学习场

摘要： 在物理校园的基础上,运用人工智能、大数据技术构建了可为学校各项工作提供智能化服务和支撑的,体现教育理念的时代性、管理方法的智能性、教学内容的融通性、教学形式的多元性等特征的“五位一体、虚实融合”学习场,基于对该学习场的构建基础、应用生态、服务取向深入剖析的基础上,提出“五位一体、虚实融合”学习场的构建路径:构建泛在化智慧学堂、构建体系化资源超市、构建虚拟化实训工厂、构建智慧化管理系统、构建智慧化服务框架。

摘要： 随着新课改的推进,培养学生学科核心素养逐渐成为基础教育重要的教学目标之一。而在地理课程中,综合思维无疑是地理核心素养的重要组成部分。文章立足教学实践,探究如何在培养学生综合思维这一目标的引导下构建高中地理学习场。

摘要： 气象与人类生活息息相关,恒德小学依托“气象科普创新实践园”,构建体现时代特征和学生需求的“气象环保”课程体系。文中介绍了学校以德育为核心,强化防灾减灾的科学精神和人文精神的培养,将气象科普与生命教育、学科教育相结合,通过优化课程学习场资源、课程的有效实施与推进、拓宽课程实施的空间和维度等做法,扎实、有效地落实气象科普教育,力争探索出一条在小学开展气象科普创新教育的新生态道路。

摘要： 气象与人类生活息息相关,恒德小学依托"气象科普创新实践园",构建体现时代特征和学生需求的"气象环保"课程体系.文中介绍了学校以德育为核心,强化防灾减灾的科学精神和人文精神的培养,将气象科普与生命教育、学科教育相结合,通过优化课程学习场资源、课程的有效实施与推进、拓宽课程实施的空间和维度等做法,扎实、有效地落实气象科普教育,力争探索出一条在小学开展气象科普创新教育的新生态道路.

摘要： 在发展学生核心素养的背景下,学校要重构学生的"学习场"."学习场"的重构能够变革学生的学习方式及教师的教学方式,使师生关系走向"交互主体"关系.为了重构学生"学习场",学校要考虑学校文化的培育,满足师生需求,结合课堂活动展开物理空间与精神空间设计,依托技术搭建虚拟空间,增进学校、家庭与社区之间的合作关系,创新学校生态,为物理空间设计提供更多的创新空间.

摘要： 家庭是孩子的第一个课堂,父母是孩子的第一任老师。学校作为落实立德树人根本任务的责任主体,是学生道德品质涵养、核心素养形成的重要场所。家庭与学校作为协同育人的共同体,必须充分认识到教育合力的重要性,在孩子的教育中结对子、压担子、开方子、搭台子,打造协同育人的"体验场"。

摘要： 在数学教学中,"如何提升儿童的思维品格"是教师必须面对的重要课题.实践表明,引导儿童开展"自助式研学"不失为一条提升儿童数学思维品格的有效路径.在教学中,教师要注意创建学习场,搭建儿童思维品格发展的"脚手架";激发儿童的学习力,培养他们思维品格的关键能力;助力儿童积淀数学素养,唤醒他们思维品格的精神自觉.

摘要： 本文针对学习古文背诵难、体验情境难、理解难、提问难、应用难等"五难"问题,提出创设古文"学习场"以解决古文"五难"问题,即在准确界定"学习场"的基础上,根据古文的类型,分别探索创设情境场、沟通场、理解场、探究场等不同类别"学习场",以全面提升学生学习古文的能力,培养更为深厚的爱国情怀.

摘要： 学校开展理财教育,提升儿童理财素养责无旁贷。学习场的理论引入,为学校开展理财教育提供了理论指导。学校通过设置理财长廊、开设理财校本课程、创建理财实践基地,促进多项校园育人因素的融合,建构了多维立体的理财教育学习场,有力提升了儿童的理财素养,拓展了学校全面育人的路径。

摘要： 统编语文教材的教学,强调学生的学习主体地位,引导学生学会自主学习.为此,教师应打造适合学生的学习场,其中伙伴互动是一个有效方式.但是,目前语文课堂的伙伴互动存在主体意识缺乏、互动流于形式、互动时间不足等问题.究其原因,主要是学生的互动心理状态不佳、互动期待水平偏低、互动内容选择不当所导致.对此,在课堂上,教师要通过寻求教学融合、创设互动情境、打破思维定式等途径,引导学生沉入文本充分体悟,产生表达自己思想观点的信心,掌握互动表达的方法,促进学生伙伴互动能力的不断提高.

摘要： 一种基于迁移学习和物理约束的三维温度场重构方法，涉及三维温度场重构技术，解决现有技术无法实现对极少量已知测点的条件下进行温度场的重构问题，该方法包括添加物理约束、预训练和最终训练，本发明通过相似场景下的其他任意工况数值模拟丰富数据预训练得到源模型再迁移至目标试验测点数据下，利用迁移学习的方法捕捉相似场景下不同工况间的温度分布特征相似性，从而实现根据极少量测点重构整个三维温度场，相比现有数据驱动的重构技术每次都需要重新跑一遍训练流程可以大大节约时间，提高重构效率。

摘要： 一种基于机器学习的快速匹配场海底声学参数反演方法，首先根据实验海域的环境先验信息和收发配置，选择声学传播模型建立仿真环境；然后在不同的海底声学参数下结合测量声场计算目标函数值，基于该正向映射建立数据集，用于训练与测试机器学习模型；最后在匹配场反演的参数更新过程中，针对扰动前后的参数，先利用机器学习模型快速筛选有效扰动，再利用声学传播模型判断接受或者拒绝，经过多轮参数更新后收敛至全局最优。本发明在传统匹配场反演过程中引入基于机器学习的预筛选处理，减少声学传播模型的调用次数，进而降低反演耗时，而声学传播模型的进一步判断保障了反演准确性，能提高快速海底特性分析能力。

