总督学

摘要： 原国家教育委员会副主任、国家总督学柳斌曾说过,国民教育的平台靠家庭教育、学校教育和社会教育支撑。三者相互关联,有机地结合在一起,相互影响、相互作用,为孩子创造美好的未来。这一段话非常形象地点明了家校社协同育人的重要性。

摘要： 2021年12月24日,中国教育学会教育管理分会中小学幼儿园党建工作(宜宾)座谈调研会在宜宾市第四中学成功举办。本次活动以“中小学党组织领导的校长负责制探索与思考”为主题,由宜宾市教育学会承办、宜宾市翠屏区教育学会协办。中国教育学会教育管理分会常务理事刘仁富,宜宾市教育学会会长伍邵明主持会议,翠屏区总督学鲍媛媛、中国教育学会教育管理分会理事张成刚出席会议。来自宜宾市各区县中小学幼儿园基层党组织书记、校(园)长参加活动,就中小学幼儿园党建工作创新与实践经验展开交流、发表主旨演讲。

摘要： 为深入贯彻《教育部等6部门关于加快发展青少年校园足球实施意见》,进一步构建我省校园足球四级联赛体系,搭建校园足球特色学校学习交流和自我展示的平台,7月5—23日,由河南省教育厅、省体育局主办,洛宁县政府、洛阳市教育局承办的2022年河南省青少年校园足球“省长杯”暨校园足球夏令营最佳阵容选拔赛在洛宁县举行。省政府副省长,省教育厅党组书记、厅长宋争辉宣布开幕并为揭幕战开球。省政府办公厅、省教育厅、省体育局相关处室,洛阳市教育局、市体育局,以及各省辖市教育局的负责同志出席开幕式。开幕式由省教育厅总督学、一级巡视员李金川主持。

摘要： 8月18日至19日,2022年全省教研室主任会议在衢州举行。省教研室领导班子、全省各市、县(市、区)教研室主任等参加会议。省教育厅副厅长陈峰、中国教育科学研究院副院长陈如平、衢州市人民政府副秘书长柴志强、衢州市教育局总督学程卫东出席活动开幕式。

摘要： 在国际中文教育界,甚至是全球文化交往界,现国务院参事、原国家汉办主任、孔子学院总部总干事许琳的名字不应也不会被忘记,今天国家汉办和孔子学院总部更名,会使更多人想起这个名字。多年前,该领域青年学者、现为加拿大阿尔伯塔省汉语总督学的北京大学博士刘现强曾说,中国正是因为有了许琳,才使得孔子学院和孔子课堂在全世界遍地开花,才使得中国文化"走出去"的步伐得以落到实处、铿锵有力,也才使得中国民间外交有了真正"抓手".

摘要： 2021年2月24日下午,按照乾县县委安排,乾县领导干部学习贯彻党的十九届五中全会精神专题研讨班第二班次第四组在乾县教育局六楼会议室开班。乾县卫健局、文化和旅游局、医疗保障局、教育局科级领导干部参加专题研讨。此次会议由县教育局承办,县政府教育副总督学刘宏让主持会议,县教育局党委书记、局长侯佼致欢迎辞。

摘要： 2020年9月28日,国家义务教育质量监测对兴平市21所样本校进行监测,全市共计600余名学生、21名校长和200余名教师参加了本次质量监测。监测期间,陕西省教育督导委员会副主任任正旺、汉中市汉台区三丰阁小学校长徐沉和咸阳市政府教育副总督学纪明耀深入样本校,对兴平2020年国家义务教育质量监测宣传工作、试场布置、计算机配备、模拟练习、保密工作、应急预案等各个环节进行了严格的视导和督查。各样本校严格按照《2020年国家义务教育质量监测现场操作手册》的要求,规范操作。省、咸阳市视导员全程视导样本校对测试生检录、学生测试、校长网络问卷、教师网络问卷的实施过程,确保了国家质量监测工作顺利实施。

