排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
作图是理科教学中常用的方法.图示不仅具有形象、直观、易懂、易记的特点,还能帮助学生理清思路,弄清逻辑关系,使学生对所学知识形成系统、完整的认识.在英语教学中能不能运用图示,把语言直观和形象直观结合起来,使学生印象更深呢?笔者在教学实践中,常常借用理科教学中还用的这一直观手段,觉得省力,又能说明问题.一、形象、直观的图示,可简化概念,使学生一目了然,便于记忆有时我们不可避免地会碰到一些语言现象,如词的用法、某些语法现象的区别等,如果不给学生讲清楚,学生在练习时就容易张冠李戴.反之,如果学生对该语言现象理解不透彻,心中有数,练起来效果就好得多,而直观形象的图示,就是帮助学生理解有关语言现象的一个重要手段.例如:介词in,on,into,onto(在表示位置方向时)的区别,采用图示,就非常宜观,易记: 相似文献
2.
为了避免机电工程施工阶段各个专业管线交叉干扰造成施工困难,及日后装修吊顶高度不够而返工,使之更加符合现场实际需要,提高整体布局的观感质量,在施工前通过施工图电子版,在计算机上将各个系统进行施工前模拟预装,将机电工程各个专业管线合理排布,称之为机电工程综合管线深化设计. 相似文献
3.
目前,在机电工程中存在着空间紧张的共性问题,这样就出现了各专业管线的“抢占”空间的尴尬局面,出现一些由于某一管道上方安装了另外的管道,无法安装支吊架而导致管道无法安装的现象.本文着重介绍如何在大型机电工作中应用综合支吊架施工技术. 相似文献
4.
针对目前国内外学者对微博情感只作二分类研究,仅仅从正面和负面研究微博情感不足的问题,选取NLPCC2013-2014年多情感的微博数据集,重点研究常用的3种机器学习算法、3种特征选择以及特征权重方法对中文微博情感多分类的影响。实验表明：不管选择哪种特征权重,使用SVM的微博文本分类准确率都最高,KNN的准确率最低;不同特征权重下,信息增益作为特征选择的方法时,3个算法各自准确率都是最高的;当信息增益为特征选择,TF-IDF为特征权重时,支持向量机的文本分类准确率最高。由于微博简短、口语化,词袋模型忽视了词与词间的联系,导致微博情感分类准确率不高。 相似文献
5.
为弥补目前国内学者只做单一算法研究且语料单一的缺陷,使用Word2vec词向量模型结合支持向量机（SVM）、卷积神经网络（CNN）和长短期记忆网络（LSTM）3种不同分类算法,研究了不同中文文本分类问题,包括微博语料的多维细粒度情感分类、酒店评价的倾向性分析和新闻文本的主题分类。将3种分类模型在不同文本中的分类效果进行对比,结果显示这3种算法对于不同的中文分类效果各有不同：不同维度的词向量对准确率等评价指标影响很大;支持向量机模型更适合于细粒度的微博情感分类;卷积神经网络、长短期记忆网络算法更适合于噪声小、文本长且规范的新闻主题分类任务。分类粒度会对算法准确性产生影响,粒度越细、任务越复杂,算法准确性越低。 相似文献
1