“别具一格”的集中学习

为深入开展党的群众路线教育实践活动，着力提高全体党员、干部学习的积极性和主动性，巩固和检验党员干部在群众路线教育实践活动第一环节的学习成果，集团党委于6月5日举行了党的群众路线教育实践活动知识竞赛。     

对新形势下国有公交企业基层党建工作的思考

上南公交党委从加强学习教育、选树品牌典型、方便市民出行三方面,对新形势下国有公交企业基层党建工作进行了扎实而富有成效的探索和实践,从而取得了企业党建工作充满活力;服务供应水平再上台阶;市民出行更加便捷的可喜成效。近年来,上海浦东新区上南公共交通有限公司(以下简称上南公交)     

浅议诊断性测试在高职英语教学中的应用

诊断测试能有效地诊断出英语教学中存在的弱点,它是评价英语教学的一个有效手段。文章在介绍诊断测试概念的基础上,分析一次实际进行的诊断性测试。根据测试结果发现存在的问题并以此来改进高职荚语教学的模式。     

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.