摘要： "去年,部分县(市、区)拖欠教师工资处理情况曝光后,一些地区抓紧‘补欠’,成效显著。"全国政协委员、省教育厅总督学韩爱丽介绍,近年来,教育督导部门积极向社会公布督导结果,在推动教育事业优先发展、规范办学行为、提高教育质量等方面发挥了重要作用。她建议,进一步建立结果公开制度、丰富结果公开渠道,用监督促整改。

摘要： 2021年6月7日下午,由(全国)教育书画协会和北京大学共同举办的"百年初心·百年光荣——庆祝中国共产党成立100周年全国教育书法作品邀请展"在北京大学开幕。原国务委员、第十一届全国人大常委会副委员长陈至立,中国文联原党组书记、中国关心下一代工作委员会常务副主任胡振民,教育部党组成员、副部长、总督学郑富芝,教育部原党组副书记、副部长、(全国)教育书画协会会长张保庆,北京大学党委书记邱水平.

摘要： 陕西省委教育工委省教育厅领导看望慰问优秀教师,9月7日至9日,在第37个教师节来临之际,陕西省委教育工委副书记、省教育厅厅长刘建林,陕西省委教育工委委员、省教育厅副厅长赵昶葆,陕西省政府教育总督学王恒斌到部分学校,看望慰问优秀教师,向全省广大教师和教育工作者送去节日的问候与美好祝福。

摘要： 本发明公开了一种基于有监督学习和无监督学习的反欺诈方法，具体步骤如下：数据预处理，数据转换，创建高斯混合模型，期望最大化算法，有监督学习，无监督学习，预测，该基于有监督学习和无监督学习的反欺诈方法使用有监督学习和无监督学习结合的方法来建立反欺诈模型，有监督学习模型和无监督学习模型被包含在一个大的模型中，这个大的模型将达到集成模型的效果，预测的结果将会优于单独考虑有监督学习或无监督学习时的效果，而且有监督学习和无监督学习是互补的，两种学习方式结合将可以检测出已知的欺诈模式和未知的欺诈模式。

摘要： 本发明公开的一种基于监督学习和半监督学习双重信息的迭代式标签噪声识别算法，属于机器学习和数据挖掘领域。本发明将监督和半监督学习结合起来，对于监督学习部分，通过软多重投票方式，产生监督学习噪声识别结果；对于半监督学习部分，基于监督学习产生的纯净数据训练的分类模型，对无标签数据集进行标记，标记后的无标签数据作为训练集，用加权KNN方法对标签数据集进行检测产生噪声识别结果；最终将噪声识别结果结合起来产生最终识别结果。本发明算法还采取迭代方式，每次迭代输入的待测样本为上次迭代时过滤掉噪声后的剩余样本。同传统噪声识别算法比，该发明结合了更多互补信息，同时辅以迭代方式，能更好促进噪声识别准确性。

摘要： 本公开提出一种自监督学习方法和自监督学习装置，涉及计算机领域。本公开通过每个原始图片的每个增广图片的特征到所述每个原始图片的所有增广图片的特征均值的距离度量信息，能够有效监测到语义出现偏差的增广图片样本，通过减小相应的权重，语义出现偏差的增广图片样本带来的训练噪声能够被有效地抑制，很好地平衡了数据增广分布的方差与偏差，提升了学习模型在下游的计算机视觉任务上的性能。

摘要： 本发明提供了一种监督学习与非监督学习结合的因子提取气候特征方法，包括：获取因子的历史数据；所述因子的历史数据包括物理量场因子的历史数据和预报对象的历史数据；对因子的历史数据进行标准化，得到标准化后的数据；对标准化后的数据采用监督学习回归类作分析，提取其均方误差场；对标准化后的数据采用相关系数类作分析，提取其相关系数场；获取均方误差场的预报因子集；获取相关系数场的预报因子集；将均方误差场的预报因子集和相关系数场的预报因子集合并，得到多因子序列。本发明的有益效果：避免了大范围提取因子时，总体高相关和高影响的区域会掩盖掉较低影响区域的信息；避免过多丢弃了与整体场要素模态不一致的低信号信息。

