摘要：阅读文本是影响英语阅读材料难度的重要因素,有效地评估英文文本难度可以为不同阅读能力的学习者提供相匹配的阅读材料,帮助教师科学选择合适的教学资源,为考试命题者提供科学指导。基于神经动力学方法(NDA)的收敛差分神经网络(CDNN),将文本数据进行特征选择、加权和样本归一化预处理,用于训练不同映射函数的网络,再将网络的输出通过投票规则进行增强泛化,从而实现了一种结合投票收敛差分神经网络(Voting-CDNN,V-CDNN)的英文文本阅读难度分类方法,提高了计算效率和分类预测准确率。实验结果表明,V-CDNN的分类准确率最高值和平均值分别达到98.81%和95.45%,其在计算时间、平均精度和最高精度等方面进一步证实了V-CDNN是一个高性能的分类器。

摘要：针对“计算机组成原理”课程教学改革的问题,按照“以教师为主导、学生为主体”的教学理念,以线上网络教学资源为基础,线下传统课堂面授为补充,依据课前—课中—课后三阶段的学习框架完成理论教学,再通过“实验+实训”双结合的方式进行实践指导,最后按照考核评定标准对学生学习情况进行考核,设计出“计算机组成原理”课程的混合式教学模式开展的教学内容,目的在于充分发挥“网络教学+课堂面授”混合式教学的优势,以提高“计算机组成原理”课程教学质量和效率,推动“计算机组成原理”课程教学的改进与创新。