民国时期民生状况研究——以皖北地区为对象

民国时期,以农民为主体的皖北民众生活极端贫困.首先,农户收入普遍过低,衡之以当时的一般收入标准,其农户绝大部分处于贫困状态;其次,受收入偏低的影响,皖北农户整体消费水平不高;再次,消费结构不合理,满足生存最基本之需的食品支出在农户全年所有费用支出中占有绝对比重,其消费是一种压缩性的节俭型畸形消费.     

基于迁移学习的桥墩结构损伤识别方法

提出一种深度学习的桥墩结构损伤识别方法,该方法通过迁移学习(TL)将源模型的权重和参数转移到目标模型上,加快深度模型的训练速度、提升模型损伤识别精度。使用连续小波变换将振动信号转换成时频图作为深度模型的输入,构建可识别砼结构损伤的深度模型,该模型的固定部分使用源模型的权重和参数,非固定部分的权重和参数使用新的数据训练得到;通过试验及仿真对该模型的有效性进行验证,试验方面使用砼桥梁在有损伤和无损伤时的振动信号,仿真采用ABAQUS/CAE建立砼塑性损伤识别模型(CDP)并采集振动信号;将文中方法与从零开始训练的深度卷积神经网络(CNN)及支持向量机(SVM)方法进行对比,文中方法在试验数据上的识别精度达99.1%,在仿真数据上的精度达100%,相对于传统识别方法,该方法可提高损伤识别精度和模型训练速度。     

高等职业院校教学资源管理平台搭建初探

本文以高等职业教育教学资源管理平台开发为研究对象,在分析国内外教学资源平台发展状况的基础上,以辽宁省交通高等专科学校教学资源管理平台开发为依据,系统阐述了高等职业院校教学资源管理平台顶层设计内容、1+1+N平台运行模式、五层次用户管理模式、九模块自主添加功能、不公开信息处理功能等内容,对教学资源管理平台的主要功能进行了简明介绍,为高等职业院校教学资源管理平台开发与优化提供了很好的借鉴。     

“翻转课堂”热潮引发的思考

翻转课堂自实施以来,在教育领域引发大讨论,给教学带来了前所未有的变化,取得了良好的效果。本文对翻转课堂的由来及其对教学的改变进行分析,并探讨了翻转课堂实施对师生的要求,最后对我国大面积普及翻转课堂的制约因素进行了分析。     

贯彻交通运输部《关于加快推进北新能源汽车在交通运输行业推广应用的实施意见》研讨会在天津召开

本刊讯 9月11日,贯彻交通运输部《关于加快推进新能源汽车在交通运输行业推广应用的实施意见》(交运发[2015]34号,以下简称"《实施意见》")研讨会在天津召开.中国道路运输协会城市客运分会秘书长、天津市公共交通集团(控股)有限公司董事长于秉华主持会议,城市客运分会理事长张国光、副秘书长宿中泽等出席. 本次研讨会旨在深入学习领会《实施意见》的精神,加快推进新能源汽车在城市公交行业的推广应用,促进新能源汽车的健康发展.研讨会上,于秉华致词,郑州公交总公司、天津松正电动汽车技术股份有限公司、郑州宇通客车股份有限公司等公交企业、整车及零配件厂商代表作了专题报告,张国光作了总结发言.     

基于网络学习空间的S-ISAL教学方法在《旅游英语》课程中的实证研究

以云计算为依托的现代信息技术带动高职课程资源整合方式和教学方式改革。本文依托网络学习空间平台,以《旅游英语》课程为例,详细阐述S-ISAL整体教学设计、空间课程资源建设和创新实践,旨在探寻S-ISAL基本要素配置规律,进一步验证S-ISAL教学方法在日益普及的网络教学中的应用及推广价值。     

高校党史学习教育需要把握的三个着力点 ——以沈阳航空航天大学为例

高校是立德树人的重要阵地,担负着青年学生成长成才、引导树立正确人生观价值观的重要职责。在推进高校党史学习教育中,要注重把握三个着力点,在深刻认识"三个必然要求"基础上着力把握建党百年的时代脉搏,在深刻理解"六个进一步"基础上着力汲取学校特色发展的融合之路,在深刻把握"务求实效"的基础上着力将学习教育成果转化为推动高质量发展的强大动力,从而促进学生素养提升,促进学校事业高质量发展。     

基于深度学习的电力负荷短期预测

为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.     

基于Faster R-CNN的接触网吊弦故障检测方法

针对接触网吊弦故障图像样本较少,现有方法检测准确率较低的问题,提出了一种高效率、高准确率的接触网吊弦故障检测方法.以Faster R-CNN模型为基础,通过引入能够提取深层次图像特征并实现特征重用的密集连接卷积神经网络(dense convolutional network model, DenseNet)替代原始的特征提取模块提取吊弦图像特征,并在实验中利用图像旋转、增强等数据变换操作扩充样本集提升检测效果.通过对接触网吊弦图像的测试,以DenseNet为主干网络的Faster R-CNN模型能够检测接触网吊弦故障,检测准确率比原始检测模型提高4%以上,且加入数据变换对吊弦故障检测的准确率和鲁棒性均有显著提升,均值平均精度(mAP)可达98%以上.     

基于手机信令数据的居住地人口分布辨识改进方法

针对传统的基于手机信令数据的居住地人口分布分析方法的不足,通过建立一种基于手机信令数据和问卷调查数据的多源数据融合手段,利用有监督机器学习方法,实现对居住地人口分布现状的分析.首先通过问卷调查数据获取志愿者的实际居住地位置及其所使用的通信运营商相关信息,并进行样本筛选.其次,在通信运营商内部机房建立志愿者用户实际居住地...