高校教学督导制度建设与导师制教学督导模式的构建

论文指出,当前高校教学督导制度建设主要存在结构不合理、人员不足、管理制度不够完善、教学督导方式有待改进四个方面的问题.针对这些问题提出通过优化教学督导队伍的结构、更新教学督导观念、提高教学督导队伍的综合素质、确保教学督导的公正性和权威性来加强高校教学督导制度建设;同时,针对“听课→评价→反馈”教学督导方式存在重“督”轻“导”的不足,提出了“以导促督,导督相长;以导带新,教为目标”的导师制教学督导模式     

俄罗斯1994～2013年“核导弹系统”的预算开支

俄罗斯联邦的预算是以联邦法律的形式公布。每年年底前,俄联邦预算法都要经过俄联邦会议(上院)和俄联邦杜马(下院)审议几遍(每次通过的版本称作"第几读"),最终提交给俄总统批准并颁布。     

创久科技与中国航天强强联手进军SSD领域

<正>深圳创久科技有限公司成立于2007年,多年来在FLASH存储市场上沉淀了良好的产业链资源与庞大的营销服务体系。创久科技一直秉承"创鼎革新,久炼成钢,诚信为本,客户至上"的经营理念,致力于存储解决方案的研发和应用,注重于品质管理和监控,专注于产业链资源的整合及全球营销服务体系的建构。公司建设出从产品研发设计-原材料采购-生产加工-自主渠道销售为一体的一条龙营销模式,为客户提供广泛的存储软     

高分三号卫星SAR工作模式与载荷设计

高分三号(GF-3)卫星为满足多样化的用户需求,其合成孔径雷达(SAR)载荷具有高分辨率、宽覆盖、多极化、多工作模式、高图像质量等特点,设计难度大。文章进行了任务需求分析,确定了SAR载荷总体实现方案,给出了SAR各工作模式的设计。在此基础上,进一步给出了SAR载荷的设计,即采用大规模有源相控阵天线技术,并结合灵活的中央电子设备,使其能够实现复杂工作模式下的高质量成像,满足任务需求。     

“北斗”卫星导航系统正在造福人类——第四届中国卫星导航学术年会

2013年5月15-17日,第四届中国卫星导航学术年会在武汉国际会展中心召开。本届年会的主题是"北斗应用—机遇与挑战",国家有关部门、地方政府领导,国内外卫星导航系统主管部门和卫星导航领域知名专家学者以及企业家共2000余人参加了本届年会,通过学术交流、高端论坛、展览展示和科学普及等一系列活动,分享学术研究的最新收获,展示卫星导航应用最新成果,探讨卫星导航应用服务模式,谋划卫星导航产业     

利用掩星温度数据推算大气月平均纬向风场

为了弥补中高层大气风场探测数据的不足,对2007年COSMIC全球掩星在20～60km高度内的温度数据进行网格化插值,利用梯度风计算方法,计算得到20～60km高度内的月平均纬向风场,分别与ECMWF再分析数据和HWM07模式进行对比分析.结果表明,利用COSMIC温度数据计算得出的纬向风与ECMWF的纬向风十分接近,而与HWM07结果有一定差异,但总体变化趋势一致.与ECMWF再分析数据相比,利用COSMIC温度数据计算的月平均纬向风场平均偏差为-1.50～-0.08m·-1,标准差为1.50～11.95m·-1.与HWM07模式风场相比,利用COSMIC温度计算的月平均纬向风场平均偏差为-0.83～1.21m·-1,标准差为3.69～11.14m·-1.      

浅谈故障模式影响分析在维修工程分析技术体系中的应用

阐述了故障模式影响分析的简要内容,介绍了基于S3000L的维修工程分析技术体系及FMEA在S3000L中的应用,为民用飞机维修工程分析技术体系提供技术支持。     

印度陆军加快采购防空系统

鉴于印度陆军总参谋长对陆军武器装备库存的缺陷和不足表示担忧,印度陆军防空委员会加快了采购新型高射炮的步伐,这些高射炮主要用于对付敌方飞机和导弹等目标。     

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小,并且容易受到干扰,如果不能有效地提取出稳定的虹膜特征进行模式匹配,将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法,在虹膜注册端通过构建强特征分类器获得增强型特征模板,在虹膜识别端通过多样本特征映射融合提取稳定的特征样本,并根据风险预测自适应地确定分类阈值,然后进行特征匹配与虹膜分类,从而有效提高虹膜识别的准确性和鲁棒性。     

基于变分推理的网络舆情传播模式分类

随着网络社交媒体的快速发展,对舆情信息的传播模式进行分析成为研究热点。针对网络舆情传播模式分类任务中,小样本数据多路径生成分类正确率低的问题,提出了舆情传播领域知识图谱结构定义,建立了基于微博数据的舆情传播知识图谱与舆情传播分析任务数据集,使用GraphDIVA模型进行舆情传播模式分类,并在自建数据集中进行了舆情传播模式分类25样本测试实验。结果表明:模型在经过20轮训练后,分类正确率从76%提升到89.4%,说明GraphDIVA模型在减少训练次数、提升分类正确率方面具有更优的效果。