【摘 要】
：
无机化学实验作为无机化学的重要组成部分，是化学工程与工艺、制药工程、材料科学与工程、生命科学与工程、药学等专业的学科基础课之一，也是后续课程有机化学实验、分析化学实验课及专业实验课的基础。本文基于教学现状分析和超星学习通平台进行的线上线下混合式教学模式，对无机化学实验课的教学设计与实施和教学考核进行了改革探索，能够为培养优秀的工科生的实验实践能力奠定扎实的基础。
【基金项目】
：
北方民族大学教育教学改革研究一般项目（JG202001）； 宁夏回族自治区研究生教育教学改革研究与实践重点项目（YJG202101）；
论文部分内容阅读
无机化学实验作为无机化学的重要组成部分，是化学工程与工艺、制药工程、材料科学与工程、生命科学与工程、药学等专业的学科基础课之一，也是后续课程有机化学实验、分析化学实验课及专业实验课的基础。本文基于教学现状分析和超星学习通平台进行的线上线下混合式教学模式，对无机化学实验课的教学设计与实施和教学考核进行了改革探索，能够为培养优秀的工科生的实验实践能力奠定扎实的基础。
其他文献
[目的]探讨在鼻综合整形术中自体肋软骨颗粒鼻翼基底填充术对低鼻伴鼻翼基底凹陷患者的治疗效果,分析并评价该治疗方式的有效性及安全性。[方法]本研究对中国医学科学院整形外科医院鼻整形与鼻再造中心于2017年6月至2021年6月诊断为“低鼻伴鼻翼基底凹陷”的病例进行回顾性研究,根据术前沟通后患者自主意愿是否接受鼻翼基底填充术进行分组,分为对照组（仅接受自体肋软骨隆鼻术）及观察组（联合自体肋软骨颗粒鼻翼基
东巴画源自于我国西南地区古代纳西族东巴教的祭祀活动,它既见证了东巴教的历史,也记录着纳西族与其他各民族融合的历史,是研究东巴文化的基础,但是东巴画因绘制技艺、绘画材质、数字化等多种原因,出现了噪声、杂乱纹理、颜色不均匀等问题。图像去噪技术是基于原始图像中存在的噪声,对原始图像进行估计,恢复图像原有的色彩、结构和纹理。因为东巴画颜色种类丰富,不同粗细的线条纵横交错,现有图像去噪算法直接在东巴画上进行
内部控制贯穿在企业经营管理的各个环节中，是促使企业实现稳健经营、防范经营风险的必要条件。文章首先探索当前企业在内部控制中存在的问题，其次，研究了企业内部控制管理存在问题的成因，再次，分析了完善企业内部控制管理的建议与对策。
近年来,深度学习先进技术层出不穷促进着语音合成技术快速发展,机器发出的声音越来越接近真人的声音。然而,相比于汉语、英语等通用语言,印尼语语音合成技术还不够成熟,使用更有效的技术不断提高合成印尼语语音的质量仍是本领域的研究热点。本文围绕开发端到端印尼语语音合成系统,进行了如下研究:首先,本文设计并实现端到端印尼语基线语音合成系统,完成印尼语语料校对处理工作,满足端到端系统的输入要求。同时对端到端语音
目的：探究芒果苷对小鼠成肌细胞（C2C12）葡萄糖的吸收影响及其在SD大鼠体内的药代动力学特征。方法：C2C12分化成成熟的肌管后分为正常细胞（normal C2C12 cells,Nor-C2C12）和胰岛素抵抗细胞（insulin resistance C2C12 cells,IR-C2C12）（棕榈酸造模），不同浓度芒果苷干预后分别观察各组细胞葡萄糖吸收情况。6只SD大鼠灌胃20 mg/kg
国内外航天实践表明,航天器在轨故障不可避免,且其呈现“想到的故障不发生、发生的故障想不到”、更加复杂多变于设计阶段预想的特点。异常检测正是确保卫星等航天器在轨安全可靠运行的关键技术。本文立足于航天器遥测数据关联特提取、关联关系分析及异常检测三个角度,创新性提出针对参数关联特征的定量定性分析方法,并构建相应异常检测模型,算法实例证明其用于卫星实测数据具有良好效果。（1）遥测数据特征提取方面,本文提出
植物油在运输、储藏和食用过程中,随着时间的延长,油脂色泽发生显著加深,这一现象为油脂回色。原料品质、加工工艺和储藏条件等多种因素影响油脂回色,随着对回色的深入研究,已经证实油脂氧化是油脂回色的诱因,油脂中γ-生育酚的氧化衍生物是引起油脂回色的内源物质。因此,通过减缓油脂氧化以控制油脂回色,其中添加抗氧化剂是减缓油脂氧化便捷、高效的方法。本课题通过对商品化抗氧化剂筛选,发现特丁基对苯二酚（TBHQ）
＜正＞随着社会的不断发展，人口老龄化已经成为不可忽视的社会问题，年龄增长引起老年人机体各感觉功能的退化，听觉功能退化亦为普遍现象。在全球范围内，听力损失（中度以上）的患病率随着年龄的增长呈指数增长，从60岁人群的15.4%上升到90岁以上人群的58.2%[1]。这种随年龄增长而出现的听觉功能退行性变称为老年性聋，表现为60岁以上出现双耳渐进性以高频听力下降为主的感音神经性聋，常伴有耳鸣及言语识别率
现代神经网络可能会对来自训练分布之外的输入产生高置信度的预测结果，对机器学习模型构成潜在威胁。检测异常分布的输入是在现实世界中安全部署模型的核心问题。基于能量模型的检测方法，直接利用模型提取的特征向量计算样本的能量分数，而依赖并不重要的特征可能会影响检测的性能。为了解决该问题，提出了一种基于稀疏优化的损失函数。对已经预训练完成的分类模型进行微调，在学习过程中保持模型分类能力的同时，增加正常样本特征