期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
现代思想政治教育大数据研究范式变革的逻辑理路与实践路径 被引量:27
1
作者 李怀杰 《学校党建与思想教育》 CSSCI 北大核心 2017年第1期67-70,共4页
大数据时代是将数据视为核心要素的时代,人类的思想行为在其中是高度数据化的。大数据技术引发了思想政治教育学科的深刻变革,为思想政治教育理论研究和实践创新提供了全新契机和发展机遇。基于大数据的思想政治教育研究范式开启了以量... 大数据时代是将数据视为核心要素的时代,人类的思想行为在其中是高度数据化的。大数据技术引发了思想政治教育学科的深刻变革,为思想政治教育理论研究和实践创新提供了全新契机和发展机遇。基于大数据的思想政治教育研究范式开启了以量化和实证性为主要特征的研究新领域,使其在世界观、认识论和实践论层面上都展现出新的突破,为其在理论研究和实践探索两个维度上的创新提供了机遇。在实践范式上着重从数据平台建设、精准化教育和个性化教育策略等层面提出网络育人新路径。 展开更多
关键词 大数据 思想政治教育新范式 学生画像 个性化教育
在线阅读 下载PDF
装备-标准知识图谱的过程建模研究 被引量:11
2
作者 尹亮 何明利 +1 位作者 谢文波 陈端兵 《计算机科学》 CSCD 北大核心 2018年第B06期502-505,共4页
为了清晰地描述装备、标准以及标准化要素之间的复杂联系,构建装备-标准知识图谱是一种重要的分析手段。利用装备-标准知识图谱,可实现标准化研究从型号跟随到体系引领、从定性分析到定量分析、从单项评审到系统验证的转变,而过程建模... 为了清晰地描述装备、标准以及标准化要素之间的复杂联系,构建装备-标准知识图谱是一种重要的分析手段。利用装备-标准知识图谱,可实现标准化研究从型号跟随到体系引领、从定性分析到定量分析、从单项评审到系统验证的转变,而过程建模是构建装备-标准知识图谱的核心环节之一。文中采用IDEF3建模方法,对装备-标准知识图谱的整体架构以及图谱中涉及到的各个子过程进行了建模分析。通过过程建模,得到了装备-标准知识图谱的异质网络模型。 展开更多
关键词 知识图谱 过程建模 异质网络模型
在线阅读 下载PDF
我国藏学汉文文献整理与研究历史概述
3
作者 焦虎三 《西藏研究》 CSSCI 北大核心 2021年第5期96-105,共10页
历史悠久、典籍浩瀚的藏学汉文文献,不仅是西藏地方政府归属中央政府、西藏是中国领土神圣不可分割一部分的历史铁证,也是客观记录汉藏民族团结交融、文化交流融合的真实史料。站在中国特色社会主义新阶段的历史方位,对藏学汉文文献整... 历史悠久、典籍浩瀚的藏学汉文文献,不仅是西藏地方政府归属中央政府、西藏是中国领土神圣不可分割一部分的历史铁证,也是客观记录汉藏民族团结交融、文化交流融合的真实史料。站在中国特色社会主义新阶段的历史方位,对藏学汉文文献整理与研究工作进行宏观审视,总结其整理发展概况,系统梳理挖掘整理工作已有的成就,总结研究工作的特点,对于我们促进新时期藏学汉文文献整理与研究工作健康而有序的发展,具有重大的参考价值。 展开更多
关键词 藏学文献 汉文 综述
在线阅读 下载PDF
康藏公路修筑时期的《战利》报研究
4
作者 焦虎三 《西藏研究》 北大核心 2019年第6期40-49,共10页
西藏军区修路指挥部政治处出版的《战利》报,是在党的领导下,以服务康藏公路西线筑路工作为中心任务的一份机关报纸。从1954年4月1日至1954年11月16日共出版39期,报纸全面参与并见证了康藏公路修筑时期西线工作的历史进程。该报现存世极... 西藏军区修路指挥部政治处出版的《战利》报,是在党的领导下,以服务康藏公路西线筑路工作为中心任务的一份机关报纸。从1954年4月1日至1954年11月16日共出版39期,报纸全面参与并见证了康藏公路修筑时期西线工作的历史进程。该报现存世极少,诸多史实也鲜为人世,通过梳理"康藏公路西线修路指挥部"沿革,分析这一时期《战利》的出版情况,研究其性质与特色,总结其历史价值和意义,对于填补西藏地方新闻出版史以及康藏公路修筑史的空白,深入践行与弘扬"两路精神",都具有较为重要的参考价值。 展开更多
关键词 西藏 川藏公路 十八军 《战利》报
在线阅读 下载PDF
基于小样本学习的SAR图像识别 被引量:16
5
作者 汪航 陈晓 +1 位作者 田晟兆 陈端兵 《计算机科学》 CSCD 北大核心 2020年第5期124-128,共5页
深度学习已成为图像识别领域的一个研究热点。与传统图像识别方法不同,深度学习从大量数据中自动学习特征,并且具有强大的自学习能力和高效的特征表达能力。但在小样本条件下,传统的深度学习方法如卷积神经网络难以学习到有效的特征,造... 深度学习已成为图像识别领域的一个研究热点。与传统图像识别方法不同,深度学习从大量数据中自动学习特征,并且具有强大的自学习能力和高效的特征表达能力。但在小样本条件下,传统的深度学习方法如卷积神经网络难以学习到有效的特征,造成图像识别的准确率较低。因此,提出一种新的小样本条件下的图像识别算法用于解决SAR图像的分类识别。该算法以卷积神经网络为基础,结合自编码器,形成深度卷积自编码网络结构。首先对图像进行预处理,使用2D Gabor滤波增强图像,在此基础上对模型进行训练,最后构建图像分类模型。该算法设计的网络结构能自动学习并提取小样本图像中的有效特征,进而提高识别准确率。在MSTAR数据集的10类目标分类中,选择训练集数据中10%的样本作为新的训练数据,其余数据为验证数据,并且,测试数据在卷积神经网络中的识别准确率为76.38%,而在提出的卷积自编码结构中的识别准确率达到了88.09%。实验结果表明,提出的算法在小样本图像识别中比卷积神经网络模型更加有效。 展开更多
关键词 小样本学习 深度学习 卷积神经网络 自编码器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部