教学课程资源库 更多>>

摘要： 广东省普通高校人文社会科学重点研究基地暨南大学汉语方言研究中心主持编纂的《南方语言学》已有二十三辑,我们的宗旨是汇集、展示以汉语方言、民族语言为主的原创性学术科研成果,为相关领域的学者提供一个交流研究成果的园地。《南方语言学》的内容板块相对固定,主要包括核心板块和重点板块,核心板块是海内外汉语方言、民族语的本体研究,重点板块是方言学的基础研究和应用研究,主要包括语音与音系、语义与词汇、语法与语用。根据社会热点和研究发展情况,我们还及时设置专栏和专辑,集中研究、讨论与社会需求、学科发展、科技进步相关的语言问题。

关键词： 高等代数   课程思政   教学改革   行列式  

摘要： 基于师范认证和课程思政的背景下,以高等代数课程为对象讨论数学专业课程课堂教学的改革。高等代数是数学专业的基础核心课程,对培养学生的逻辑推理能力、思维品质、创新能力等有着重要的作用。本文以该课程的“行列式”为例,在课程思政建设的指引下,从问题引入、构建新知、拓展认知、综合运用四个方面进行课程思政教学设计,实现将高等代数课堂打造成专业教育与思政教育有效融合的载体,并为其他专业课程实施课程思政提供借鉴。

摘要： 在2024年11月8日，作为西岸美术馆与蓬皮杜中心五年展陈的合作项目，展览“另辟前卫：摄影1970-2000”于上海西岸美术馆开幕，这也是蓬皮杜中心的摄影类馆藏第一次在中国进行大规模地呈现，其讨论了艺术摄影构建与发展的历程和状态——“尽管画意摄影和新客观主义摄影等艺术运动倡导将摄影视作艺术，但直到20世纪70年代，摄影才得以跻身艺术领域并进入美术馆。本次展览将具有开创性的摄影作品并置，聚焦于摄影跃升为当代艺术主流媒介的时刻，追溯了摄影从记录艺术过程到成为一门独立艺术的演变过程。”

摘要： 班级必须拥有自身的规则与秩序，否则，会极大地提升共同生活的成本，而规则和秩序必须合理，且成为班级全体同学的共识。通常，班主任会宣布几条规则，解释说明必要性（概括一句话就是“为你们好”），然后在执行中反馈，尤其是惩罚的运用。对许多班主任来讲，这也是一个立威的过程。不过，这种“我为你们好”提供了“我要你们遵守”的所谓“合

摘要： 新华社北京6月27日电中共中央政治局6月27日召开会议，研究进一步全面深化改革、推进中国式现代化问题。中共中央总书记习近平主持会议。会议决定，中国共产党第二十届中央委员会第三次全体会议于7月15日至18日在北京召开。中共中央政治局听取了《中共中央关于进一步全面深化改革、推进中国式现代化的决定》稿在党内外一定范围征求意见的情况报告，决定根据这次会议讨论的意见进行修改后将文件稿提请二十届三中全会审议。

关键词： 信噪比   估计   深度学习   功率谱   特征值  

摘要： 在通信系统中,信号的信噪比(Signal-to-Noise Ratio,SNR)是评估信道质量的主要参数之一,也是实现包括功率控制、Turbo解码、自适应调制解调等所需的参量,因此准确估计SNR是十分必要的。 深度学习(Deep Learning,DL)可以直接提取输入信号已知的以及可能隐藏的特征,在各个领域均取得优异成果。传统SNR估计方法依赖外部特征提取,现有基于DL的SNR估计算法采用深层次的卷积神经网络(Convolutional Neutral Network,CNN),提高了在加性高斯白噪声(Additive White Gaussian Noise,AWGN)下的估计性能,但其复杂度有待降低,在非理想环境下性能有待提高。对此本文从数据预处理方式和神经网络架构的简化入手展开本文研究工作。 首先,介绍了研究背景和意义,分析了国内外研究现状,介绍了信噪比估计的数学模型以及CNN的基础知识。 然后,研究了信号的时频量作为网络输入的SNR估计方法。采用接收信号的同相分量(In-phase)和正交分量(Quadrature)组成IQ矩阵、接收信号功率谱的周期图(Periodogram,PG)和平均周期图(Average Periodogram,APG)的预处理方式,提出了基于残差网络(Residual Network,ResNet)分类模型SNR估计方法(分别称为IQ-ResNetC,PG-ResNet-C和APG-ResNet-C方法)和基于ResNet回归模型SNR估计方法(分别称为IQ-ResNet-R,PG-ResNet-R和APG-ResNet-R方法)。分析了所提方法的计算复杂度,本文所提出的SNR估计方法的时间复杂度和空间复杂度低于其它方法,其中APG-ResNet-C方法和APG-ResNet-R方法的复杂度最低。计算机仿真信号和实际采集信号的测试实验结果表明,本文提出的SNR估计方法均优于传统的SNR估计方法(M2M4和SVR)和现有的基于DL的SNR估计方法(IQ-CNN-LSTM和CDG-Google Net);综合考虑各种情况下的估计性能,由IQ矩阵、PG和APG输入构成的算法性能依次递减,但后两者适用范围更广。 最后,为了进一步降低算法复杂度,研究信号的统计量作为网络输入的SNR估计方法(称为EM-LwNet)。由于信号协方差矩阵(Covariance Matrix,CM)的特征值包含了有效信号功率和噪声功率信息,因此构成特征值矩阵(Eigenvector Matrix,EM)作为网络输入,并设计了轻量级(Light-weight Network,LwNet)分类网络和LwNet回归网络,提出了SNR估计方法EM-LwNet-C和EM-LwNet-R。计算机仿真信号和实际采集信号的测试结果均表明,与ResNet-C方法和ResNet-R方法相比,EM-LwNet-C-8和EM-LwNet-R-8方法能够在降低计算复杂度的同时在中高信噪比范围内提升估计性能。