师生座谈会

摘要： 习近平总书记在北大师生座谈会上用“才者,德之资也;德者,才之帅也”来劝勉广大青年学生重德、强德。“基石之坚才能建之如固”,小学是学生对接社会的第一站。小学语文作为小学的主要课程,其主体内容和人文要素在教育中发挥着不可忽视的作用。

摘要： “研究生教育作为国民教育体系的顶端,是培养高层次人才的主要途径”,而“这种高层次人才应该是德智体美全面发展的社会主义建设者和接班人”。正如习近平主席2018年在北京大学师生座谈会上所指出的“人才培养一定是育人和育才相统一的过程,而育人是本。”因此,研究生应该始终以“成人与成才”(即“双成”)为开展学术研究以及合理安排自己的生活的基本指导原则。而要达到“双成”之人,我以为研究生要做个“四心”之生。

摘要： 我衷心希望每一个青年都成为社会主义建设者和接班人,不辱时代使命,不负人民期望。对广大青年来说,这是最大的人生际遇,也是最大的人生考验。--2018年5月2日,在北京大学师生座谈会上的讲话今天,我们比历史上任何时期都更接近实现中华民族伟大复兴的光辉目标。祖国的青年一代有理想、有追求、有担当,实现中华民族伟大复兴就有源源不断的青春力量。--2017年8月15日,给第三届中国“互联网+”大学生创新创业大赛“青年红色筑梦之旅”的大学生的回信中国梦是国家的梦、民族的梦,也是包括广大青年在内的每个中国人的梦。“得其大者可以兼其小。”

摘要： 建设高素质教师队伍是当下教育改革中亟待实现的发展目标,更是关乎国家发展的战略要求。"师者,人之模范也。"习近平总书记在北京大学师生座谈会上曾特别强调:"要坚持教育者先受教育,让教师更好担当起学生健康成长指导者和引路人的责任,要引导教师把教书育人和自我修养结合起来,做到以德立身、以德立学、以德施教。"~([1])可见,新时代语境之下,教师应该具备向着更高生命品质发展的自觉——培养师者的德性。

摘要： 教育是学生成长为栋梁的巨大推手,尤其是高等教育,更是一流人才长成与发展的后续力量,政府和老百姓的目光也与日俱增地加注在这一版块。我国最高领导人习近平主席早已意识到教育的重要性,在2018年5月2日,他又一次在北京大学师生座谈会上强调:“高等教育是一个国家发展水平和发展潜力的重要标志。今天,党和国家事业发展对高等教育的需要,对科学知识和优秀人才的需要,比以往任何时候都更为迫切。”与意识口号对应,高校的教育经费随之增加了,但令人失望的是,有些资金并没有用在人们希望的地方,或者资金资金的使用效率不高。为此,隶属党和国家监督体系的审计人员,就应该直击教育资金使用问题,并为其改善做出贡献。

摘要： 党的十九大已胜利闭幕，当前也正值全国高校思想政治工作会议召开一周年之际，北京大学工会将学习贯彻党的十九大精神、全国高校思想政治工作会议精神、中央群团工作会议精神以及习近平总书记在北大师生座谈会上的讲话精神结合起来，

摘要： 习近平总书记《在北京大学师生座谈会上的讲话》中指出：＂要坚持不懈培育和弘扬社会主义核心价值观,引导广大师生做社会主义核心价值观的坚定信仰者、积极传播者、模范践行者。＂（1）这是习近平总书记自党的十八大以来反复强调的议题,也是新时代中国特色社会主义建设过程中实现文化自信、推进伟大工程的基础性工作,因为＂青年的价值取向决定了未来整个社会的价值取向,而青年又处在价值观形成和确立的时期。

摘要： 本发明音乐会支持方法、用于音乐会的乐器和音乐会支持程序，该方法使经网络进行的音乐会中的每个演奏者立即识别其他演奏者是否处于能参加会话的状态。会话支持装置向每个会话终端发送表示每个演奏者是否能够参加会话的状态信息和识别演奏者的演奏者识别信息的集合。已收到该集合的每个会话终端使触摸显示器显示每个演奏者的状态信息。会话支持装置从会话终端获取状态转变信息和会话终端演奏者识别信息的集合，该状态转变信息表示检测装置检测到演奏预备操作的至少一个会话终端的演奏者变为能参加会话，会话支持装置向会话终端发送获取的该集合。基于会话支持装置发送的状态转变信息和演奏者识别信息，每个会话终端更新触摸显示器显示的内容。

摘要： 一种基于高效注意力网络和师生迭代迁移学习的表情识别方法，所述方法构建基于高效注意力网络的轻量化表情识别模型，并利用表情数据集对高效注意力网络进行训练；然后将训练好的网络作为教师网络，将另一个高效注意力网络作为学生网络，利用教师网络输出的软化预测值对学生网络进行训练；将完成训练和测试的学生网络学习到的模型参数迁移至教师网络，重复迭代迁移训练，直至学生网络的识别准确率不再上升，最后利用学生网络对人脸表情进行识别。本发明在保证模型参数量与计算量水平的同时，增强了轻量网络拟合的能力，并通过师生迭代迁移学习优化软标签及特征信息，大大提升了模型识别精度，能够满足表情识别在边缘侧资源受限设备上的部署需求。

摘要： 基于特征空间重整化的师生架构含噪声标签图像分类方法，属于噪声标签学习及图像分类领域。深度学习的成功主要取决于大规模标记数据集。由于大多数数据集都是人工标注的，很难保证标注的准确性。因此，在现实世界的数据集中，噪声标签是不可避免的。由于深度神经网络强大的学习能力，很容易过度拟合噪声标签，导致模型性能下降。为了解决这个问题，我们提出了一种基于特征空间重整化的师生结构，用于噪声标签的学习。我们训练了一个教师模型来为学生模型修正噪声标签。应用特征空间重整化机制指导学生模型进行自学习，使其学习到更多有意义的信息。我们在三个基准数据集上评估了我们的方法。实验结果验证了我们提出架构的有效性。

