针对消防设施选址问题,构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型,以实现更科学的消防设施布局。鉴于该问题的NP难特性,提出基于算子学习的多目标深度强化学习模型(multi-objective deep reinforcemen...针对消防设施选址问题,构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型,以实现更科学的消防设施布局。鉴于该问题的NP难特性,提出基于算子学习的多目标深度强化学习模型(multi-objective deep reinforcement learning,MDRL)。设计多种优化算子作为强化学习的动作空间,训练策略网络以选择最佳优化算子来改进解决方案。针对多目标问题,设计基于优势差异的方法(MDRL-AD)和基于支配性评估的方法(MDRL-DE)。采用四种规模的测试算例及实际案例进行数值实验,将MDRL和改进的NSGA-Ⅱ、MOPSO、L2I算法进行比较,并利用Hypervolume指标、Spacing指标、Ω指标、IGD指标对算法性能进行评估。实验结果表明,MDRL-AD方法更适用于求解小规模算例,MDRL-DE方法则在求解大规模和超大规模算例时相比其他算法优势明显。MDRL在非劣解集的收敛性和均匀性方面明显优于其他对比算法,为消防设施布局规划提供了一种有竞争力的解决方案。展开更多
探究问题导向临床医学(Problem-originated Clinical Medical Curriculum,PCMC)联合基于问题学习(Problem Based Learning,PBL)教学模式在妇科肿瘤临床实习教学中的效果。方法 选取2023年1月至2023年12月我院55例妇科肿瘤临床实习生,随...探究问题导向临床医学(Problem-originated Clinical Medical Curriculum,PCMC)联合基于问题学习(Problem Based Learning,PBL)教学模式在妇科肿瘤临床实习教学中的效果。方法 选取2023年1月至2023年12月我院55例妇科肿瘤临床实习生,随机分为对照组(n=27)与观察组(n=28)。对照组仅常规教学,观察组采取PCMC联合PBL模式,比较两组的带教效果。结果 教学后,观察组的各考核成绩分数均高于对照组;观察组的教学效果占比高于对照组;观察组的学习兴趣评分高于对照组(P<0.05)。结论 在妇科肿瘤临床实习教学中,采取PCMC联合PBL模式的教学效果更好,学生的成绩更高,教学效果更好,兴趣更浓,值得肯定。展开更多
随着科学技术的快速发展,生成式AI不断普及,并且在大学生学习中的应用也越来越广泛,如学习资料获取与整理、学术写作辅助、技能学习支持等方面,帮助学生提高效率、激发创新思维、获取个性化支持。但是在生成式AI为大学生带来红利、提供...随着科学技术的快速发展,生成式AI不断普及,并且在大学生学习中的应用也越来越广泛,如学习资料获取与整理、学术写作辅助、技能学习支持等方面,帮助学生提高效率、激发创新思维、获取个性化支持。但是在生成式AI为大学生带来红利、提供便利的同时,也存在着诸多伦理问题亟待解决,如自主学习能力受影响、学术诚信问题、数据隐私问题等。本文旨在从生成式AI在大学生学习中的应用、存在的伦理问题以及解决策略等方面加以阐述,以期实现技术和教育和谐共生,帮助生成式AI能够在大学生学习中得到更好的应用。With the rapid development of science and technology, generative AI is becoming increasingly popular and is also being widely used in college students’ learning, such as obtaining and organizing learning materials, academic writing assistance, and support for skill learning, which helps students improve efficiency, stimulate creative thinking, and obtain personalized support. However, while generative AI is bringing benefits and convenience to college students, there are also many ethical issues that need to be addressed, such as the impact on autonomous learning ability, academic integrity issues, and data privacy issues. This paper aims to elucidate the application of generative AI in college students’ learning, the ethical issues it faces, and solutions to these problems, with the goal of achieving a harmonious coexistence of technology and education and helping generative AI to be better applied in college students’ learning.展开更多
文摘针对消防设施选址问题,构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型,以实现更科学的消防设施布局。鉴于该问题的NP难特性,提出基于算子学习的多目标深度强化学习模型(multi-objective deep reinforcement learning,MDRL)。设计多种优化算子作为强化学习的动作空间,训练策略网络以选择最佳优化算子来改进解决方案。针对多目标问题,设计基于优势差异的方法(MDRL-AD)和基于支配性评估的方法(MDRL-DE)。采用四种规模的测试算例及实际案例进行数值实验,将MDRL和改进的NSGA-Ⅱ、MOPSO、L2I算法进行比较,并利用Hypervolume指标、Spacing指标、Ω指标、IGD指标对算法性能进行评估。实验结果表明,MDRL-AD方法更适用于求解小规模算例,MDRL-DE方法则在求解大规模和超大规模算例时相比其他算法优势明显。MDRL在非劣解集的收敛性和均匀性方面明显优于其他对比算法,为消防设施布局规划提供了一种有竞争力的解决方案。
文摘探究问题导向临床医学(Problem-originated Clinical Medical Curriculum,PCMC)联合基于问题学习(Problem Based Learning,PBL)教学模式在妇科肿瘤临床实习教学中的效果。方法 选取2023年1月至2023年12月我院55例妇科肿瘤临床实习生,随机分为对照组(n=27)与观察组(n=28)。对照组仅常规教学,观察组采取PCMC联合PBL模式,比较两组的带教效果。结果 教学后,观察组的各考核成绩分数均高于对照组;观察组的教学效果占比高于对照组;观察组的学习兴趣评分高于对照组(P<0.05)。结论 在妇科肿瘤临床实习教学中,采取PCMC联合PBL模式的教学效果更好,学生的成绩更高,教学效果更好,兴趣更浓,值得肯定。
文摘随着科学技术的快速发展,生成式AI不断普及,并且在大学生学习中的应用也越来越广泛,如学习资料获取与整理、学术写作辅助、技能学习支持等方面,帮助学生提高效率、激发创新思维、获取个性化支持。但是在生成式AI为大学生带来红利、提供便利的同时,也存在着诸多伦理问题亟待解决,如自主学习能力受影响、学术诚信问题、数据隐私问题等。本文旨在从生成式AI在大学生学习中的应用、存在的伦理问题以及解决策略等方面加以阐述,以期实现技术和教育和谐共生,帮助生成式AI能够在大学生学习中得到更好的应用。With the rapid development of science and technology, generative AI is becoming increasingly popular and is also being widely used in college students’ learning, such as obtaining and organizing learning materials, academic writing assistance, and support for skill learning, which helps students improve efficiency, stimulate creative thinking, and obtain personalized support. However, while generative AI is bringing benefits and convenience to college students, there are also many ethical issues that need to be addressed, such as the impact on autonomous learning ability, academic integrity issues, and data privacy issues. This paper aims to elucidate the application of generative AI in college students’ learning, the ethical issues it faces, and solutions to these problems, with the goal of achieving a harmonious coexistence of technology and education and helping generative AI to be better applied in college students’ learning.
