摘要：在线教学颠覆了以往传统的教学模式,其在内容选择、教学设计、直播时长等方面都不能完全照搬传统课堂授课模式。无论是教师还是学生,一定要认识二者的区别,重新对教学内容进行调整设计。1课程设计基于线上课的特点和学生需求,按照课前、课中、课后三个部分对课程重新进行设计。

摘要：2020新年伊始,一场突如其来的疫情打乱了人们的生活节奏,全国人民都紧急动员起来,每个人都在参与这场没有硝烟的战斗。疫情就是命令,岗位就是“战位”,我作为一名思政课教师,要积极响应教育部党组疫情防控“停课不停教、停课不停学”要求,立足本岗,上好每一堂网络思政直播课,不忘初心,践行使命。本学期我的自由选修课幸福哲学导论有幸成为了我校首批直播课之一。时间紧、任务重、压力大,但这既是挑战也是机遇,促使我在短时间内迅速成长起来!目前,直播课已经完成三次,期间我遇到了各种各样完全未曾预料的情况,在这里跟大家分享一下,希望能帮大家排排雷吧!

摘要：作者多年来从事高校网站建设及网络多媒体教室管理工作,接触了大量网络多媒体教室应用与管理问题,在本科生、研究生和国际合作教学方式上,结合具体案例深入分析了作为辅助教学手段的网络多媒体教室的系统功能、系统架构设计、系统配置等。

摘要：针对复杂结构高速转轴运行状态难以准确实时监测与识别的问题,提出了一种基于转子系统数据驱动的复合神经网络转轴工况识别方法。首先,提出了一种基于长短期记忆网络(Long short-term memory,LSTM)和卷积神经网络(Convolutional neural networks,CNN)的复合神经网络模型(LSTM-CNN)。然后,建立双盘转子动力学仿真模型,并利用Newmark-β法对转子系统进行数值求解,获得转子系统关键固定节点动力学响应特征;同时基于有限元仿真获得关键旋转节点的动力学响应特征,并将两类数据分别导入LSTM-CNN模型中进行工况识别,并对其准确率和效率进行比较分析。最后,设计搭建高速转子实验平台,获取转子端和固定端数据分别对模型进行训练与验证,比较不同模型对高速转轴运行状态的识别能力。仿真数据与实验验证分析结果均表明基于转子端数据驱动的LSTM-CNN模型识别比传统的基于固定端数据驱动的识别方法具有更优的识别精度和效率。