摘要： 本发明涉及环境监测技术领域，具体涉及一种基于深度学习的固废场识别方法、装置以及存储介质。其包括：获取待检测区域的卫星遥感影像；将卫星遥感影像输入到预先训练好的深度学习网络检测模型中，得到待检测区域的固废检测结果。这样基于卫星遥感影像采用深度学习模型来检测固废的方法，无需人工现场巡查，节约了人力成本和时间成本，同时也提高了检测效率。

摘要： 本发明提供一种基于平均场的多智能体学习方法、存储介质及电子设备，所述方法包括：从智能体仿真环境中获取各智能体当前环境对各智能体的反馈信息；将数据存入数据采样缓存器；对多智能体动作进行平均场估计；将每个智能体的动作进行联合，生成联合动作空间对当前智能体和联合动作空间做平均场估计得到虚拟平均智能体取代双边交互的其余智能体集合N(j)；基于多智能体强化学习的神经网络的策略学习器。本方法基于强化学习解决多智能体难以精确控制，难以适应复杂环境等现实问题，并基于平均场理论对多智能体的动作进行平均场估计，解决了大规模多智能体之间交互复杂、维度灾难、无法集群应用等问题。

摘要： 本发明公开了一种基于深度学习的多光谱光场成像方法及系统，该方法包括：S1、获取清晰的光场图像；S2、提取子视角图，并将子视角图合并成一张二维光场图像；S3、获取训练集，训练集为二维光场图像及与其对应的波段光谱图像；S4、基于卷积神经网络构建多光谱重建网络，并将二维光场图像与波段光谱图像的差异，以及相机光谱灵敏度函数都集成到多光谱重建的损失计算中；S5、训练多光谱重建网络；S6、将二维光场图像输入至训练好的多光谱重建网络，获得同时具有光场和光谱信息的波段光谱图像。本发明结合相机光谱灵敏度的先验知识，通过深度神经网络对光场图像进行多光谱重建，提高重建精度且能同时获取该场景下的光场和光谱信息。

摘要： 一种基于深度学习的磁共振图像非均匀场校正方法，涉及磁共振图像处理方法。包括以下步骤：获取带有非均匀场的磁共振图像，由非均匀场、均匀的磁共振图像和带有非均匀场的磁共振图像共同组成训练集；设计校正磁共振图像非均匀场的深度学习网络模型；构建网络的损失函数；训练校正磁共振图像非均匀场的深度学习网络模型参数；对目标带有非均匀场的磁共振图像进行校正。通过深度学习对均匀磁共振图像和非均匀场进行联合估计的方法，具有校正误差小，图像质量高的特点。

摘要： 本发明属于梁场生产管理应用技术领域，具体公开了基于深度学习的预制梁场台座状态识别装置，包括采集终端、通信单元、数据处理单元和梁场台座管理系统；所述采集终端、通信单元、数据处理单元和梁场台座管理系统依次连接。本发明的基于深度学习的预制梁场台座状态识别装置及其识别方法的有益效果在于：能够实时、高效、智能化的监控梁场台座使用状态，减少梁场作业人员工作量，提升梁场的智能化水平。

摘要： 本发明公开了一种基于物理先验自监督学习的卫星组件热布局温度场预测方法，包括：建立卫星组件布局的结构模型；基于结构模型，生成多个第一类训练数据和多个第二类训练数据；利用卫星组件布局包含的物理先验信息构建物理先验驱动训练损失函数，基于物理先验驱动训练损失函数，利用第一类训练数据对预设深度学习模型进行预训练，获取预训练模型；利用第二类训练数据对预训练模型进行训练以拟合卫星组件布局与温度场的映射关系，获取预测模型；利用预测模型进行卫星组件布局的温度场预测。本发明能够利用组件布局内含的物理信息和不带标签训练数据的信息，避免对大量带标签训练数据的依赖，减少训练所需的带标签训练数据的数量，降低优化设计成本。

摘要： 本发明涉及的是基于稀疏约束空‑频域联合学习的波场数值频散压制方法，它包括:训练数据集预处理；样本标签准备；卷积核稀疏化准备；设计联合学习模型G的网络结构；设计损失函数；训练并保存网络模型；测试网络模型性能。通过傅立叶变换将波场数据变换至频率域，获得频域波场的纹理特征；将用低价有限差分法对波动方程进行求解所得到的高频散波场数据作为输入，高阶有限差分法所得到的无频散的空域与频域特征作为标签；构建空间域与频率域联合深度学习网络结构；利用波场数据的稀疏性引入稀疏约束对卷积核进行稀疏化，本发明充分利用波场特征，有效压制数值频散问题，得到高精度、高质量的波场数据。

摘要： 本发明请求保护一种基于深度学习的材料裂纹尖端多尺度应变场测量跟踪方法，包括步骤：在材料表面喷涂随机喷涂散斑，对材料施加外力作用使其发生形变并产生裂纹，使用不同焦距的相机组合来采集材料形变的多尺度信息。构造多尺度材料形变图像序列作为数据集。结合卷积、转置卷积、卷积LSTM神经网络，测量材料全局三维应变场的神经网络模型。利用训练集数据训练材料三维应变场测量神经网络模型。利用训练后的材料三维应变场测量神经网络模型，输入相机采集到的多尺度图像，实时测量材料的三维应变场，并通过应变场计算材料的裂纹区域，然后移动双目长焦相机来实时跟踪裂纹尖端。本发明可移动的长焦双目相机对裂纹区域进行跟踪。