【摘 要】
：
＜正＞一、问题的提出目前，社会对高质量学前教育资源的需求日益迫切，幼儿师资的培养要求随之发生显著变化，直接影响着高等院校学前教育专业人才培养的走向。2018年《教育部关于实施卓越教师培养计划2.0的意见》提出贯通职前职后，创新机制模式，深化协同育人的指导方针，要求支持建设一批省级政府统筹，高等学校与中小学（幼儿园）“协同开展培养培训、
【基金项目】
：
2022年度嘉兴学院校级专项研究课题“平湖市教师发展学校U-G-S共生模式研究”（项目编号：70122026）的阶段性成果； 2021年度浙江省教师教育创新实验区建设项目“‘新师范’背景下嘉兴区域教师教育协作共同体建设探索与实践”（项目编号：浙教办函（2021）172号）的阶段性成果； 2021年度浙江省教师教育规划课题“校地合作
论文部分内容阅读
＜正＞一、问题的提出目前，社会对高质量学前教育资源的需求日益迫切，幼儿师资的培养要求随之发生显著变化，直接影响着高等院校学前教育专业人才培养的走向。2018年《教育部关于实施卓越教师培养计划2.0的意见》提出贯通职前职后，创新机制模式，深化协同育人的指导方针，要求支持建设一批省级政府统筹，高等学校与中小学（幼儿园）“协同开展培养培训、
其他文献
随着边缘计算技术的快速发展,网络边缘接入用户和设备数量急剧上升,海量隐私和敏感数据产生在边缘设备上,边缘计算环境下频繁的数据交换过程带来了大量的数据安全传输需求。然而,资源受限的边缘设备无法满足传统加密技术的资源需求,如何在资源受限设备上保证数据传输的安全性已成为了一个难题。轻量级加密技术使用实现成本较低的密码结构以及加密算法,利用少量资源开销为资源受限设备提供安全性,其具有低存储需求、低执行时间
医学图像分割的主要任务是将图像中的目标器官组织准确提取出来,为诊断或临床治疗提供辅助参考。近年来,基于深度学习的图像分割算法因其卓越的性能,而被广泛用于医学图像分割领域。此外,得益于相关理论以及硬件的快速发展,学者们提出了基于2D-CNN、3D-CNN以及Transformer的多种分割模型,这些模型在较大的器官组织（肺部、肝脏、心脏等）分割中取得了不错的效果。然而,医学图像分割中仍存在很多难点:
属性图可以承载丰富的信息,在社交网络、推荐系统、电子商务等领域应用广泛。对于这类网络平台中产生的大量半结构化数据,使用属性图进行建模分析是最理想的方式。同时,由于网络平台上的图数据规模庞大,常使用随机游走采样对这类图数据进行统计估计。受到“均方误差可以分解成估计值的偏差与方差之和”的启发,开发了一种算法框架以减小图上随机游走采样估计的均方误差。该算法框架可以将各种随机游走采样算法作为基础,对其采样
害虫是造成农作物减产和破环园林生态的主要因素之一。准确而快速的害虫识别是害虫防控过程中的关键所在。传统害虫识别主要依赖农林业专家的经验,而这一过程效率低且成本高昂。近年来,随着深度学习技术在计算机视觉领域取得快速进展,基于卷积神经网络（Convolutional Neural Network,CNN）的害虫图像识别方法被广泛研究与应用,并取得显著成效。然而,野外环境下的害虫图像识别由于受到细粒度、
电子鼻系统模拟了生物的嗅觉系统。它通过传感器技术和人工智能技术实现了对气体的快速检测和分析。然而在实际应用中,电子鼻系统会出现传感器时间漂移和多系统板间差异问题。这些问题会导致电子鼻系统前后采集的数据分布发生变化,使得训练好的模型无法有效地对后续数据进行分析,从而限制了电子鼻的应用。近年来,基于子空间投影的漂移抑制方法发展迅速,但性能需要进一步提高。本论文的研究目的便是提出高性能的基于子空间投影的
膜进化算法（Membrane Evolutionary Algorithm,MEA）是受到生物细胞结构和行为启发而提出的一种进化算法,被广泛应用于各类NP难问题的求解上。最长圈问题（Longest Cycle Problem,LCP）是图论中经典的NP难问题之一,不仅在图论研究中有重要的意义,也和现实世界的复杂网络应用密切相关。过往的LCP研究大多通过特殊图的理论性质来寻找最长圈,难以直接运用到现
红外摄像头主要应用于低光照或夜间条件下的监控系统,是城市视频监控系统重要的组成部分,在可见光图像与红外光图像之间检索行人对于城市安防以及刑侦工作的高效开展起着重要作用。因此跨模态行人重识别的研究十分重要。跨模态行人重识别指在可见光图像与红外光图像之间检索行人。现有基于深度学习的跨模态行人重识别模型识别精度普遍较低,原因是两种图像成像方式不同,风格上存在较大差异,提取出的图像特征缺乏另一模态信息,而
作为人工智能的重要应用领域,智慧医疗具有将生理数据与医学知识联系起来的关键能力,在提高医疗服务质量的同时降低医疗成本方面显示出巨大的潜力。同时,基于机器学习模型的智慧医疗服务也能借助云计算等新兴技术,在提升数据服务质量的同时降低行业从业门槛,促进以人为中心的智能解决方案。基于数据和机器学习模型的智慧医疗系统需要采集用户的生理数据来提供高质量的数据服务。然而,医疗数据的敏感性在用户隐私方面极为关键,
随着大数据时代的到来,无论是获取数据的渠道和方式,还是数据本身的大小、类型和结构都越来越多样化,这使得数据挖掘的发展越来越具有挑战性。近年来离群检测逐渐成为数据挖掘领域中的热门研究方向,它被广泛地应用于包括社交网络、移动支付和购物系统等在内的众多领域,因为除了常规数据外,少数离群点往往也能带来有价值的信息,并且随着业务的升级,对离群检测算法能够更有效地处理各种复杂的数据的要求也越来越高。本文针对现
土地利用/覆盖变化（LUCC）的研究可以帮助人们更好地对土地资源进行合理的配置,使得社会能够可持续发展。冯·诺伊曼提出的元胞自动机能够有效模拟从大量基本单元的相互作用中涌现出的包括自组织结构在内的复杂现象,因此被广泛应用于土地利用变化的模拟。目前针对基于元胞自动机的土地演变模型的改进大都集中在前期的适应性概率的计算方式上,比如使用神经网络、逻辑回归、支持向量机等机器学习方法,而对元胞自动机模型自身