中学同学

摘要： 2022年高考作文题出来以后,有人认为全国甲卷的作文题出得不好。王旭明不赞同这一看法,他认为,全国甲卷的作文题出得好,因为这个作文题贴近课程标准,贴近教材,看过全书,或者看过几遍全书并对整个《红楼梦》文化有深度解析与只学习了课文、没有看过和理解全书的文章质量,肯定不同。我素来不喜圈,也不入圈,如语文圈、出版圈、发言人圈、诗人圈等,甚至什么小学同学群、中学同学群、大学同学群等,也全不参加。之所以如此,原因有两个:一是尽量保持自己思维和精神的独立性,不受干扰;二是圈就是江湖,江湖就有江湖规矩。例如,语文江湖,原来不了解这江湖,先糊里糊涂地进了几年,后来知道了,这江湖好险,便马上远离,并且屏蔽、删除了很多语文教育者。即使被不同江湖拒之,却一人独享钓鱼之乐,也很好。

摘要： 黄文明教授的故乡之行,外表上是风光的,总体上是愉快的。如果不是一个细节出了差错,那就是彻头彻尾的快乐了。那个细节像一根钉子钉在他的心中,挥之不去。故乡之行缘于母校史校长的邀请。史校长与黄文明是中学同学。当年,黄文明是历史课代表,史校长是语文课代表。高考两人分数差不多,一个读了历史系,一个读了中文系。

摘要： 前些日子,我去了趟兰州,遇到老同学才多。才多以前也喜欢写点东西,这么多年过去,仍然保持着阅读的习惯。记得那天,他手里拿着一本《红豆》杂志(的确是拿着《红豆》杂志),岁月已将满头密发的青年折腾成了一个中年油腻男。他告诉我,他自己还保持着写点东西的习惯。虽然不是严格意义的文学作品,可那些文字待在日记本中让他异常安心。才多和我是中学同学。

摘要： 众所周知,父母经常吵架会严重破坏家庭气氛,给孩子造成莫名的心理压力。但是,有多少父母会顾及孩子的感受,克制自己的坏脾气呢?来听听这位家长的心里话——目睹爸妈吵架,儿子的眼神像待宰的羔羊,说话都不敢大声我和妻子是中学同学,毕业后各自上大学,失去了联系。没想到,十年后我们不约而同地回到家乡,在一次同学聚会时重逢。我们都是单身,又相互知根知底,在同学的撮合下迅速进入热恋状态,并于半年后登记结婚。

摘要： 一吴珂第一眼看到黄乙清,差点没认出来。黄乙清本来是个胖子,吴珂还记得,大约八年前最后一次参加中学同学的聚会,吃饭时跟黄乙清挨着坐,当时黄乙清说,他的体重,净重是170斤。170斤按说还不算太重,但对于一个身高只有一米五几的人来说就有点夸张了。他那天又穿了一件绛色的横纹T恤,看着就像个泡菜坛子。

摘要： 附近村子的人和我的中学同学们都知道我有一床鸡绒被。这还得从上世纪60年代说起,那时我在家乡附近一所初级中学上学。教我们生物和物理的是唐山籍的郑佐永老师,他非常博学,上课时除了讲一些课本上的知识,还讲一些生活趣闻。“唐山的大对虾这么老长。”他岔开拇指和食指比划着,听得我们馋涎欲滴。“旅行家的野鸭绒被这么薄。”

摘要： 中学同学在某高校任教,毕业之后一直没有联系。前段时间,他突然现身朋友圈,而且连连发声:请各位同学帮帮忙,为XX大学投上一票吧,完成任务,谢谢!不好意思啊!有人提醒他,应该意思意思。同学马上发送一个红包,附言:一点意思,让同学们每天都锻炼一下手指的灵活度,也蛮好的。

摘要： 这类记忆无疑有误,我无法说自己在多大程度上还原了已经逝去的年代,特别是我自己内心深处的细节。坦率说,我没有什么故事,可能只有细节。据说没有故事,是小说的大忌。我研究了很长时间,也说不清楚故事是什么。近几年来我自己的记忆力衰退,多数中学同学的名字我都记不清楚了。我在记忆中去虚构,在虚构中去记忆。——王尧《民谣·杂篇》现状从来就不是我们所看见的样子,我们所经历的现状总是包含着对刚经历的过去的记忆。

摘要： 上次和中学同学见面,有些人已经不止十年没见了。老胡原来是我的小组长,轮到我们小组打扫卫生的那天,他负责分配工作:谁扫地,谁擦地,谁倒垃圾。毕业之后,在我们班所有同学之中,老胡第一个从事金融工作,用钱挣钱。

摘要： “植保无人机在农牧业领域广泛应用已经成为我们这里常态,尤其在农业播种、施肥、病虫害防护,这里的农户认可和使用还是挺高的。”石磊说。今年30岁的石磊是新疆阜康市城关乡人,2018年他从北京返回新疆阜康市和中学同学韩少华、李海洋三人一起创业,做植保无人机与农业播种喷洒方面工作,三人团队中韩少华在大学期间,接触过无人机植保领域技术。

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。