"工作机制,充分发挥党建在思想建设、组织建设和实践教学、服务社会方面的引领作用,深化党对人才培养、地方政府决策和企业创新发展的促进作用。     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

论高校学风建设中的学习竞争力

学生是学风建设的主体,学风与学习之力紧密相关,学习之力也可称为学习竞争力;学习竞争力可以归纳为8个方面,即动力、定力、勤力、毅力、心力、践行力、体力、影响力;学生是学习的主体,同时,学生的学习又需要引导;评价制度对学习的引导具有不可替代的作用;现行评价制度既有合理性,又有明显缺陷,需要改革、完善。