理论性知识

摘要： 热力环流的原理作为高中阶段地理学科重要的理论性知识,对于理解气压带和风带,以及常见天气系统的形成与影响具有重要作用。但是热力环流的原理相对较为抽象,而且课堂教学较为枯燥乏味,导致学生对原理掌握得不透彻,理解不够全面。基于该原理的重要性及学生学情的现实状况,为了更好地提高学生综合素养与能力,也为更加科学有效并快捷地完成热力环流的实验,地理教具的创造性设计与制作便具有关键性意义。

摘要： 信息技术课是初中信息技术教育的重要组成部分,学生能在学习信息技术知识的过程中掌握理论性知识,并且提高个人的电脑操作实践能力。在信息技术的教学过程中,教师不仅要高效引导学生学习信息技术的理论知识,也需要结合大量的操作训练引导学生提高实践能力。但实际上,部分教师容易忽略信息技术课对学生的助力作用,只要求学生能了解浅薄的信息知识便可,而没有让学生在实际操作的过程中深化对信息技术知识的学习印象、提高良好的实践操作能力。

摘要： 初中化学理论性知识,主要指初中化学基本概念和基本原理。文章分析了思维导图和初中化学理论性知识教学的契合度,提出了思维导图在初中化学理论性知识教学中的应用策略,并分析了思维导图在初中化学理论性知识教学应用中需要注意的问题。

摘要： 实践是检验真理的唯一标准,各类知识的检验和证明都要以实验作为基础。实验是学生认识化学、走进化学的基本方法和手段,同时也是发展学生学科素养、培养学生动手操作能力的关键,初中化学为学生打开了新世界的大门,还与我们的现实生活密切相关,实验是化学课程必须要学习的一项技能。教师在化学课程中不仅要学习理论性知识,还要注重实验教学,只有将二者相结合,才能达到教学目标。

摘要： 一、教学内容分析“原电池”位于人教版《化学反应原理》第四章电化学基础第一节。本节内容是在必修2“原电池的工作原理”的基础上进行拓展和延伸,为后续学习金属腐蚀和防护、化学电源、电解池和燃料电池做铺垫。高二学生已经初步认识单液原电池的构成条件和工作原理,具备一定的实验探究和操作能力,储备了离子反应、氧化还原反应、化学反应热等理论性知识。

摘要： 历史学科必备知识由陈述性知识、程序性知识和理论性知识构成,直接对应着知识获取能力、实践操作能力、思维认知能力三大关键能力。历史学科陈述性知识是描述客观事物的特点及关系的知识,是历史学科必备知识的基本内容;历史学科程序性知识既是历史学科必备知识的重要组成,也是进一步理解、掌握学科必备知识的基本技术;以史学理论与方法为主的历史学科理论性知识是必备知识中培育学生学科核心素养的“必修课”。

摘要： 职业中专语文课堂教学对于学生学习效率的提升具有重要的促进作用,将直接影响学生的成绩。因此提升职业中专语文课堂教学的有效性势在必行。职业中专教师的时间紧、任务重,在培养学生的理论性知识的同时还要把提升学生的综合实力作为始终追求的教育目标,并为之不懈努力。一、职业中专语文课堂教学的思考(一)忽视了课堂教学中板书的重要性随着时代的发展,教育的体制正在逐渐地发生优化和变革.

摘要： 论文写作对于教师的知识建构具有重要价值.论文写作能够促进教师实践性知识与理论性知识的协作与互动,即本土经验理论化、公共理论实践化.知识管理的显性知识和隐性知识的转化构成了这一过程的基本机制.教师可以采用“基于案例的理论建构”与“基于理论的案例设计”两条写作思路,建立起经验与理论协同发展的格局,建构教师职业独特的知识基础.

摘要： 通过对高校专家指导下的教师著书项目形成过程的研究发现,影响小学教师教育研究能力的因素为个体特征、群体文化和组织环境.在教师著书过程中,教师的实践性知识转化为理论性知识,促进了其教育研究能力的发展.基于此,为促进小学教师教育研究能力的进一步发展,应该加强专家引领,鼓励团队合作,以此来引领卓越教师的高位发展.同时,落实项目推动,鼓励教师的自主发展,也为其提供了现实依托和内在动力.

摘要： 本发明公开了知识管理技术领域的一种知识分类及隐性知识显性化的系统，包括知识库，在知识库的基础上结合外部刺激生成概念性知识，对概念性知识进行判断是否能通过语言或书面表达使得概念性知识被表述出来，若概念性知识能够通过语言或书面表达，则概念性知识被分类为显性知识，若概念性知识不能通过语言或书面表达，则概念性知识被分类为隐性知识；本发明通过将知识分类和隐性知识的显性化结合，先对知识进行分类，有效缩短学习时间，加强学习效率，促进隐性知识快速显性化，便于建立传播隐性知识的平台对隐性知识进行传播，有助于加强知识共享，强化内部合作。

摘要： 本发明公开了一种可解释性知识水平追踪方法、系统和存储介质，方法包括以下步骤：构建可解释知识追踪模型；在所述模型上执行以下步骤：区分嵌入知识点信息、习题文本信息以及与所述习题文本信息对应的习题回答记录信息；根据所述知识点信息计算得到键向量；根据所述键向量和所述习题回答记录信息更新所述知识点前一时刻的知识水平，得到当前时刻的知识水平；根据所述键向量和所述当前时刻的知识水平计算得到值向量；通过多维项目反应网络块根据所述知识点信息、所述值向量和所述习题回答记录信息预测所述习题文本信息的预测回答信息。本发明能有效应用于在线大规模的学习知识水平状态追踪场景。本发明可应用于数据挖掘技术领域。

