课程文献中心 更多>>

关键词： 混合式教学   教学改革   线上线下   虚实结合  

摘要： 为满足新工科背景下对技能型人才的需求,以网络设备配置与管理课程为例,针对课程教学中存在的问题,从构建多元混合式教学模式、重构课程体系、“岗课赛证”融合、编写新形态教材、以任务为驱动组织教学、多元评价机制六个方面开展教学改革,并以企业真实项目案例开展“线上线下”“虚实结合”的多元混合式教学新模式。从改革成效看,开展多元混合式教学有助于培养学生的创新应用能力,为高职同类课程的教学改革提供借鉴和参考。

关键词： 网络信息化   图书   资料管理  

摘要： 分析信息技术在图书资料管理领域的应用,以便对管理流程进行优化与创新,继而提升管理效能及顾客满意度。方法 本次探究运用问卷调查法与案例分析法相结合的研究手段,总计派发问卷500份,有效回收问卷数量为462份,回收率达到了92.4百分比。本次研究涉及的信息检索效率、阅读空间利用感受以及读者满意程度等多个维度的考察。结果 现代读者对资料的管理方式提出了新的要求,传统的图书馆资料管理模式已不足以应对,根据所收集的数据,76%的受调查者觉得信息检索步骤繁琐,而68%的受调查者对资料的更新频率感到不满意,新管理系统的引入使得图书馆在信息查询方面实现了45%的效率增长,同时借阅手续所需时间减少了30%。用户满意度由58%增加至85%,研究表明,图书馆通过融合云计算与大数据技术,不但提供了实时数据更新,还实现了智能推荐功能,从而极大地提升了用户借阅的满意度。结论 在网络信息化的背景下,图书资料管理迎来了优化和创新的关键机遇,一项探讨指出,图书馆需主动融入先进的信息技术,打造一套能够应对社会需求多变性的高效灵活管理架构,此举将促进图书馆持续发展。

关键词： 人工智能   计算机网络   机器学习   深度学习  

摘要： 随着人工智能技术的不断进步,它已逐渐融入计算机网络领域,为网络管理、优化、安全等方面带来了新的机遇和挑战。通过探讨人工智能技术的特点以及当前计算机网络发展现状和面临的困境,分析人工智能技术在计算机网络中的应用,以及其在自动网络管理、性能优化、安全防御等方面的优势,从而为网络的高效管理、安全保障、资源优化等提供新的智能解决方案。相信通过不断的研究和创新,人工智能与计算机网络将共同推动信息社会的可持续发展,为构建智能、高效的网络环境提供有力支持。

关键词： 网络谣言   匿名性心理   多元共治   阶段化治理  

摘要： 伴随网络技术的日新月异,媒体加速转型升级,当今社会已经进入融媒体时代。在此背景下,网络空间治理不断推进,网络谣言得到一定程度的预防与控制。但受限于谣言散布的群体性、因果关系的复杂性、损害结果的多样性等因素,网络谣言仍威胁着新闻传播生态和网络舆论安全。对此,应当在多元共治理论的基础上,根据网络谣言的演进机制,针对“零星谣言发布”“群体意见形成到统一”“危害结果延伸”不同阶段,构建有针对性的阶段化治理架构,确定不同主体在不同阶段的义务与责任。

关键词： 室内空间   楼梯   餐厅   社交平台   泰国曼谷   连通性   流动性   共生共融  

摘要： Phuffle餐厅位于泰国曼谷。设计师为它的定位和构想是,Phuffle不仅是一家餐厅,更是建筑与室内空间共生共融的有机体,它为食客们提供了一种整合了艺术、建筑、空间和人的全方位体验。整个设计以公共楼梯的流动性和社交动态为灵感,巧妙地捕捉连通性的精髓,并将其转化为一个独特的社交平台。

