目的分析以团队为基础的教学(team based learning,TBL)+以问题为基础的教学(problem based learning,PBL)+案例教学法(case based learning CBL)融合教学法在超声科住培教学中的应用效果。方法2019年1月—2021年12月,选取重庆大学附属...目的分析以团队为基础的教学(team based learning,TBL)+以问题为基础的教学(problem based learning,PBL)+案例教学法(case based learning CBL)融合教学法在超声科住培教学中的应用效果。方法2019年1月—2021年12月,选取重庆大学附属涪陵医院超声科行规范化培训的93名住院医生,按随机数表法,分为观察组(46名行TBL+PBL+CBL融合教学法)和对照组(47名行以授课为导向的教学法(lecture-based learning,LBL))。比较2组培训前后的超声科学员上机操作评分、超声科诊断报告抽查评分,以及培训后对教学满意度。结果培训后2组超声科学员上机操作评分表各维度评分与培训前比较均明显升高,差异有统计学意义(P<0.05),且观察组评分高于对照组,差异有统计学意义(P<0.05)。培训后2组超声科诊断报告抽查评分表各维度评分与培训前比较均升高,差异有统计学意义(P<0.05),且观察组评分高于对照组,差异有统计学意义(P<0.05)。培训后2组激发学习兴趣、锻炼临床思维满意度比较,差异无统计学意义(P>0.05)。其余方面的满意度观察组均高于对照组,差异有统计学意义(P<0.05)。结论TBL+PBL+CBL融合教学法应用在超声科住培教学中,能够培养学生的自学能力,提升理论和实践学习效率,提高教学质量。展开更多
为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法...为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。展开更多
为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对...为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM(Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm,GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明:LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。展开更多
文摘目的分析以团队为基础的教学(team based learning,TBL)+以问题为基础的教学(problem based learning,PBL)+案例教学法(case based learning CBL)融合教学法在超声科住培教学中的应用效果。方法2019年1月—2021年12月,选取重庆大学附属涪陵医院超声科行规范化培训的93名住院医生,按随机数表法,分为观察组(46名行TBL+PBL+CBL融合教学法)和对照组(47名行以授课为导向的教学法(lecture-based learning,LBL))。比较2组培训前后的超声科学员上机操作评分、超声科诊断报告抽查评分,以及培训后对教学满意度。结果培训后2组超声科学员上机操作评分表各维度评分与培训前比较均明显升高,差异有统计学意义(P<0.05),且观察组评分高于对照组,差异有统计学意义(P<0.05)。培训后2组超声科诊断报告抽查评分表各维度评分与培训前比较均升高,差异有统计学意义(P<0.05),且观察组评分高于对照组,差异有统计学意义(P<0.05)。培训后2组激发学习兴趣、锻炼临床思维满意度比较,差异无统计学意义(P>0.05)。其余方面的满意度观察组均高于对照组,差异有统计学意义(P<0.05)。结论TBL+PBL+CBL融合教学法应用在超声科住培教学中,能够培养学生的自学能力,提升理论和实践学习效率,提高教学质量。
文摘为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。
文摘为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM(Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm,GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明:LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。