恰同学少年

摘要： “恰同学少年,风华正茂;书生意气,挥斥方遒。”走进湖南省益阳市第六中学(以下简称益阳市六中),不知不觉间,被一股朝气所感染。跳动的身影,朗诵的声音,青春的力量,氤氲着校园每一个角落。这股青春的气息,在学校校长龚树清身上体现得尤为明显。

摘要： 亲爱的老师、同学们:大家好!“恰同学少年,风华正茂,书生意气,挥斥方遒;指点江山,激扬文字,粪土当年万户侯。”孩童时期至迟暮之年,读书是每个人人生中不可或缺的习惯。《三字经》《论语》等诸多典籍是我生活中不可缺少的背景音,习惯了气沉丹田的吟诵。逢年过节,老一辈茶余饭后的“文学论坛”总是我期盼已久的篇章,每当听到些千古奇诗。

摘要： 了解过中共党史的人,对蔡和森这个名字肯定不陌生,他在宣传马列主义方面贡献卓越,成为提出“中国共产党”名称的第一人。时至今日,我们仍能在《恰同学少年》《建党伟业》《我们的法兰西岁月》等多部革命历史题材影视作品中看到他的身影。

摘要： 开头妙写法—扣题提示写什么:夜的幕布被撕裂,光从缝隙里挣脱出来。它已等待太久!它在黑暗中不停地积蓄力量,为冲破暗夜做足了准备,终于,它冲破了黑暗,开始饱览这壮丽山河。恰同学少年,风华正茂。面对这广阔的世界,我们也要学会等待,如同光等待机会撕裂夜色一般。

摘要： 嘉娜·沙哈提这个名字对很多人来说可能是陌生的,但是她担任导演的电视剧作品却给观众留下了深刻印象:从《钢铁是怎样炼成的》到《恰同学少年》《大明王朝1566》,再到《黎明前的暗战》《共产党人刘少奇》《秋收起义》,以及正在热播的庆祝建党百年展播剧目《大浪淘沙》,她执导的每一部剧都能成功地唤起观众对历史上的英雄人物的追忆。

摘要： 湘江之畔,橘子洲头,曾留下“恰同学少年,风华正茂”的一代伟人毛泽东的千古名篇,曾见证近百年前青年一代“指点江山,激扬文字”的青春风采,成为一代代青年学子寻找初心的圣地。在学习过《沁园春·长沙》后,我对橘子洲头的向往之情更增添了几分。

摘要： “让青春在为祖国、为民族、为人民、为人类的不懈奋斗中绽放绚丽之花。”近期,习近平总书记在清华大学考察时对青年们的谆谆寄语催人奋进。在中华民族实现伟大复兴的奋斗征程上,涌现出越来越多“90后”“00后”的身影。他们当中,有些活跃在疫情防控、脱贫攻坚、基层工作或是保卫祖国边疆的战场上,值得礼赞;有些则以社会主义建设者和接班人的使命担当,把热血融入曰常的学习、生活和工作中,脚踏实地,用青春热血为未来奋斗;还有青年丰富才识,勤工俭学,为父母减轻重担,为家庭谋幸福,同样是以小见大的奋斗写照,值得称赞。

摘要： 2021年5月29日在全国公映的纪录片《九零后》,是一部很容易被忽略的佳作。这里的“90后”,指的不是出生于20世纪90年代之后的年轻人,而是一群平均年龄超过90岁的老人。同时,这里的“90后”也诚如电影英文名“One Day When We Were Young”所言,有“恰同学少年”之意,即这部纪录片着重记录了这群年过九旬的老人的少年时代。

摘要： 创新人才培养,关乎国家未来发展与核心竞争力,当今世界正经历百年未有之大变局,培养担当民族复兴大任的时代新人,就要培养学生的创新力。"国势之强由于人,人材之成出于学",恰同学少年,高中阶段是人生的"拔节孕穗期",是创新素养培养、创新人才成长的黄金期,高中集合了未来可期的众多优秀少年,而这些高中如何培养在人口总数中占比2%的"头部人才"的创造力,也就是拔尖创新人才担当起重任,是需要重点来思考的问题。

