课程文献中心 更多>>

关键词： 小组合作   教师引导   运算方法   设置数量   思维的灵活性   敏捷性   方法探究   策略探究  

摘要： 教师引导学生利用类比、迁移的方法学习数学,可以降低学生理解新知的难度,帮助学生建构系统认知,发展思维的灵活性和敏捷性,提高自主学习能力。运算方法的类比、迁移。教学中,笔者引导学生类比整数除法的计算方法探究除数是整数的小数除法的计算方法。笔者首先出示“6.4÷4=”并提问:“这个算式和以前学过的除法算式有什么不同”,然后引导学生小组合作,运用多种策略探究计算结果。第一小组用“给问题设置数量背景”的方法计算。

关键词： 运算放大器   热电阻   测温方法  

摘要： 阐述一种从运算放大器输入端采样的热电阻测温方法,该方法的测量原理,提出该方法的技术方案,可使电路简化,并可完全消除引线电阻随温度变化引起的测量误差,具有实用性。

关键词： 小学数学   运算规则   教学方法   研究  

摘要： 数学运算规则是小学数学教学的重要内容，如何组织与开展有效的数学运算规则教学工作，需要教 师采用正确的教学方法，运用多元的教学活动组织方式，引导学生有序参与进数学运算之中，从而培养好学生的 学习热情和积极性。因此，本文结合小学数学运算内容，谈一谈数学运算规则教学的方法，以期给予学生良好的 数学运算指导。

关键词： 分布式新能源   智能电网   最大功率跟踪算法   控制单元  

摘要： 在“碳达峰、碳中和”政策背景下,减少对煤炭、天然气等传统化石燃料的使用已是大势所趋,分布式可再生能源(Distributed Renewable E n e rg y,D R E)技术在能源供应系统应用中的越来越重要。分布式发电系统(Distributed Generations,DG)是指利用风能、太阳能和地热能等天然的可再生能源技术,用户根据自身所在地可再生能源的分布情况建立对应的小型发电系统,并将此系统并入配电系统,可以为多个实体(所有者、公用事业单位和最终用户)提供各种用电便利。并且分布式发电为用户提供了一个电能质量更高、更可靠性的配电系统,还可以剃峰和填补谷。然而,分布式发电与现有电网的整合涉及到精准控制、经济和监管等诸多问题。本文通过研究光伏发电、风力发电的特点,研究设计了光伏、风力、市电三者互补供电及优化控制方案。主要包括光伏发电的功率输出特点、影响功率输出的因素、光伏发电的优点及缺陷以及科学利用的策略、风力发电的规律、风力发电的优点及缺陷以及科学利用的策略。太阳能发电系统作为分布式新能源系统的一种,为了最大限度地将太阳能转化为电能,需要根据太阳光照射角度和温度分布等因素的变化实时地动态调整光伏组件的姿态,以保证其始终工作在最大功率点(Maximum Power Point,MPP)附近。同光伏发电一样,风力发电因受风力随气候和时间不断变化的影响,输出功率也会出现较大的波动。同样,为了保证风力发电系统输出功率最大,其控制系统通常也要采用最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法。这就需要一种高效、经济的最大功率点跟踪算法来提高低功率光伏/风电系统的能源利用效率,鉴于此,本文提出了一种基于遗传算法和扰动观察法的混合控制算法作为最大功率跟踪控制策略,且验证了其有效性。最后通过设计以STM32单片机为控制核心,能够对风力发电、太阳能发电、市电进行监控的控制单元。根据三种能源的供应情况,实时确定最优化的供电方案及蓄电池充放电控制方案,并切换供电模式和蓄电池充放电控制方式的分布式新能源的控制单元。

摘要： 学习了幂的运算法则后，同学们对法则的正向运用比较得心应手，但对法则的逆向应用往往感到生疏.幂的运算法则可以正反灵活运用，逆用幂的运算法则解题常常能将问题化繁为简，化难为易，收到事半功倍的效果.下面列举一些逆用幂的运算法则解题的例子，以期对同学们解题有所帮助.