摘要： 本发明涉及一种半监督学习系统和一种半监督学习方法，半监督学习方法包括：取得一或多个源域的源域数据及一目标域的目标域数据；使用该源域数据及该目标域数据以训练一特征萃取模型；利用一域判别模型、一任务模型及一半监督学习机制以分别计算该特征萃取模型的域判别损失函数、任务损失函数及半监督损失函数；依据该域判别损失函数、该任务损失函数及该半监督损失函数以计算一总损失函数，并依据该总损失函数以更新该特征萃取模型、任务模型与域判别模型的权重；以及因应于整体模型满足模型收敛条件，结束整体模型的训练过程。

摘要： 本发明涉及一种联合自监督学习和半监督学习的地外图片分割方法和系统。该方法对于地外图片通过掩码图片建模的方式进行自监督预训练，使得模型学习到多样鲁棒的特征空间表示，然后通过半监督方式来微调模型，充分利用地外数据中未标注部分的信息，使得模型在下游任务即语义分割上能有更好的表现。本发明通过自监督学习预训练使得网络可以在无标签数据中学习到良好的特征表示，并且提高了半监督方式下微调阶段的伪标签预测质量，同时微调阶段通过产生伪标签来利用未标注区域的监督信息，使得模型输出的预测结果更准确。本发明能够显著提升图片分割性能。

摘要： 本发明公开了一种融合无监督学习和自监督学习的中文拼写纠错方法，首先，利用混淆集对模型进行预训练，在预训练时不再替换为随机的字，而是替换为混淆集中的字使模型学到字音和字形相关信息；在训练时利用无监督学习和自监督学习对中文拼写错误进行检测和纠正，并利用混淆集进行候选字的选取；最后在中文拼写纠错领域的测试集上测试模型在字级层面和句级层面的纠错性能。本发明融合无监督学习和自监督学习提高模型中文拼写纠错性能的方法所训练的模型能够使模型更好的学习到字音和字形信息，使得模型在中文拼写纠错领域的性能得到提高。

摘要： 一种自监督学习辅助下的半监督学习方法，包括以下步骤：将训练样本划分为若干个批次，每个批次包括标注数据或无标注数据；将当前批次的数据随机翻转，再与原数据进行合并，作为当前输入数据；用特征提取网络提取当前输入数据的特征，得到抽象特征；以及把提取的抽象特征送入到图像类别分类网络或者图像角度翻转分类网络进行图像类别和图像角度翻转判断，若输入数据为标注数据，则将抽象特征同时送入图像类别分类网络和图像角度翻转分类网络进行图像类别和图像角度翻转判断，若输入数据为无标注数据，则只将抽象特征送入图像角度翻转分类网络，进行图像角度翻转判断。本发明方法提升了半监督学习的图像类别分类性能。

摘要： 本发明提供了一种半监督学习方法，该方法包括：利用有标签数据对神经网络模型进行初始训练；获得待标定的无标签数据的增强数据；利用初始训练好的神经网络模型标定待标定的无标签数据及其增强数据的伪标签；利用有标签数据以及待标定的伪标签数据重新训练神经网络模型；其中，用于半监督学习的神经网络模型包括：输入层，用于接收输入数据；第一隐藏层，用于提取输入数据的低层语义信息；语义层，用于基于低层语义信息确定输入数据的低层语义标签；第二隐藏层，用于基于输入数据及其低层语义标签提取输入数据的高层语义信息；以及输出层，用于基于输入数据的高层语义信息确定其高层语义标签，并作为最终标签输出。

摘要： 本发明公开了一种基于有监督学习和无监督学习的反欺诈方法，具体步骤如下：数据预处理，数据转换，创建高斯混合模型，期望最大化算法，有监督学习，无监督学习，预测，该基于有监督学习和无监督学习的反欺诈方法使用有监督学习和无监督学习结合的方法来建立反欺诈模型，有监督学习模型和无监督学习模型被包含在一个大的模型中，这个大的模型将达到集成模型的效果，预测的结果将会优于单独考虑有监督学习或无监督学习时的效果，而且有监督学习和无监督学习是互补的，两种学习方式结合将可以检测出已知的欺诈模式和未知的欺诈模式。