变式训练

摘要： 文章运用问题链变式教学手段,通过故事引导,经历游戏、理解、应用这3个阶段,不断提升复杂分式运算的层次,在数学教学过程中启蒙分拆与裂项概念,与此同时将分式运算性质融于复杂分式的求和运算之中,增加了分式运算的智慧与创新元素.

摘要： 在初中数学教学中,如何在有限的时间里,将一个知识点或一种方法吃透,而不是仅仅停留于机械模仿?采用以变求通的教学技巧,能把教材知识转化为学生的内化认知,将数学知识中的某一个方法从不同角度、不同情形、不同背景去解读与应用,调动学生已有知识经验积累,培养学生的思维能力,达到举一反三的目的。本文对变式教学在初中数学教学中的应用进行了探索。

摘要： 通过研究近几年高考数学题,笔者发现试题的21题常考导数、函数与不等式三者的综合运用,例如2020年全国Ⅰ卷的21题考查利用导数判断函数单调性的方法、不等式恒成立问题,但学生在此题上得分并不高,笔者认为重要原因之一是教师在教学中常常授人以“鱼”未能授人以“渔”,忽略了对学生一题多变的训练,造成学生思维固化。因此笔者以一道基础的不等式恒成立问题展开讨论,用求导的方法来探究函数与不等式的综合运用,展现变式训练的必要性,以期提高学生分析和解决问题的能力,提升学生思维水平。

摘要： "解决问题的策略"有助于学生更好地分析和解决问题,学会用数学的思维方式进行思考。策略的形成是一个循序渐进、潜移默化、吸纳浸润的过程。教师可创设生活情境,自然引出策略;提炼问题核心要素,帮助学生构建策略,设计丰富变式训练,充实学生的体验过程,让学生体会策略的应用价值。

摘要： 初中阶段学生身心尚未成熟,数学思维的训练仍需要教师设置符合学生进步的内容,引导其在掌握知识的基础上,提升思维深度,强化相关能力。变式训练是一种可锻炼学生思维和提升素质水平的教学方式,教师在实际教学中,要注重转变题目的类型和条件,基于教材内容和既定的目标,深化数学核心素养,提升学生的综合水平。

摘要： 数学科目是中小学阶段的主要科目,也是学业课程的基础科目,数学科目主要讲究的是逻辑思维和分析方法,数学科目的主要学科目标是培育学生的独立思考能力和分析解决问题的能力.数学科目的学习最重要的就是解题方法和技巧的掌握,尤其是在高中阶段,数学题目的难度和解题的复杂程度都大大增加,需要借助一些解题方法来帮助进行解题.本文具体介绍数学解题思路当中的一种,即变式训练,通过对于一些相关的数学题目的具体分析,来探讨变式训练在高中数学解题中的实践和应用,从而帮助学生提高对于数学科目的认识,增强对于题目的熟练程度,培育数学学科思维.

摘要： 在日常教学中,教师应重视教材习题的讲解,关注教材习题的变式训练,通过适当改变教材习题的条件、结论、图形等,拓宽展学生思路,提高学生的综合能力.

摘要： 数学学科是高中课程体系中的重要组成部分,是学习其他学科的基础,对于学生的高考成绩有着极其重要的影响.但是高中数学的知识点比较抽象,学生学起来有一定的难度.在这一种情况下,高中数学教师应该采取有效的措施来解决这一问题,不仅能够更好地激发学生学习数学知识的主动性,而且还能够提升高中数学的教学质量和教学水平.比较结合多年的教育工作经验,从开放化训练与变式训练的概述出发,分析开放化训练与变式训练的策略,以供借鉴.

摘要： 几何变式训练是通过一题多练、一题多解的方法培养学生思维的灵活性,理解数学本质的有效方法.教学中可以通过图形变化、条件变化、结论变化等方式,拓展学生思维,有效提升学生的解题能力.