关键词： 情感分析   情绪原因对抽取   多任务学习   情感词典   位置感知  

摘要： 情绪原因对抽取任务旨在同时抽取情感子句和原因子句。已有的方法把情绪原因对抽取看作情绪抽取、原因抽取和情绪原因对抽取3个独立的任务,不能有效捕捉到任务之间的联系。此外,现有的两阶段模型存在误差传播问题,并且情绪子句和原因子句间相对位置分布不平衡。文中提出了一个新的基于BERT、情感词典和位置感知交互模块的情绪原因对抽取模型MK-BERT。该模型首先用情感词典增强的BERT进行文本编码;其次,为了解决标签位置不平衡问题,根据情感子句和原因子句间的相对距离设计位置感知交互模块,以捕捉位置信息并构建情绪原因对的特征;最后,通过情绪预测模块和原因预测模块间交互编码,充分挖掘多个任务间的共享信息。在中文情绪原因对抽取数据集上进行实验,结果表明,所提模型可以有效地抽取情绪原因对,并且在位置不平衡样本上取得良好性能。

关键词： 离散元   图神经网络   颗粒流   机器学习  

摘要： 本研究旨在探索一种基于图神经网络(GNN)加速离散元法(DEM)计算的新模型,以提高颗粒流模拟的计算效率和精度.传统DEM方法尽管精确,但计算耗时长.GNN具有模拟DEM的天然优势,在GNN中颗粒表示为节点,颗粒的相互作用表示为边.提出的加速模型包含了两个GNN,分别是颗粒-颗粒图神经网络(P-P GNN)和颗粒-边界图神经网络(P-W GNN),能够分别学习颗粒-颗粒和颗粒-边界接触信息.通过水平滚筒、倾斜滚筒和漏斗堆积3种颗粒流场景的模拟,验证了该模型的有效性和优越性.结果表明,利用GNN模型能够有效地捕捉颗粒流中的复杂接触关系,极大地提高了计算速度,相较于传统DEM实现了约30倍的加速.其次,模型在不同颗粒流场景下单步预测均表现出高精度,并且在宏观特征预测上表现优异,能够准确预测颗粒流的休止角、温度以及重心变化等.另外,文章还研究了超参数对预测结果的影响,如临界距离和GNN的层数,合适的临界距离可以限制颗粒穿过边界,GNN的层数在3~10层对预测结果没有显著影响,这为进一步优化GNN模型应用于颗粒流模拟提供了研究基础.

关键词： 复杂网络   可视图   归一化植被指数   黄河流域   聚类   时间序列  

摘要： 为从拓扑力学的角度挖掘归一化植被指数(normalized difference vegetation index,NDVI)时间序列的动态演化特征,探究不同省(区)之间的联系与差异:利用2001—2022年黄河流域九个省(区)的NDVI数据,基于复杂网络的可视图算法构建NDVI网络,依据网络特征分析NDVI的动态特性;通过K-means和基于可视图的谱聚类算法(Spectral Clustering)对九个省(区)进行聚类。研究结果发现:相较于其他省级行政区,河南省为“无标度”网络,不易受到突发事件的影响,但其NDVI易受近期植被覆盖变化影响;NDVI在时间上具有一定的趋势性和相关性,不同季节的NDVI可能形成不同的植被覆盖模式;9个省(区)NDVI均具有“小世界”特征。9个省(区)被聚为3类。基于可视图的Spectral Clustering在研究九个省(区)NDVI的波动形式上的聚类效果更好。

关键词： 故障诊断   油浸式变压器   改良三比值法   BP神经网络  

摘要： 变压器在电网中起着能量传输作用,其稳定性直接决定了电网供电质量。从改良三比值法出发,提出了基于BP神经网络的油浸式变压器在线故障诊断方法。该方法以变压器油中溶解的典型特征气体种类和浓度出发,给出三比值法及改良三比值法的原理,通过改良三比值法形成BP神经网络的训练数据,并以此对典型油浸式变压器故障类型进行分类。实验结果表明,方法对典型油浸式变压器故障可以进行有效分类,为变压器故障诊断提供了有效支撑。