摘要： 本发明公开了知识管理技术领域的一种知识分类及隐性知识显性化的系统，包括知识库，在知识库的基础上结合外部刺激生成概念性知识，对概念性知识进行判断是否能通过语言或书面表达使得概念性知识被表述出来，若概念性知识能够通过语言或书面表达，则概念性知识被分类为显性知识，若概念性知识不能通过语言或书面表达，则概念性知识被分类为隐性知识；本发明通过将知识分类和隐性知识的显性化结合，先对知识进行分类，有效缩短学习时间，加强学习效率，促进隐性知识快速显性化，便于建立传播隐性知识的平台对隐性知识进行传播，有助于加强知识共享，强化内部合作。

摘要： 本发明实施例提供一种用于交互对话的流程性知识抽取方法。该方法包括：利用知识图谱确定交互对话中每个对话语句的知识实体，将知识实体抽象化为对应的知识概念；对每个对话语句进行意图提取，与每个对话语句的知识概念结合，得到交互对话中句子级的多个知识概念‑意图组合；按照交互对话的对话顺序，基于首个知识概念‑意图组合对多个知识概念‑意图组合进行序列训练，得到符合交互对话流程顺序的知识概念‑意图组合集。本发明实施例还提供一种用于交互对话的流程性知识抽取系统。本发明实施例抽取采用了知识和意图结合的特征组合，所抽取的知识更符合对话流程的内容。抽取到具有跟对话知识高度相关，并具有差异性的抽象化流程。

摘要： 本发明涉及一种高速列车可维修性知识图谱构建方法，包括以下步骤：步骤1：构建高速列车可维修性知识图谱模式层；步骤2：构建高速列车可维修性知识图谱数据层；步骤3：采用Neo4j图数据库进行知识存储。通过构建多域融合的高速列车可维修性本体，使得设计域、故障域、维修域数据可以相互关联。

摘要： 本发明公开了一种案件隐性知识挖掘方法、装置及电子设备，包括：构建目标案件信息的初始案件知识图谱，所述目标案件信息包括案件文本信息和/或法律信息；基于预创建的本体库，对所述初始案件知识图谱进行规则推理，获得第一隐含信息集合；基于预生成的图神经网络模型，对所述初始案件知识图谱进行信息预测，获得第二隐含信息集合；对所述第一隐含信息集合和所述第二隐含信息集合进行处理，获得目标隐含信息。实现了提升计算效率以及信息挖掘的准确性的目的。

摘要： 本发明公开了一种基于图结构数据的端到端无数据对抗性知识抽取方法，用于模型压缩。本发明采用了产生式对抗性网络，该网络主要由三部分组成：将预先训练的教师模型和学生模型视为两个鉴别器，并利用生成器生成训练图，将教师模型中的知识提取到学生模型中。在不同的基准模型和6个代表性数据集上的大量实验表明，本发明的方法在图形分类任务上明显超过了最新的无数据基线。在没有任何实际数据的情况下，本发明成功地减少了误差，得到了一个性能相对较好的学生模型，可以有效地应用于不同的网络体系结构。本发明的方法是第一个提出有效的、端到端的无数据的图知识蒸馏框架，为今后的研究工作奠定了坚实的基础。

摘要： 本申请属于图像分割技术领域，具体涉及一种基于不确定性知识域自适应的半监督图像分割方法及系统，包括以下步骤：获取待分割图像；基于所获取的待分割图像和预设的图像分割模型，进行待分割图像的分割处理；其中，所述图像分割模型采用半监督分割模型，基于所构建的不确定性知识库提取所获取的待分割图像的图像样本特征，基于特征迁移的域自适应将所提取到的图像样本特征迁移到半监督分割模型，完成待分割图像的分割处理。

摘要： 本发明公开一种基于属性知识的轻量化零样本学习算法框架，由特征提取模块，属性识别模块和分类器模块组成；特征提取模块提取图片视觉特征，属性识别模块对每张图片进行属性识别，输出属性概率，分类器模块包含属性知识图谱，基于属性知识图谱的先验知识以及属性概率，采用广义零样本方法以及常规零样本方法实现对图片识别，输出识别结果。本发明在低训练成本的情况下，实现高精度识别；适合增量学习场景，模型在学新知识时可保留已经学的知识；模型框架中特征提取模块可根据精度和算力要求更换；两步式识别机制可有效缓解广义零样本学习中的域漂移问题。

摘要： 本发明公开了一种基于对抗偏差与鲁棒性知识蒸馏的图像分类方法，该方法用来解决图像分类领域内知识蒸馏方法出现学生模型对抗鲁棒性学习不足的问题。该方法使学生模型的自然样本输出与对抗样本输出均向教师模型学习，还规定模型自然样本输出与针对其本身的对抗样本输出之间的距离度量为对抗偏差，将教师模型的对抗偏差作为额外蒸馏项传递给学生模型，提高学生模型的泛化性。本发明实现了将教师模型的分类准确性与对抗鲁棒性传递给了学生模型，使学生模型在进行图像分类任务时可以保证较高识别准确率，并更加有效地抵御图像对抗攻击。相比于其他方法，本方法在多个常见的图像分类数据集上取得良好效果。