摘要： 变式训练能够锻炼学生的数学解题能力,促使学生灵活运用所学的数学知识解答数学问题.但将变式训练教学模式应用于高中数学解题时,教师需要懂得对数学题目进行变式,以更好地引导学生进行解题.因此,本文结合高中数学有关例题,就如何应用变式训练教学模式展开分析.

摘要： 高中数学作为高考重点检验的对象,对于学生数学知识的运用能力有着较高的要求,数学教师在开展数学教学时,在保证教学工作顺利进行的基础上,注重提高学生的解题能力.而变式训练作为全新的教学模式,为学生解题能力的提升创造了条件,突破了数学解题的重点及难点,对于强化学生的解题训练至关重要.基于此,本文主要对变式训练在解题中的原则进行了阐述,重点对变式训练教学模式在高中数学解题中的应用展开深入研究.

摘要： 本发明公开了一种变容式回转压缩机(1)、具有该变容式回转压缩机的制冷装置以及该变容式回转压缩机的操作方法，其中，在变容式回转压缩机(1)和具有变容式回转压缩机的制冷装置中，向布置在压缩机(1)中的第二叶片(430)的后侧供应的排出压力在高于基准压力之后才进行供应，使得压缩机(1)能够从节能模式转换到动力模式，由此第二叶片(430)能够在快速且准确地移动的情况下与第二滚动活塞(420)压触而不发生振动，从而预先防止当压缩机(1)或具有该压缩机(1)的制冷装置以动力模式操作时因第二叶片(430)振动而产生噪声或降低效率。

摘要： 本公开提供一种车辆变道意图预测方法、变道意图预测网络的训练方法、车辆变道意图预测装置、变道意图预测网络的训练装置及电子设备；涉及人工智能技术领域。该方法包括：将多种类型的车辆行驶信息输入变道意图预测网络；其中，变道意图预测网络包括与多种类型一一对应的多个子网络，变道意图预测网络用于对行驶状态下的车辆的变道意图进行预测；通过子网络分别对各车辆行驶信息进行特征提取，输出特征提取结果；将各子网络输出的特征提取结果进行特征融合，并根据特征融合结果预测车辆变道意图。本公开中的方法能够在一定程度上解决自动驾驶过程中车辆变道意图的预测问题，提升了车辆变道意图预测准确率。

摘要： 本发明公开了一种图像型变网络模型的训练方法，该方法适于在计算设备中执行，包括步骤：按照型变效果将训练图像分为表征型变前状态的第一图像和表征型变后状态的第二图像；将第一图像输入图像型变网络模型的生成器，经多层卷积处理后输出型变参数；对型变参数和对应的第一图像进行双线性插值处理，生成该第一图像的型变后图像；将型变后图像与第二图像输入图像型变网络模型的判别器中，以识别型变后图像为真实图像的概率；以及利用多个第一图像和第二图像对生成器和判别器进行训练，直到型变后图像为真实图像的概率达到预定值为止。本发明一并公开了一种图像型变方法和相应的图像型变网络训练模型和图像型变网络生成模型、及相应的计算设备。

摘要： 本发明涉及一种串并联自适应滑模变结构运动镜像式上肢康复训练机器人及其控制方法，该上肢康复训练机器人包括支架、驱动控制系统、大臂结构件、小臂结构件、柔性固定装置、运动捕捉系统和心率采集系统，大臂结构件末端与小臂结构件相铰接，驱动控制系统安装于支架上，用于驱动大臂结构件与小臂结构件进行转动；柔性固定装置分别安装于大臂结构件与小臂结构件上，用于手臂的固定；运动捕捉系统，用于获取佩戴者的动作信息；本发明将运动信号进行镜像处理后发送给上肢康复训练机器人，由机器人带动患者进行康复训练。避免传统的康复训练内容需要手动输入机器人程序造成的编程工作量过大问题。