摘要： 《沁园春·长沙》是毛泽东在1925年写的一首词,他回忆了自己在长沙念书时,与一群志同道合的同学“指点江山”、追求远大理想的情景。在这群风华正茂的同学中,就有后来成为革命烈士的蔡和森。恰同学少年1895年,蔡和森出生在上海,4岁时跟随母亲葛健豪回到故乡湖南省湘乡县永丰镇(今属双峰县)。蔡和森在湖南省立第一师范学校学习时,与毛泽东同在一个年级,他们很快成了无话不谈的挚友,一起度过了一段“指点江山,激扬文字”的青春年华。

摘要： 本发明属于车牌检测技术领域，涉及一种基于车牌间协同学习机制的车牌检测方法，以车牌检测数据集中车牌检测图片之间强一致性为基础，通过尺度间协同注意力机制学习不同车牌检测图片网络层输出特征之间的一致性，从而保证网络在特征提取阶段车牌特征之间的交互性，通过车牌特征之间的交互，实现共性特征之间共享。然后通过语义协同注意力机制学习不同车牌检测图片高层输出语义之间的一致性，从而保证网络能够凭借语义特征缩小车牌特征搜索范围，最终通过语义尺度协同学习机制融合网络语义上下文之间的关系，提升复杂场景车牌检测精度，不仅可以用来进行复杂场景下的车牌检测，还可用于复杂场景下的物体分割以及复杂场景下的物体检测。

摘要： 本发明属于机器学习领域，具体涉及结合协同学习策略的粒子群混合优化的特征选择算法，技术方案如下：1.用Fisher score与MIC混合的过滤式算法进行粗粒度特征选择，获取粗粒度特征子集；2.利用协同学习策略的自适应粒子群优化算法进行细粒度特征选择，获取最优特征子集。本发明有效地克服了现有技术中存在陷入局部最优和计算代价高昂的高维数据的问题。

摘要： 本发明涉及图像处理领域，尤其涉及一种基于深度多特征协同学习的图像修复方法，包括如下步骤：S1.将待修复图像输入一预设的图像特征编码器，通过深度神经网络编码对待修复图像进行有效特征提取，形成有效图像特征集；S2.所述有效图像特征集通过预设的图像解码器进行解码修复，通过局部和全局判别器后形成修复图像；其中，所述图像特征编码器由六个卷积层组成，其中三个浅层卷积层用于重新组织纹理特征，三个深层卷积层用于重新组织结构特征，得到结构特征集和纹理特征集；所述图像解码器包括一软门控双特征融合模块，用于融合上述结构特征和纹理特征，一双边传播特征聚合模块，用于均衡通道信息、上下文注意和特征空间之间的特征。本技术可以有效解决修复图像的伪影，使得修复后的图像具有详细的纹理和更好的图像外观。

摘要： 本发明公开了一种鲁棒特征空间共同学习的多标签图像分类方法，首先准备多标签数据；在特征空间和标签空间中引入特征选择和核范数的低秩表示方法从而构造鲁棒的标签和特征空间共同学习的多标签分类模型；利用鲁棒低秩投影矩阵V将q维标签空间映射到r维的标签空间中，从而V表示在标签空间中学习到的鲁棒低秩投影；引入增广拉格朗日乘数法对多标签分类模型的目标函数中的矩阵P和矩阵V进行求解；将多标签数据作为训练数据样本对提出的多标签分类模型进行训练，得到最优的鲁棒低秩系数矩阵P和鲁棒低秩投影矩阵V；基于最优的鲁棒低秩系数矩阵P和鲁棒低秩投影矩阵V完成多标签分类模型的训练，并利用该多标签分类模型进行多标签图像分类。

