“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。     

高校图情档族群的科研竞争力测评 ——基于结构化指数方法的研究

以高校图情档族群为观察对象,基于个体研究者视角,构建了结构化指数测评方法,从全国、省市和高校等3个维度,展开了科研竞争力结构优势度测评.结构化指数方法能够扫描并揭示高校图情档族群的科研竞争力结构优势度,可揭示科研竞争力优势群体的数量及分布特征,可进行族群科研竞争力优势度对比测评,具有易操作性和数据敏感性,后续研究可从测评因子、测评维度、竞争力转换路径和机制等方面进行拓展.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

基于新媒体语境下的视觉设计研究

在工业化以及数字化的发展过程中,现代视觉设计不断成熟发展,每一次的技术革新都给视觉设计赋予了全新的意义。文章论述了新媒体条件下的媒体状态和表达方式、视觉设计新的功能性及其显性与潜在的价值,并探讨了视觉设计的原则,研究视觉设计应如何变革方能适应当下的新媒体环境并能够取得长足发展。     

西方社会救助中政府与非政府组织的协作状况与经验

社会救助是保障人们最低生活水平的最后一道防线,社会救助措施由政府与非政府组织提供。社会救助有调整资源配置、实现社会公平、保持社会稳定的作用。从多种现象来看,我国的社会救助存在很多的不足点,如在社会救助中政府与非政府组织的协调程度低,协调手段单一等。文章将角度转向西方国家,分析西方国家在社会救助中政府与非政府组织的协调状况以及借鉴经验。     

英国量子技术研究与发展现状

量子信息是量子物理与信息技术相结合发展起来的新学科。近年来,英国政府、学术界以及产业部门通过资源整合,积极开展量子技术基础研究和应用研究,通过对当前最前沿技术的原始性挖掘和突破,试图打破制约信息技术发展的瓶颈与束缚。在量子技术的帮助下,特别在导航和计算机芯片制造方面,目前已经取得了很大的突破。曾创作出《侏罗纪公园》和《失去的世界》等作品的科幻作家迈克尔·克莱顿曾在科幻小说《时间线》中用文学的笔调来想象量子计算的神奇。其中,一家国际技术公司的经理如此推销其眼中的高新科技:"普通的计算机用     

专家笔谈:苏北新型城镇化的战略思路与关键举措

编者按:走以人为本、高效包容、可持续的新型城镇化道路,是中国顺利规避中等收入陷阱、成功迈入高收入发展阶段的必然选择,也是推动江苏省城镇化健康发展的必然要求.为认真落实习近平总书记"建设经济强、百姓富、环境美、社会文明程度高的新江苏"的要求,促进江苏省新型城镇化与城乡一体化发展,2014年12月20日,江苏省哲学社会科学第八届学术大会"苏北新型城镇化的战略思路与关键举措"学术聚焦专场在江苏师范大学召开.来自国内     

特种作业人员安全技术培训的问题与建议

相关分析表明企业单位生产安全事故中的80%,都是由于特种作业人员的违规违章操作而造成。因此,特种作业人员安全技术培训越来越受到各企业以及相关部门的关注。基于此,该文对特种作业人员安全技术培训进行讨论,希望对此项工作具有一定的指导意义。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。