摘要： 本发明公开了一种基于阻变式存储器的模型在线迁移训练方法、装置及芯片。该方法包括：通过获取需要映射至阻变式存储器上的神经网络模型的各层对应的神经网络权重，神经网络权重基于对神经网络模型的离线训练过程得到，并获取阻变式存储器所支持的多个电导的电导偏移函数，从而根据电导偏移函数，通过迭代训练对神经网络模型进行在线迁移训练，以对神经网络权重进行更新，进一步的，根据更新后的神经网络权重，对忆阻器阵列电导值进行更新，得到训练后的阻变式存储器。如此，使得映射至阻变式存储器的阵列上的神经网络权重具有更好的适应性，有效解决了传统在线训练方法在单一时间下执行迁移训练的过拟合问题。

摘要： 本发明公开了一种变容式回转压缩机(1)、具有该变容式回转压缩机的制冷装置以及该变容式回转压缩机的操作方法，其中，在变容式回转压缩机(1)和具有变容式回转压缩机的制冷装置中，向布置在压缩机(1)中的第二叶片(430)的后侧供应的排出压力在高于基准压力之后才进行供应，使得压缩机(1)能够从节能模式转换到动力模式，由此第二叶片(430)能够在快速且准确地移动的情况下与第二滚动活塞(420)压触而不发生振动，从而预先防止当压缩机(1)或具有该压缩机(1)的制冷装置以动力模式操作时因第二叶片(430)振动而产生噪声或降低效率。

摘要： 一种变道预测回归模型训练方法，包括：获取第一样本运动特征，所述第一样本运动特征是根据在样本采集时间采集到的样本运动对象的运动数据得到的；获取所述第一样本运动特征对应的标准变道概率，所述标准变道概率根据所述第一样本运动特征对应的对象变道时间与所述样本采集时间之间的变道时间间隔确定，所述标准变道概率与所述变道时间间隔成负相关关系；将所述第一样本运动特征输入到待训练的变道预测回归模型中，得到所述第一样本运动特征对应的预测变道概率；根据所述预测变道概率与所述标准变道概率之间的概率差异，得到模型损失值；利用所述模型损失值调整所述变道预测回归模型中的模型参数，得到所述已训练的变道预测回归模型。

摘要： 本公开提供一种车辆变道意图预测方法、变道意图预测网络的训练方法、车辆变道意图预测装置、变道意图预测网络的训练装置及电子设备；涉及人工智能技术领域。该方法包括：将多种类型的车辆行驶信息输入变道意图预测网络；其中，变道意图预测网络包括与多种类型一一对应的多个子网络，变道意图预测网络用于对行驶状态下的车辆的变道意图进行预测；通过子网络分别对各车辆行驶信息进行特征提取，输出特征提取结果；将各子网络输出的特征提取结果进行特征融合，并根据特征融合结果预测车辆变道意图。本公开中的方法能够在一定程度上解决了车辆变道意图的预测问题，提升了车辆变道意图预测准确率。

摘要： 本发明公开了一种图像型变网络模型的训练方法，该方法适于在计算设备中执行，包括步骤：按照型变效果将训练图像分为表征型变前状态的第一图像和表征型变后状态的第二图像；将第一图像输入图像型变网络模型的生成器，经多层卷积处理后输出型变参数；对型变参数和对应的第一图像进行双线性插值处理，生成该第一图像的型变后图像；将型变后图像与第二图像输入图像型变网络模型的判别器中，以识别型变后图像为真实图像的概率；以及利用多个第一图像和第二图像对生成器和判别器进行训练，直到型变后图像为真实图像的概率达到预定值为止。本发明一并公开了一种图像型变方法和相应的图像型变网络训练模型和图像型变网络生成模型、及相应的计算设备。

摘要： 一种数学变式训练题关联方法，该关联方法包括：规范获得的数学试题，所述数学试题包括已经手工标注关联的和没有关联标注的数学试题；建立深度学习模型，根据已有的训练样本对所述深度学习模型进行训练，获得变式训练题数据库。本发明通过深度学习模型利用教师已经关联标注的数学试题进行训练建模，解决了变式训练中数学试题自动关联和推荐推送问题，极大提高了教学的效率，降低了相关教学成本。