课程文献中心 更多>>

关键词： Excel软件   VLOOKUP函数   常见错误  

摘要： 在Excel软件使用过程中,VLOOKUP函数作为一个查询函数,用处非常广泛,工作中使用频率较高,受到职场人士的青睐。但有时由于一些常见的错误,无法实现正确查询。对这些错误一一剖析,提出处理对策,以提高工作效率。

关键词： 选拔性考试   隐含信息   最值问题   三角恒等变换   三角函数   问题的核心   求解策略   分析题目  

摘要： 三角函数式的最值问题类型众多,经常出现在高考和各类选拔性考试中.针对不同题型,其解法也呈现出多样化的特点.解决这类问题的核心策略是深入分析题目自身特点,挖掘题中隐含信息,然后灵活运用三角函数的性质及三角恒等变换公式进行求解.下面结合例题介绍常见的问题类型及求解策略.

关键词： 提升素养   题量   函数与导数   高考备考   联考   新高考模式   降低难度   意料之外  

摘要： 由于2024年九省联考试卷采取了19题的新模式,试题题量压缩,最后一题设置综合性难题,同时联考卷将导数题前移。在大家猜测函数与导数会降低难度、位置前移的背景下,函数与导数再次回归倒数第二题的位置,分值高达17分,可谓在意料之外,却又在情理之中。下面通过对这道试题的求解分析,谈谈对新高考模式的理解与感悟,以及对后续高考备考的启示。

关键词： 美国陆军制图局   中国地形图   中比例尺地图   地图分析  

摘要： 美国陆军制图局是第二次世界大战时美军成立的专业军事制图机构。1∶25万中国地形图是该局20世纪50年代编制的中比例尺地形图,共三个系列。此套图主要反映的是全面抗战至1949年前中国的地理情况。地形图的精度取决于数据来源的精度,以及美军是否在该地区实测过,数据来源以美制、日制、华制地图和航拍资料为主,是反映近代精度最佳的中比例尺地形图。地形图的版本与编制周期与美军需求有关,靠近战区的地形图更新、出版速度更快。总体来看,本图是近代诸多测绘成果的有机结合,是反映近代地表要素最好的中比例尺地形图。此图的标准化处理,也为跨区域历史地理研究提供了新的可能。

关键词： 三角函数   解三角形   命题分析   教学建议  

摘要： 结合对2024年高考三角函数与解三角形试题的多角度梳理,从必备知识、关键能力和学科素养等层面分析,指出试题根源,分析试题意图,探寻试题特点,明晰命题导向,欣赏试题亮点,通过拓展练习强化,在此基础上提出回归课程标准、重视教材、夯实基础知识、构建知识网络、优化思维品质、提升学科素养的高三数学复习建议.

关键词： 泰奥弗拉斯特   植物类别   分类原则   地中海植物群落  

摘要： 类别划分是泰奥弗拉斯特植物研究所采用的重要方法之一。他依据多种原则对地中海植物进行大致分类,综合且直观地体现了植物在整体形态、植物部分特性、生长环境、动态发育、实际用途等方面的特征;进而更为集中地讨论各类植物的共性和差别,有效促进了对植物本性的探究。这种多原则综合使用的分类方法成为前林奈时期西方植物分类的经典模式之一,而泰奥弗拉斯特本人并未尝试构建单一原则指导的层级式植物分类体系。

关键词： 智能交通   裂缝识别方法   复合图双卷积神经网络   路面裂缝   二值图  

摘要： 为了建立一种基于深度学习卷积神经网络的路面检测模型,提高特殊路面裂缝,如白裂缝、浅裂缝、潮湿裂缝、修补开裂等的识别准确率,在单卷积神经网络结构(单网络)上,提出了基于复合图双卷积神经网络的路面裂缝识别方法。首先,该方法在输入灰度图基础上,考虑裂缝病害图像特征,增加对应二值图组成复合图通道;其次,在单网络结构基础上增加一个针对特殊裂缝识别的单网络,非特殊裂缝网络训练使用全部数据,特殊裂缝网络训练使用特殊裂缝数据,两个网络参数分别独立更新,从而形成复合图双网络结构;然后两个网络分别对同一测试数据进行判定,得出各自的概率矩阵,最后再根据概率单侧抑制的原理将两个单网络输出结果进行叠加,得出最终识别结果。组织了70万张检测车采集图片对复合图双网络方法进行训练和测试。结果表明,复合图双网络识别重叠度、精确度、召回率显著优于灰度图单网络,证明了提出的两处优化,即将单通道灰度图改造为双通道复合输入图和增加一个特殊裂缝识别网络,提升了非特殊裂缝与特殊裂缝区域识别能力。此外,复合图双网络的重叠度、精确度、召回率指标比其他深度学习路面裂缝识别算法方法高。

关键词： 建筑工程   施工图设计   设计管理   优化对策  

摘要： 本文首先简单介绍建筑工程施工图设计管理的意义,并明确建筑施工图设计的具体要求,从设计监督、管理制度等角度分析建筑施工图设计管理现状,再从建筑施工图设计角度提出如何进行建筑施工图设计管理优化的对策。

关键词： 深度学习   款式图信息识别   制版流程优化   Hourglass   YOLOv5  

摘要： 探讨在传统服装制版领域中如何应用深度学习技术,以替代传统制版师在款式图中进行尺寸评价关键点和部件类别信息提取的人工思维过程,从而提高服装结构设计的效率和质量。首先,对经典服装款式图的构成要素进行了分析,以及探讨了制版师在款式图分析中提取关键信息的思维模式。其次,介绍了基于Hourglass和YOLOv5款式图识别模型的设计和实现过程。对包含15个服装尺寸测量关键点的数据集和包含15种常见男装部件的数据集进行了预处理、标注和数据增强等,共涵盖2000张男装款式图。对这两个数据集进行训练,迭代了多个模型,并对模型的性能指标进行了测试、评估和分析。深度学习技术成功实现了对款式图中关键信息的自动提取,有效替代了传统制版师的人工判读过程,从而提高了设计效率和质量。未来的研究方向包括扩大数据集规模、丰富标签类别、探索更复杂的模型结构,并考虑其他领域的应用,如女装、童装款式图识别等。

关键词： 思维导图   带教   甲状腺癌   护理教学   教学效果   护生成绩  

摘要： 探究思维导图带教方法在甲状腺癌护理教学的应用和对护生的成绩影响。方法 胸外肿瘤科2019年5月1日至2024年5月30日接收护生70例,根据护生入科时间分组各35例,传统组护生开展传统带教方式,探究组护生开展思维导图带教方法,观察护生成绩、综合能力及教学满意度。结果 探究组试卷考试中理论知识、护理礼仪、个案分析及实操考试成绩均高于传统组(P均<0.05);带教前护生综合能力评分提示,两组护生学习积极性、护理技巧、批判性思维、医德素养、团队协作能力评分一致性高(P>0.05),带教后两组护生综合能力评分上升,探究组护生学习积极性、护理技巧、批判性思维、医德素养、团队协作能力评分均高于传统组(P均<0.05);探究组护生教学满意度97.14%(34/35),高于传统组(P<0.05)。结论 甲状腺癌护理教学中开展思维导图带教方法,致力于培养护生综合能力,提升护生成绩,且护生对教学方式推荐、认可占比高,可作为胸外肿瘤科带教优选方案。