摘要："反思型课堂教学模式"包括三个阶段:课前反思——反思基础上的课堂教学设计;课中反思——课堂教学智慧生成与机智创新;课后反思——回顾研究与反馈评价。但此教学模式中的反思并不局限于某一阶段,而要促使教师在"行动——反思——再行动——再反思"的循环过程中不断得到发展。实施反思型课堂教学模式的成效是显著的:落实了新课程标准理念,促进新课程改革的实施;真正确立了学生的主体地位,学生素质得以提高;优化了课堂教学结构,实现了有效教学;提高了教师的教学反思能力,促进了教师的专业成长。

摘要：关系抽取是一项基础且重要的任务,旨在从非结构化文本中提取出实体之间的关系。最近研究证明,大型语言模型(LLM)和基础模型相结合可以改进许多自然语言处理(NLP)任务的性能。这些模型利用深度学习和预训练模型的语言表示能力,能够自动学习关系的语义特征。有效利用大模型来解决实体重叠和信息交互差等问题仍是一个挑战。针对以上问题,提出基于大语言模型的关系抽取算法。对大型语言模型Meta AI(LLa MA)进行微调训练,使其更加适应关系抽取的任务,在提取关系的基础上,使用自注意力机制增强实体对之间关联程度,增强关系和实体之间的信息共享,接着使用平均池化泛化到整个句子中。针对实体对设计一个过滤矩阵,并引入词性信息进行语义增强,根据过滤矩阵中实体对的相关性过滤掉无效的三元组。实验结果表明,该算法在纽约时报(NYT)和Web NLG公开数据集上的F1值结果分别为93.1%、90.4%。在微调之后的LLa MA模型作为编码器的情况下,所提算法在准确率和F1值指标上均优于基线模型,验证了算法的有效性。

摘要：针对高压电缆故障复杂程度高,实时监测成本过高的问题,提出一种基于集合经验模态分解(EEMD)和天牛须搜索算法优化卷积神经网络(CNN)的组合诊断方法。将电缆护层电流数据经EEMD分解为若干个本征模态分量(IMF),结合相关系数选取与原信号相关度最大的分量,作为CNN网络的输入。为了提高网络模型的分类精度,使用天牛须算法(BAS)优化CNN诊断模型的超参数。以淮南某煤矿高压电缆电流数据为例,实验结果表明,EEMD有效的将电流信号进行分解,所设计的BAS-CNN网络与2组人为确定CNN超参数的网络对比,BAS-CNN具有最高的分类精度,监测准确率达到96.95%。

摘要：通过分析找出了负压轴封漏汽漏气的原因，通过对枝状管系沿程阻力的计算，找到了解决问题的着眼点。这些工作对轴封及其系统的设计、安装和改进都有指导作用。

摘要：本文设计和改良了一种化学酶法合成盐酸甲氧那明的新工艺,以氧化还原酶作为催化剂,将2-甲氧基苯丙酮还原为2-甲氧基苯基异丙醇,利用对甲苯磺酰氯、三乙胺和甲胺通过羟氨基化制备甲氧那明。考察了酶催化工艺中最佳辅酶用量、底物浓度、投酶(菌体)量、反应温度和反应pH。考察了化学合成中原料摩尔投料比对反应收率、产物纯度的影响。结果表明,在2-甲氧基苯基异丙醇的酶催化制备中辅酶NAD的最佳投加量为0.2g/L,菌泥的最优添加量为30g/L,2-甲氧基苯丙酮的最佳浓度为80g/L,反应最适宜温度为37.0℃,反应最适宜pH为7.0左右。在1-(2-甲氧基苯基)-2-(4-甲基苯磺酸酯)-丙基的制备中,2-甲氧基苯基异丙醇、三乙胺、对甲苯磺酰氯的最佳摩尔投料比为1.0∶1.2∶1.2。在制备2-甲氧基苯丙甲胺的反应中,1-(2-甲氧基苯基)-2-(4-甲基苯磺酸酯)-丙基、对甲苯磺酸、甲胺乙醇溶液(质量分数33%)的最佳摩尔投料比为1.0∶1.2∶1.5。该工艺采用化学法与酶法相结合,减少有机化学试剂的使用及污水排放,具有良好的工业化前景。