关键词： 四边形网格生成   方向场   参数化   四边形网格提取   法向滤波  

摘要： 四边形网格是三维模型数字化表示的重要形式,因其天然具有张量积性质、能够直观地捕获模型的几何特征和语义信息等优良特性,而被广泛应用于多边形建模、高阶曲面造型、纹理映射、有限元建模、压缩等方面。因此,高效率、高质量、自动化地生成四边形网格算法已成为国内外研究内容的热点。基于方向场参数化,从输入的三角形网格中获得特征对齐的四边形网格是目前最有效也是最流行的方法。但是当输入带有小尺度拓扑特征的大型网格模型时,会导致算法效率低且在方向场中引入紧密放置的奇异点。同时由于参数化结果存在数值不准确及各种退化现象,导致提取的四边形网格出现孔洞等问题。本文提出了基于并行运算的一种高质量四边形网格生成方法,其主要工作内容包括法向滤波、方向场生成、参数化以及四边形网格提取等几个方面:首先,以贪婪的方式对输入网格模型进行细分,得到一个高分辨率的三角形网格并将其作为新的操作源,以便后续方向场生成与参数化过程能够捕获更多的模型特征;其次,在测地距离基础上,利用高斯滤波器对三角形网格顶点的法向进行滤波,将密集特征合并,以避免小尺度拓扑特征带入方向场;再次,在滤波切空间上以外在平滑方式生成平滑的方向场,并将其投影回三角形网格,进而引导参数化;然后,提出一种自适应的四边形网格提取方法,利用浮点型数据来识别四边形网格边,并在边折叠过程中自动调整目标边长范围以识别更多合法的边,同时针对尖锐角和三角形对分别进行边折叠和边删除操作,以保证输出四边形网格模型的质量。最后,通过模块化的开发流程,以TBB(Threading Building Blocks)并行运算库为基础,分别验证各个模块的有效性,再将所有算法进行整合,形成一个完整的四边形网格生成算法。本文在斯坦福三维扫描存储库上,将提出的基于并行运算的一种高质量四边形网格生成方法与经典的几种方法进行了比较,不仅很好地解决了小尺度拓扑特征对齐问题,还减少了输出网格中的孔洞现象。

关键词： 异构众核   Cholesky/Jacobi块迭代   消息队列   主-从融合   RMA   混合精度  

摘要： 冯·诺伊曼架构依然是现如今计算机系统主流的体系架构。它的访存“瓶颈”依然难以逾越,与访存“瓶颈”相关的运算主要可分为两类:稀疏矩阵运算与Stencil。本文基于新一代申威异构众核处理器对上述两类算法展开深入研究,对现有关于两类算法的性能优化技术进行改进,创新性提出面向异构众核体系架构的性能优化方法,主要研究内容如下:第一、提出耦合Cholesky/Jacobi块迭代预条件算法,基于几何分块的并行策略将矩阵分解算法局部化,彻底消除矩阵求逆并行化过程中的数据通信。充分考虑新一代申威异构众核体系架构特性对稀疏矩阵向量乘法运算设计基于RMA双CACHE众核优化算法。通过利用开源计算框架Open FOAM的benchmark实验测试可知,在矩阵规模为2354928×2354928时单核组求解速度是Open FOAM中原不完全Cholecky分解法预条件子的9.15倍,是代数几何多重网格预条件子的8.3倍。第二、结合稀疏矩阵运算特点开展基于非结构网格离散数据访问方法研究,提出基于新一代申威异构体系架构的离散访存优化算法。该算法充分利用申威从核片上通信机制设计了消息队列算法提高片上数据通信性能,同时还提出了无阻塞的数据分发策略,进一步提升离散访存整体性能。通过实验分析可知该算法的平均访存带宽为理论值的70%以上,同时对于不同离散访存核心计算,在使用该算法前后进行测试得到最高45倍和平均10倍加速比。最后从不同领域的应用测试充分验证该算法的普适性与健壮性。第三、将Stencil运算特点与实际应用软件充分融合,从实际问题出发深入分析Stencil运算在新一代申威架构的性能优化方法:(1)设计了基于申威异构众核架构的自适应四级并行框架,与传统三级并行相比,提出了依赖主-从架构融合的新的并行层级。通过测试可知该算法使主从优化加速比从12倍提升至65倍,且实测内存带宽逼近理论值。(2)提出基于申威RMA片上通信机制的一部分块并行算法和动态缓存调度算法,实现数据在时间和空间上的高效利用。(3)探索了基于半精度、单精度、双精度的混合精度方法,在保持应用计算结果正确的同时有效地提高了应用软件的整体性能。结合上述的三个创新性算法,最终在优化70.58的可并行热点情况下实现了整体应用软件7.53倍的加速性能,超过了理论值6.8倍。最终在全球500m分辨率算例测试中使用27988480个申威处理器计算核的并行效率高达99.29%。