摘要： 本发明公开了一种基于复矩阵和多特征协同学习的遥感图像分类方法，通过在黎曼RNRS分类方法的基础上引入超像素，减少了散斑噪声和计算时间，并且通过基于超像素的协同学习方法，将复杂矩阵和多特征融合到NRS分类框架中。本发明能够充分利用矩阵信息和极化特征，尤其在异质区域能够进行精确分类，得到更好的分类结果。

摘要： 本发明公开了一种基于区块链的群组协同学习方法，包括：S1，基于区块链构建协同学习模型，划分训练集和测试集；S2，预设智能合约模块，设置初始模型参数、全局聚合轮数和初始迭代次数，划分局部训练组；S3，选取局部训练组中信用最高的节点为领导节点，其它为训练节点，所有领导节点组成全局聚合组；S4，训练节点本地训练得到本地训练模型，领导节点利用联邦学习聚合得到本地模型；S5，全局聚合组聚合本地模型得到全局模型；S6，领导节点验证本地模型，根据验证准确率和历史信用更新边缘节点的信用；S7，更新初始模型参数，判断i＜I，如果是执行i＝i+1返回S3。本发明不仅有效降低了无线通信延迟，还增强了协同学习效率。

摘要： 本发明公开了一种基于多核协同学习和深度信念网络的特征提取方法及系统，包括：获取人脸表情图像信息，将所述人脸表情图像信息输入到训练好的深度信念网络，得到人脸表情分类结果；其中，对于深度信念网络的训练过程包括：将三张同一个人脸不同角度的图像分别放入三个DBN网络，三个DBN网络根据视野的不同来提取同一个人脸图像的三个不同特征，将提取到的特征分别放入与DBN网络连接的分类器中，利用小于设定数量的已标记的样本和大于设定数量的未标记样本对多个分类器进行协同训练。本发明实现了利用大量未标记样本进行分类器训练的目的，降低了DBN对人工标记样本的依赖，提高了深度信念网络的实用性。

摘要： 本发明涉及深度学习技术领域，尤其涉及一种协同学习的带噪声标签图像分类方法，在保留了Co‑teaching方法协同训练的基础上，进行了两点改进，首先抛弃了交叉训练的方式，采取单向的数据交换方式，其次修改了数据接收方网络的损失函数，数据接收方和数据提供方的损失函数不同，结合对称交叉熵损失函数和标签平滑正则化，本发明通过单向数据交换对的小损失训练抑制了噪声标签对图像分类的影响，并通过对称交叉熵损失函数提高鲁棒性以及标签平滑正则化防止过拟合。

摘要： 本发明公开了一种基于保守激进协同学习的图像半监督语义分割方法，包括对于有标签数据采用传统监督训练方法训练图像语义分割模型，对于无标签数据采用保守激进协同学习方法进行模型的半监督训练；其中，所述保守激进协同学习方法同时训练两个分支。本发明中，实现了对大量无标签数据的有效、高效利用，基于“求同存异”的思想达到了“保守进化”和“激进探索”之间的协同，有助于智能系统环境感知模型训练的降本增效，具有较好的语义分割效果、鲁棒性和通用性，仅使用少量带标签数据即可达到有较高标注成本的监督方法的同等语义分割效果，能够部署并应用于各种智能系统，具有较高的应用价值。

摘要： 本发明是一种基于多图神经网络协同学习架构的显著性物体检测装置及方法。本发明涉及计算机视觉技术领域，确定显著性边缘特征与显著性区域特征，将显著性边缘特征与显著性区域特征分别通过图投影操作转化为边缘图节点与区域图节点；进行初始图交互，实现图间信息的传递；将交互之后的送入动态信息增强图卷积层，完成图节点信息的充分挖掘；将经过动态信息增强图卷积层处理之后的边缘图节点与区域图节点送入注意力感知融合模块，完成两种特征的互补融合，为显著性边缘特征与显著性区域特征的学习过程提供互补线索。本发明提升显著性物体检测性能，弥补传统卷积神经网络的关系学习能力不足的问题。