基于语料库数据驱动学习模式的外语教学

数据驱动学习(DDL)是一种基于语料库的发现式学习方法,是语言学习者自身在对大量真实语料观察和分析的基础上将问题解决的自主式学习,它是语料库在外语教学与学习中运用的产物,开辟了英语教学的新视野。本文浅析了语料库DLL在外语教学中的具体运用,希望能引起更多学者的探讨,丰富和改善外语教学的内容和质量。     

第二语言学习的认知策略分析

成功的外语学习者在学习中善于使用必要的认知策略。外语教师在外语教学中,应利用学生的主观能动性,培养学生认知策略能力,提高他们分析解决问题的能力,从而有效地促进了学生学习的内在动力,使学习主体的建构成为可能。     

高校思想政治教育与国防教育的深度融合发展研究

在世界发展大变革、多元文化思潮的冲击之下,高校国防教育更需要紧紧围绕国家人才培养战略与国防后备力量建设的需要,构建起新时期高校国防教育的大格局,积极推进国防教育和思想政治教育深度融合,提升国防教育的感召力.文章分析了高校思想政治教育与国防教育融合的必要性与特殊性,结合其现存的问题,提出了高校思想政治教育与国防教育深度融...     

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。     

重型车用系列齿轮钢应用研究

齿轮的材料对齿轮的使用寿命有着直接的影响。主减速器齿轮模数大,受力苛刻,如果材料选择不当,有效硬化层深度和心部硬度达不到设计要求,使用中就会发生打齿现象。我国通用的20CrMnTi齿轮钢,淬透性不高且淬透性带宽。当其淬透性处于下限时,对于模数大的齿轮就无法保证淬硬性。为了提高齿轮渗碳层的有效硬化层深度及心部硬度,必须采用新的高淬透性材料。     

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。     

三一重工智能碾压系统在路面施工中应用研究

三一重工研发的智能碾压技术是通过在压路机上安装智能监测与控制体系,实时获得路面碾压各项数据,实现对路面压实度、渗水、构造深度均匀性进行控制。对溧高高速公路路面智能碾压段中间带边缘、路肩边缘和行超车道内随机取样,其渗水系数、构造深度均值、方差假设检验P值均大于0.05,说明其渗水、构造深度均值、方差均相等,表明路面碾压均匀,而在普通碾压段内相应位置取样,得到结果完全相反。对智能压实值与压实度关系研究发现智能压实值与压实度相关关系较弱,但其仍可准确地反映路面压实效果。由此得出结论:智能碾压技术对路面压实效果优于普通碾压,智能压实值可以作为路面碾压过程控制重要参数,这一技术值得推广应用。     

高架桥预制拼装承台抗震性能数值模拟研究

城市中大部分高架桥基础承台施工以现浇为主,施工工期长,施工风险较大。针对上海市济阳路快速化改建工程二标项目,提出采用预制承台施工代替传统现浇承台施工。通过FLAC3D数值模拟软件建立了预制承台的三维计算模型,模拟了预制承台在受到地震荷载作用时,承台配筋率、桩基直径、轴压比以及桩基插入承台深度对预制承台抗震性能的影响。结果表明:较小的配筋率和适中的桩基直径能有效提高预制承台的延性抗震性能;同时在设计和施工中应当考虑到轴压比对预制承台抗震性能的影响,轴压比越大,预制承台的延性抗震性能越差。此外,桩基插入承台的深度对预制承台的抗震性能也有一定的影响,且存在一个最合理的承插深度;在本次模拟中,0.6 D为最合理的承插深度。     

基于改进的YOLOv3模型的焊缝缺陷检测方法研究

文章针对目前汽车生产线中焊接检测自动化程度较低、检测鲁棒性较差等问题,利用深度学习算法的特征提取能力,提出了一种基于改进的YOLOv3模型的焊缝缺陷检测方法.该方法基于连通域提取工件上的焊缝图像,并将提取到的焊缝图像输入到改进的深度学习模型中进行训练,通过融合大、中、小3个尺度的感受野,实现不同尺度焊缝缺陷的高精度识别...