课程文献中心 更多>>

关键词： 水文地质   水文地质单元划分   矿井水   矿井水害  

摘要： 为加强煤矿防治水工作,提高矿井水害防治能力,从源头上有效防范和坚决遏制水害事故的发生,分析了煤层底板承压水含水层水文地质条件,采用突水系数法合理划分水文地质单元,按照突水系数法计算,某煤矿可划分为三个区域,即高突水风险区、中突水风险区和低突水风险区,可有效预防煤矿水害事故。

关键词： 风险管理   风险矩阵图   科研项目管理   内部控制  

摘要： 在科技强国建设的进程中,企业科研项目对推动创新发展至关重要。论文以YQ公司为样本,借助风险矩阵图,依据《企业内部控制基本规范》并参照COSO内部控制整合框架,对其科研项目管理内部控制风险展开深入剖析。论文构建了风险评估指标体系,精准识别风险点,通过定量与定性相结合的方法评估风险,绘制风险矩阵图确定风险等级,进而提出针对性整改策略,完善YQ公司风险管理体系,为其他企业提供可借鉴的实践范式。

关键词： 逆向设计   动态情境   嵌入式评价   思维结构化  

摘要： 当前数学课堂普遍存在“知识灌输”与“素养割裂”的现象。以逆向设计理论为框架,以对勾函数为例,探索“目标统整—问题驱动—路径规划—评价嵌入”四位一体的主动建构教学路径,实现三重突破:逆向设计目标具象化、动态情境与技术深度融合、嵌入式评价闭环设计。

关键词： 初中数学   章起始课   教学设计   整体架构  

摘要： 数学章起始课具有承上启下、统领全章的作用。以苏科版初中数学教材九年级下册《二次函数(第1课时)》一课的教学设计为例,通过回顾与思考、观察与操作、体验与感悟、阅读与再悟、交流与探讨等环节,整体架构单元教学章起始课,强化探究交流学习方式,激发学生学习兴趣,促进学生学习能力的形成和发展。

关键词： 城市道路网络   修复策略   韧性   多路段失效   机器学习   图注意力网络  

摘要： 破坏性事件发生后对修复工作的目标路段选取和序列优化是提升事后路网修复效果及系统韧性的关键.识别道路网路中对系统性能具有关键作用的路段是该问题高效求解的重要基础.然而,传统的关键路段识别方法未充分挖掘多个路段间的交互与协同关系,即研究多个路段同时失效对路网整体性能影响的显著性.针对该问题,文章提出了一种基于图注意力网络的路网关键路段识别模型(TGAT).该方法借助图注意力网络挖掘路段间的影响权重,并基于权重值计算各路段的关键度取值,以均方误差为损失函数进行训练,从而识别出对路网性能具有关键作用的路段.随后,依据关键度取值排序确定事件后被破坏路段的修复序列.以江苏省昆山市路网为例,文章将TGAT方法与度中心性、加权介数中心性、特征向量中心性三种基线方法应用于路网修复方案优化的效果进行对比.具体来讲,分别基于路网修复效果实验和逐点修复实验对上述四种方法进行性能对比.实验结果表明TGAT方法相较于其他三种方法能更有效地识别路网中的关键路段,并且基于TGAT的修复序列优化对路网的修复性能更好.

关键词： 沈周   游   桃源图   审美空间  

摘要： 沈周的桃源图以“游”的姿态描绘画面,与陶渊明的《桃花源记》中以“远游-追寻-回归”为主线的“游”空间叙事结构场景相似。沈周桃源图之“游”,将原本客观的地理空间转化为精神空间,进而生成“桃花源”审美空间。“桃花源”是“游”的精神之感性显现,是自治自生、自得自乐的理想审美空间。

关键词： YOLOv8   火焰检测   算法优化  

摘要： 针对火焰检测领域中YOLOv8模型精度不足的问题,提出两种改进方法以优化YOLOv8网络模型的火焰检测算法。设计一种改进的EIOU损失函数并引入YOLOv8模型中,通过对比实验确定参数α的最佳取值,使模型的收敛效果和火焰检测精度更佳,增强网络对不同场景下火焰的鲁棒性;引入AttnConv-EMA注意力机制,通过感知权重的非线性优化模型对内容的适应性,增强模型的精度和性能。使用自行建立的火焰检测数据集,基于Pytorch深度学习框架对YOLOv8模型进行训练,并结合不同的损失函数和注意力机制模块对原始的YOLOv8训练模型进行改进。研究结果表明,改进后的YOLOv8模型在火焰检测的检测精度上有显著提升,AttnConv-EMA注意力机制的引入进一步提升了模型的感知能力和精度,满足了火焰检测数据集的检测精度需求。

关键词： 学术文本   信息挖掘   图神经网络   图对比学习   自然语言处理  

摘要： 【目的/意义】针对基于内容的推荐方法无法充分考虑论文之间或论文与作者之间复杂的隐含关系的问题,充分考虑学术知识图蕴含的各种关系以及基于内容方法,将两种方法结合,互补各自的不足之处提出一种基于图对比学习的跨领域文献信息表示方法(Graph Contrast Learning for Information Representation Method,GCLIRM),旨在解决文献信息表示方法单一,信息表示不充分等问题。【方法/过程】该方法同时考虑异构图和同构图,异构图网络首先使用重启随机游走算法得到节点序列,采用Skip-gram算法初始化节点表示,设计两级注意力机制用于节点重要性和元路径重要性建模,以学习异构图节点表示;其次,由预训练大模型ERNIE3.0建模同构图节点特征,再通过GAT聚合邻居信息并使用自编码器进行无监督训练;最后设计对比学习策略学习最终的节点特征,即文献信息表示。【结果/结论】本文GCLIRM方法在学科分类和期刊分类两个下游任务中F1值分别比次优解提升了5.31%和2.49%,表示本文方法对跨领域文献信息的表示能力有较大的提升。【创新/局限】本文设计了一个提取文献信息表示的混合方法,克服了单一方法表示不充分的难题,并且具有一定的可行性和准确性,为后续相关研究提供借鉴思路。

关键词： 函数不等式   求解模型  

摘要： 本文从一道函数不等式的证明出发,分析问题的难点并给出若干解法.最后构建四种模型,给出求解这类问题的一般技巧.

关键词： 逆指数分布   Bayes估计   损失函数   可容许性   最小最大性  

摘要： 在加权p,q对称熵损失函数下,研究逆指数分布参数的Bayes估计的形式及其性质.首先,研究逆指数分布参数Bayes估计的一般形式以及在先验分布为逆伽马分布下的精确形式,证明了所得Bayes估计具有可容许性和最小最大性.其次,研究了逆指数分布参数的刀切Bayes估计.最后,通过模拟研究了所得估计的精确性.结果表明,基于适当的加权p,q对称损失函数得出的Bayes估计精确性较高.