认知冲突下一轮复习的深度学习与知识建构 ——以"三角洲堆积地貌"为例

认知冲突是认知发展过程中,学习者原有认知结构与现实情境之间的冲突或矛盾,是已有的知识经验与新知识不一致而暂时心理失衡的一种认知状态。在一轮复习中,很多学生囿于经验的认知,常会在试题或者情境中产生认知冲突,陷入迷茫和混乱的状态。究其原因,大多是真实情境中的认知冲突没有得到有效的解决。因此,本文以“三角洲堆积地貌”为例,通过深入和切换课堂情境,诱发一系列认知冲突,让学生在“经验—个体—集体”的认知冲突过程中,实现一轮复习的深度学习与知识建构,以期在一轮备考中发挥作用。     

深度学习视角下的高中地理课堂活动实践探究 ——以"热力环流"为例

课堂活动是培育学生核心素养的重要载体,而课堂活动中的深度学习是地理学科核心素养培育的有效途径。本文以“热力环流”一课的课堂活动为例,分析深度学习视角下高中地理课堂活动的有效实践。     

基于深度和广度优先算法相结合的闭合环自动搜索方法研究

搜索闭合环、附合路线是测量控制网验前精度评定和粗差探测的重要内容。文中结合数据结构相关知识,在已有的基于深度优先算法搜索闭合环的基础上,提出一种利用深度优先和广度优先算法相结合的自动搜索控制网闭合路线、附合路线的搜索方法,与传统搜索方法相比,搜索速度有很大提高。     

浅析巴里坤台记录的兴都库什地震震相特征及sP震相与震源深度的关系

以巴里坤台记录的兴都库什地区2004～2019年发生的138次MW≥5.0地震为研究对象,通过分析其震相特征及sP-P到时差与震源深度的关系,为该地区地震的震相分析和震源深度计算提供参考.结果表明:① 兴都库什地区地震震相以P、sP、S为主,少数震例可记录到pP、sS或ScS震相.② 兴都库什地区地震以中深源地震为主,...     

Empirical formula for wave length of ocean wave in finite depth water

In this paper, function characteristics of dispersion of ocean wave in finite depth water were analyzed systematically. The functional form of the fitting function is reasonably proposed, in which the parameters are optimally determined by the least square method （LSM）. For infinitely deep and extremely shallow water,the fitting function fits strictly the dispersion to be fitted. A new technique is presented in application of LSM.An empirical formula with maximum error of less than 0.5% for computing wavelength in finite depth water is presented for practical applications.     

融合图自编码器与GRU的城市盗窃犯罪时空分布预测模型

犯罪预测是进行犯罪预防的前提，高效准确的犯罪预测对于提高城市管理效率、保障公共安全都具有重要的意义。当前，关于犯罪预测的已有研究大多采用单一的机器学习方法或深度学习模型，忽略了犯罪的时空依赖关系，往往难以获得准确的预测结果。本文提出一个基于深度学习技术的犯罪时空预测模型—GAERNN：(1)利用GAE模型捕获犯罪案件的空间分布特征；(2)将带有空间依赖关系的特征经序列化处理后作为GRU模型的输入，进一步提取犯罪序列的时间特征；(3)经全连接层处理获得犯罪时空预测结果，并选取MLP、GCN等基准模型进行对比实验，结合RMSE、MSE等多个指标对模型预测结果进行评估。实验结果表明：对于各模型预测结果可视化分析，GAERNN模型预测的可视化结果与实际数据分布最相符合；在各模型误差分析方面，相比预测性能较差的MLP,GAERNN模型各月份的RMSE分别降低了1.02、3.58、1.29以及0.45；在子模块有效性评估方面，相比其变体模型GAE-LSTM,GAERNN模型在各月份的MAPE分别降低了2.15%、10.07%、1.92%以及2.54%，说明GAERNN模型能显著提高盗窃犯罪时空预测...     

主编手记

深海的吸引力是无穷无尽的,因此人们从未停止过探索深海的步伐。在人类不断向着深海挺进的过程中,中国人的身影越来越挺拔起来。7000米的深度,原本是不可想象的,而它现在对于中国的海洋科技工作者来说,已经是一座被逾越的高峰。到目前为止,已经探明的地球海洋最深处在马里亚纳海沟,那里过万米的深处也已经留下了人类     

一种深度图像拟合圆柱的优化方法

圆柱状构件广泛存在于古建筑仿真中,为了提高古建筑深度图像圆柱拟合的精度,针对古建筑仿真3维建模的特点,提出基于高斯图获取圆柱拟合参数初始值,然后利用圆柱距离函数参数化法进行非线性最小二乘拟合的圆柱拟合方法.实验证明,该方法不仅具有较高的精度,而且拟合结果稳定可靠.     

卫星影像匹配的深度卷积神经网络方法

本文侧重于智能化摄影测量深度学习的第一个方面：深度卷积方法。传统的影像同名点对提取算法通常利用人工设计的特征描述符及其最短距离作为匹配准则进行匹配,其匹配结果易陷入局部极值,造成部分正确匹配点对的遗漏。针对这一问题,本文引入深度学习方法,设计了一种基于空间尺度卷积层的两通道深度卷积神经网络,采用其进行影像间的匹配模式学习,实现了基于深度卷积神经网络的卫星影像匹配。试验表明,在处理异源、多时相、多分辨率的卫星影像情况下,本文方法比传统匹配方法能提取到更为丰富的影像同名点对,且最终匹配提纯结果正确率优于90%。     

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。