数字化学习平台建设与教学模式研究

当今,信息技术已渗透到经济发展和社会生活的各个方面,人们的生产、生活以及学习方式正在发生深刻的变化,全民教育、优质教育、个性化学习和终身学习已成为信息时代教育发展的重要特征。本文结合郑州铁路职业技术学院实际,对数字化学习平台建设和教学模式进行了探讨。     

认识技术引进的内在规律

1问题的提出 技术引进被定义为"国际间技术转移活动中,一国从他国购入先进技术,以提高本国技术水平的活动".当代许多后发国家都把技术引进选做实现跨越式发展的捷径.     

基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。     

将党史学习教育与生产经营工作深度融合

郑州公交集团党委坚决贯彻落实习近平总书记重要指示精神和市委、市国资委党委各项决策部署,将党史学习教育作为推进新时代党的建设的重大契机和提升企业党建工作质量的重要抓手,落实省委、市委工作会议和市十二次党代会精神,聚焦改革发展,聚焦重点任务,在"我为群众办实事"中,厚植公交为民情怀,推动学习教育成果转化为企业高质量转型发展的奋进动力,提升市民出行获得感、幸福感、安全感。     

基于4C/ID模型的教学设计及教学应用——以《基础会计》课程为例

教学设计的发展已从有序设计走向综合设计。基于4C/ID模型的综合设计教学理论的核心是整体性,直面“完整、真实”的学习任务,整合知识、技能和态度,协调创生性技能和再生性技能,培养学习者将所学迁移到新的问题情境中解决问题的能力。该文以会计专业课程为例,设计了具有变式度的完整学习任务;为学生构建解决复杂实际问题所需的认知图式搭建了有效的脚手架,实现了学教统一,扶放有度;激发了学生学习动机,提高了自主学习能力,有效形成了师生共享学习经验的知识共同体。     

职业教育服务全民终身学习教育体系的路径探索

随着我国职业教育的发展,现如今职业教育已有着完整的专业分类、合理的职业院校布局、大规模的职业教育教师队伍。职业教育的技术性以及灵活丰富的办学、教学形式为终身学习提供了重要的条件,同时终身学习的理念也推动着现代职业教育向前发展。但是职业教育如何服务终身学习教育体系,还未在机制建设、保障体系和社会层面上形成共识。因此本文从改革理念、校企合作、学分银行、信息化等方面对构建职业教育服务全民终身学习教育体系的路径展开研究,提出了一些实施性策略。     

互联网+视域下高职PLC课程SPOC教学模式改革与实践

PLC课程采取SPOC教学模式,可以利用MOOC的优势和传统校园教学的互动与PLC操作技能训练完美地结合起来,以超星学习通为平台,运用思维导图对课程内容与资源进行SPOC教学模式设计.开展PLC课程线上线下教学模式改革与实践,打破了传统教室与传统课堂的局限性,有效提高了课堂效率,有利于培养学生的综合应用能力.     

一种融合ST-GCN算法的高速公路节假日流量预测模型

为高效准确地预测节假日期间高速公路重要路段的交通流量,提出一种融合时空图卷积网络(Spatio-Temporal Graph Convolutional Network, ST-GCN)的高速公路节假日流量预测模型。该模型采用平均速度、交通流量等重要的交通指标作为交通状态评价体系要素,对节假日期间高速公路的交通态势进行综合预测;融合ST-GCN算法模型,综合考虑时空特性,得到准确度较高的预测结果。以宁夏回族自治区高速公路的节假日交通信息为研究对象,对该模型的有效性进行验证,结果表明,该模型相比其他常用预测模型准确度更高,具有更好的稳定性和鲁棒性,预测结果可供高速公路的管理和运营参考。     

基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法

为实现汽车碰撞试验假人响应曲线数据集的类别辨识,研究了面向智能优化算法的问题转换与构造方法。针对假人曲线数据的特征处理与分类过程,提出了一种基于社会蜘蛛粒子群优化算法（SSI-PSO）的碰撞试验多变量时序数据特征选择与分类方法;利用汽车碰撞试验采集的假人曲线数据,测试和验证了该方法。结果表明：本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构;该方法的假人曲线分类模型性能提升17.5%、分类精度达到96.5%。因而,实现了对碰撞试验假人响应曲线标注信息的有效分类。