浅谈影响大学外语听力教学的因素及其提高途径

听力教学是语言教学的重要组成部分，听力水平的提高受到多种因素的影响与制约。如何利用积极有利的因素，克服消极不利的因素，采取行之有效的方法提高学生的听力水平，对整个的外语教学起着十分重要的作用。     

民航局空管局团委举办防范“错忘漏”青年职工辩论赛

8月3日,民航局空管局团委在京组织召开了空管系统青年职工学习实践科学发展观活动成果汇报会,其间围绕防范‘错忘漏”问题举办了青年职工辩论赛。民航局空管局局长苏兰根、党委副书记严庆田、工会主席苏玲,机关有关部门领导及在京直属单位青年职工代表130余人参加了活动。来自空管系统运行保障一线的8名青年职工分为正、反双方,正方从防范“错忘漏”问题主要靠增强责任心、反方从防范‘错忘漏”问题主要靠加强管理出发展开了激烈的辩论。通过辩论赛为青年职工搭建一个展现学习持续安全理念和三横三纵体系建设纲要成果的舞台,     

斯维特兰娜·萨维茨卡娅

早期经历：萨维茨卡娅的家庭教育良好,在父母的主张下,她除了学习学校的功课之外还学习音乐、英语和游泳。她深受父亲的影响,16岁那年她决定去当飞行员,她瞒着父母报名在一所业余航校训练。因她年龄小不适于参加飞行训练被拒于门外,她转而开始跳伞训练,直到父亲在她的书包里发现一把伞刀才知道实情。     

大学生研究性学习实施策略

研究性学习改变了传统的教学模式,教师由知识传授者转变为研究性学习中的组织者、指导者、促进者和参与者.课堂教学已不再是灌输给学习者多少知识,而是强调学习的过程.以培养学生其自主学习的能力为目标.因此,实施何种策略激发学生的兴趣,改变学生先前被动的学习方式是非常重要的.针对这些问题,论文提出四个研究性学习实施策略:(1)强调了利用网络进行研究性学习的优势;(2)阐述了图书馆信息资源的作用;(3)提出了研究性学习中新型的师生关系的确立;(4)指出了研究性学习中学习方式的改变.     

全面构建航天科技工业新体系努力建设国际一流大型航天企业集团——马兴瑞总经理在科学发展观学习实践活动专题会上的报告（摘要）

4月3日,中国航天科技集团公司深入学习实践科学发展观活动领导小组组长、党组书记、总经理马兴瑞在学习实践活动专题会上,以国际化的视野和战略性的思维作了题为《全面构建航天科技工业新体系 努力建设国际一流大型、航天企业集团》的学习报告,阐释了集团公司对标国际一流、构建新体系、实现科学发展的思路。现将报告摘要刊出,供大家学习。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

基于QAR数据的民机高高原进近着陆风险评估方法

民机高高原进近着陆是高原飞行高风险阶段。为有效实施高高原进近着陆风险识别和等级判据,提出基于熵权可变模糊识别的长短时记忆网络与深度神经网络(LSTM-DNN)相融合的深度学习风险评估方法。基于快速存取记录器(QAR)记录的高高原飞行数据,借鉴民机飞行品质监控（FOQA）咨询通告和行业QAR监控标准,结合指标重要度分析与Delphi专家调查,提取着陆时航向变化大、航迹低、610～305 m进近时下降率大、接地时垂直加速度及153～15 m进近时下降率大5个关键监控项目作为民机高高原进近着陆风险评估指标。为克服评估指标权重主观性偏差,应用熵权法确定评估指标权重,基于可变模糊识别方法构建风险等级隶属函数,建立基于LSTM-DNN的民机高高原进近着陆风险评估模型。以成都—拉萨进近着陆航段为例,提取QAR数据,对该风险评估模型进行训练与测试,并与Logistic多元回归、支持向量机(SVM)等评估方法进行比较,结果表明：所提方法平均准确率达到94.18%,最高可达94.79%,验证了方法的客观有效性。     

基于顶点与主体区域同步检测的精准车牌定位

为应对非约束环境下的车牌精定位问题,提出一种基于顶点局部区域与主体区域同步检测策略的非约束性车牌定位算法。通过删减YOLOv5网络的输出结构,训练得到可同步检测车牌及顶点区域的车牌检测网络,在兼顾精度与计算速度的前提下,实现车牌顶点和主体区域的同步定位。针对一幅图中存在多个车牌区域及顶点区域存在少量漏检和误检的情况,分别设计了车牌顶点归类和单一缺失顶点预测后处理算法,借助顶点间的空间位置关系进行漏检目标预测和误检目标排查,有效改善了因场景复杂导致的个别顶点目标检测效果差的问题。所提算法在中国城市停车场数据集(CCPD)上的测试结果显示,平均精准率达99.25%,平均召回率达98.70%。所提算法不仅能够准确预测出车牌的4个顶点坐标,而且在中端GPU硬件平台上处理速度可达121帧/s,具有较好的应用价值。     

基于多模态掩码Transformer网络的社会事件分类

多模态社会事件分类的关键是充分且准确地利用图像和文字2种模态的特征。然而,现有的大多数方法存在以下局限性：简单地将事件的图像特征和文本特征连接起来,不同模态之间存在不相关的上下文信息导致相互干扰。因此,仅仅考虑多模态数据模态间的关系是不够的,还要考虑模态之间不相关的上下文信息（即区域或单词）。为克服这些局限性,提出一种新颖的基于多模态掩码Transformer网络（MMTN）模型的社会事件分类方法。通过图-文编码网络来学习文本和图像的更好的表示。将获得的图像和文本表示输入多模态掩码Transformer网络来融合多模态信息,并通过计算多模态信息之间的相似性,对多模态信息的模态间的关系进行建模,掩盖模态之间的不相关上下文。在2个基准数据集上的大量实验表明：所提模型达到了最先进的性能。     

自注意力相似度迁移跨模态哈希网络

为进一步提升跨模态检索性能,提出自注意力相似度迁移跨模态哈希网络模型。设计了一种通道空间混合自注意力机制强化关注图像的关键信息,并使用共同注意力方法加强模态信息交互,提高特征学习质量;为在哈希空间重构相似关系,采用迁移学习的方法利用实值空间相似度引导哈希码的生成。在3个常用的数据集MIRFLICKR-25K、IAPR TC-12和MSCOCO上与深度跨模态哈希（DCMH）、成对关系引导的深度哈希（PRDH）、跨模态汉明哈希（CMHH）等优秀方法进行对比实验,结果显示哈希码长度为64 bit的条件下,所提模型在3个数据集图像检索文本任务的平均精确度均值（MAP）达到72.3%,文本检索图像任务的MAP达到70%,高于对比方法。