检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

语文单元教学中的互补性原则

学语文 2010年第6期 23-24页

作者：蒋建华安徽省涡阳县第四中学

近年来,单元教学理论探究和教学实践在建立单元教学整体观方面取得较大突破，不但关注单元内部的整体性，而且从整个语文学科范畴宏观、系统地进行观照，赋予单元教学更强的体系性。互补性原则则是这一体系的一个重要组成部分。

关键词：语文单元教学互补性原则教学实践教学理论学科范畴整体观体系

学科交叉赋能人才培养的整体性思维及其实施策略

在线全文

学校读者我要写书评

暂无评论

中国大学教学 2024年第7期 4-10+58页

作者：张政华中生浙江大学管理学院浙江大学管理学院服务科学运营管理学系

在科技革命与我国经济转型的大背景下，推行学科交叉融合是解决国家战略需求、推进科技创新和产业升级的必然选择。研究总结了目前我国推进学科交叉的探索实践与初步成效，并在此基础上分析了学科交叉工作面临的挑战和相关问题；同时，... 详细信息

在科技革命与我国经济转型的大背景下，推行学科交叉融合是解决国家战略需求、推进科技创新和产业升级的必然选择。研究总结了目前我国推进学科交叉的探索实践与初步成效，并在此基础上分析了学科交叉工作面临的挑战和相关问题；同时，提出了解决这些挑战和问题的整体性思维和三方面对策原则：系统性原则、互补性原则和问题导向原则以及相关的实施策略。

关键词：学科交叉人才培养整体性思维系统性原则互补性原则问题导向原则

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于一致互补性的多视角最小二乘支持向量机

系统工程理论与实践 2022年第9期42卷 2461-2471页

作者：唐静静李佳辉田英杰西南财经大学工商管理学院成都611130 西南财经大学大数据研究院成都611130 中国科学院虚拟经济与数据科学研究中心北京100190 中国科学院大学经济与管理学院北京100190

多视角学习(multi-view learning)是指利用事物的多视角数据,对其内在模式进行识别和学习.然而,大部分多视角学习模型存在两个弊端:1)仅适用于两视角学习场景,对于视角个数超过两个的情形便无法直接进行处理;2)要么遵循一致性原则,要么... 详细信息

多视角学习(multi-view learning)是指利用事物的多视角数据,对其内在模式进行识别和学习.然而,大部分多视角学习模型存在两个弊端:1)仅适用于两视角学习场景,对于视角个数超过两个的情形便无法直接进行处理;2)要么遵循一致性原则,要么遵循互补性原则,同时遵循两个原则的研究工作比较少.为解决以上两个弊端,本文通过使用最小二乘损失函数和权重分配策略,构建了基于一致性和互补性原则的多视角最小二乘支持向量机(multi-view least square support vector machine with the consensus and the complementarity principles,MVLSSVM-2C),并设计了相应的交替优化算法对模型进行求解.进一步地,本文利用Rademacher复杂度理论对MVLSSVM-2C的泛化能力进行分析.最后,在大量的多视角数据集上验证了MVLSSVM-2C模型的合理有效性.

关键词：多视角学习最小二乘支持向量机一致性原则互补性原则

在线全文

学校读者我要写书评

暂无评论

知识沿时间和空间的互补性以及相关的经济学

经济研究 1997年第6期32卷 70-77页

作者：汪丁丁北京大学中国经济研究中心

从知识的互补性原则———“知识各个局部之间通常存在着互相解释或互为强化的关系”，可以说明为什么通过分工和专业化能够产生递增的经济收益。为了应用方便，我给出关于传统演化的一个简单和普适的数学表述，首先需要从哲学角度支持... 详细信息

从知识的互补性原则———“知识各个局部之间通常存在着互相解释或互为强化的关系”，可以说明为什么通过分工和专业化能够产生递增的经济收益。为了应用方便，我给出关于传统演化的一个简单和普适的数学表述，首先需要从哲学角度支持这里提出的“知识的互补性原则”，其次才是经济学分析。

关键词：知识互补性原则经济学收益递增

在线全文

学校读者我要写书评

暂无评论

基于间隔迁移的多视角支持向量机

运筹学学报 2018年第3期22卷 1-14页

作者：唐静静田英杰中国科学院大学数学科学学院北京100049 中国科学院虚拟经济与数据科学研究中心北京100190 中国科学院大学经济与管理学院北京100190

针对同一对象从不同途径或不同层面获得的特征数据被称为多视角数据.多视角学习是利用事物的多视角数据进行建模求解的一种新的机器学习方法.大量研究表明,多视角数据共同学习可以显著提高模型的学习效果,因此许多相关模型及算法被提出... 详细信息

针对同一对象从不同途径或不同层面获得的特征数据被称为多视角数据.多视角学习是利用事物的多视角数据进行建模求解的一种新的机器学习方法.大量研究表明,多视角数据共同学习可以显著提高模型的学习效果,因此许多相关模型及算法被提出.多视角学习一般需遵循一致性原则和互补性原则.基于一致性原则,Farquhar等人成功地将支持向量机(Support Vector Machine,SVM)和核典型相关分析(Kernel Canonical Correlation Analysis,KCCA)整合成一个单独的优化问题,提出SVM-2K模型.但是,SVM-2K模型并未充分利用多视角数据间的互补信息.因此,在SVM-2K模型的基础之上,提出了基于间隔迁移的多视角支持向量机模型(Margin transfer-based multi-view support vector machine,M2SVM),该模型同时满足多视角学习的一致性和互补性两原则.进一步地,从一致性的角度对其进行理论分析,并与SVM-2K比较,揭示了M^2SVM比SVM-2K更为灵活.最后,在大量的多视角数据集上验证了M2SVM模型的有效性.

关键词：多视角学习一致性原则互补性原则核典型相关性