摘要： 本发明公开了一种师生在线心理交互云平台及系统，涉及在线心理云平台技术领域，平台为心里云平台，包括教师端模块和学生端模块，其中：教师端模块用于教师端多角色管理，在线心理咨询和心理测评，实时关注学生，以沟通和反馈方式，解决学生疑惑；学生端模块用于学生端疑惑的发起，获取学生实际情况中发现的问题。本发明还提出了一种师生在线心理交互云的系统，系统包括所述的师生在线心理交互云平台、以及内置所述教师端模块和学生端模块的用户终端。本发明可帮助学生疏导与解决学习、生活、自我意识、情绪调适、人际交往和升学就业中出现的心理行为问题，可有效排解学生心理困扰和防范心理障碍。

摘要： 本发明公开了一种高校师生位置数据的感知、清洗和存储方法及其系统，涉及位置数据分析技术领域，包括以下步骤：对接上网认证、AP连接记录、一卡通记录、第三方精细定位、人脸识别记录获取师生行为信息数据并进行可用性判断，对不符合数据融合条件的数据进行丢弃；对接课表、作息时间表、学生宿舍、教师办公室、事项办理获取辅助决策信息；对符合数据融合条件的师生行为信息数据进行融合，确定师生的位置信息；基于位置信息和辅助决策信息确定当前位置信息的有效性和价值；对无效、低价值的位置信息进行分离存储。该发明实现了多维度感知和有效甄别位置数据的效果，取得了更精准的位置信息。

摘要： 本发明涉及计算机视觉和智慧教育技术领域，具体涉及一种基于最优化的师生匹配方法和系统。依据教师的历史授课信息对教师分类获得教师的类别标签；利用学生和教师的相关性系数获得学生的类别标签；根据相关性系数分组的个数获得学生的敏感度；根据班级内学生和教师的类别标签的相似程度，获得与班级内学生相匹配的教师类别标签；由匹配的教师和班级内学生的类别标签的差异以及班级内学生的敏感度获得班级与教师的匹配度；根据教师与班级的匹配度获得教师与班级的最优匹配结果。本发明解决了如何合理分配教师资源的问题，为每个班级匹配到最适合的教师，最大程度的提高学生成绩。

摘要： 本发明涉及一种讲桌，尤其涉及一种便于师生互动的可升降式智慧教学讲桌。本发明提供一种能够对讲桌进行调节高度，打破以往局限性，能够录制老师讲课全过程，便于学生线上进行观看学习的便于师生互动的可升降式智慧教学讲桌。一种便于师生互动的可升降式智慧教学讲桌，包括：底板，其顶部中间设有固定框；滑动框，固定框内滑动式设有滑动框；连接框，滑动框顶部设有连接框；装料箱，连接框内后侧滑动式设有装料箱。有益效果：通过气缸伸缩杆伸缩带动第一连接块向上侧移动，第一连接块带动滑动框向上侧移动，滑动框带动连接框向上侧移动，如此便可根据老师高度，对讲桌调节至适宜老师的高度。

摘要： 本发明公开了一种师生互动音乐教学演示装置，包括黑板主体、清理组件、收集组件和调节组件，黑板主体的一侧外壁上设置有清理组件，黑板主体位于清理组件下方的外壁上设置有收集组件，黑板主体的另一侧外壁上设置有调节组件；黑板主体的一侧外壁上焊接有安装板，安装板的一侧上开设有第一T形滑槽，第一T形滑槽的内部上滑动安装有第一T形滑块；本发明设置的清理组件，便于对黑板上的粉笔字进行清理，清理效果好，清理效率比较快，降低了劳动强度，还有在清理的过程中能有效的避免粉笔灰的乱飞，设置的收集组件，便于对粉笔灰统一收集，统一处理，比较省时省力，比较实用和完善，设置的调节组件便于对黑板主体进行高度的调节。

摘要： 本发明涉及线上教育领域，且公开了一种云教育平台师生互动系统，包括客户端模块和后端管理模块，客户端模块包括了家长端口、老师端口和学生端口，客户端模块的输出端与这三个不同角色权限的端口输入端连接，客户端模块的输出端与这三个不同角色权限的端口输入端连接，这三个不同角色权限的端口都在客户端模块中具备互动连接的关系，后端管理模块是将系统中的数据进行整合处理，客户端模块输出端和后端管理模块输入端连接，客户端模块输入端和后端管理模块输出端连接，后端管理模块是应用执行在云平台中的服务应用，充分地实现老师、学生和家长的随时随地的交流，进而提高教学质量，多方面的互动成为提高教学的有效行为，且实现了教育信息化。

摘要： 本发明涉及知识蒸馏技术领域，具体涉及一种基于师生协同的知识蒸馏方法，包括：构建经过预先训练的教师网络以及具有多层级的分支输出的学生网络；将训练数据分别输入教师网络和学生网络，得到教师网络输出的概率分布以及各个分支输出的概率分布和特征；计算各个分支的知识蒸馏损失和自蒸馏损失；然后通过各个分支的知识蒸馏损失和自蒸馏损失计算对应的整体损失函数，并更新学生网络的参数；对学生网络各个分支输出的概率分布进行融合，得到对应的最终概率分布；重复上述步骤，直至学生网络训练至收敛。本发明能够通过教师网络和学生网络自身来协同优化和训练学生网络，使得不增加教师网络的复杂度并能够基于学生网络的输出进行自监督和自学习。