关键词： 非线性优化   因子图   变量消元算法   固定滞后平滑算法  

摘要： 对因子图算法及其理论基础进行研究，使用消元算法分析了一元观测因子图模型的稀疏结构，得到了一种适用于该模型的增量推断算法；并对固定滞后平滑算法进行了研究，实现了滑窗在该增量推断算法中的应用；最后通过仿真验证了基于因子图的状态估计方法的估计能力、该增量推断算法在求解一元观测因子图模型的状态估计问题时运算速度的提升能力，以及滑窗维持该增量推断算法运算速度稳定的能力。

关键词： 初中数学  

摘要： 分式运算在初中数学教学体系中占据重要地位,同学们熟练掌握分式运算解题方法,既可以强化数学素养的基础,又可以提高解决数学问题的效率．为此,同学们应当明晰在初中数学学习中分式运算解题方法的重要性,根据具体的分式运算题型,掌握科学的解题技巧,从而提高对分式问题分析和解题能力,下面我们就对相关解题方法展开研究．一、通分解题法通分解题法是初中数学分式运算中常用的解题方法,分为拆项通分和添项通分两类,适用于较为复杂的分式题．应用通分解题法需要详细观察和分析分式的结构特征,甄别选用拆项通分或添项通分,这样分式就能化繁为简,达到理想的速算目的．

关键词： 边缘运算   机器学习推论分割   资源分配   赛局方法  

摘要： 随着各种物联网 (IoT) 系统需求的快速增长，深度学习 (DL) 相关的应用也引起了广泛关注。然而，在计算能力有限的物联网系统上执行深度学习模型的推论 (inference) 非常具有挑战性。与云端计算相比，边缘计算 (edge computing) 将资源部署在终端用户附近以减少传输延迟并保留原始数据以减轻隐私泄漏的问题。但由於边缘的资源还是有限的，用户跟边缘节点之间的关联 (association) 决策、边缘节点的资源分配、使用的深度学习模型参数选择，以及设备配置等管理就变得至关重要。此外，3GPP 最近为下一代无线网络讨论的机器学习推论分割 (split-ML) 概念也为边缘管理提供了更大的灵活性。在本文中，我们首先通过 Vickrey-Clarke-Groves 机制，在考虑物联网设备偏好的同时研究准确率和每秒帧数 (FPS) 要求下的边缘节点资源分配问题。然後，加入机器学习推论分割中的隐私问题和多视角检测提供的侦测准确度增强，我们将研究扩大到物联网设备与边缘节点之间的关联决策问题。我们使用赛局中形成联盟 (coalition formation) 的演算法来启发式地优化社会福利，并证明最终联盟结构的收敛性和稳定性。模拟结果表明，这两个问题中的设计旋钮都是必不可少的，并且确实在不同的情景设置下为边缘运算的管理带来了更好的整体效用。