摘要:主动学习在高等教育中越来越受到关注。从理论上讲,技术的使用为更有效的主动学习提供了机会,但在实践中,大多数学习技术的使用仍然是“传统”方法。传统的员工培训未能解决这个问题。作者所在的大学提供了一个实验性的技术丰富的教学空间(教学网格),以支持教师尝试提供创新的、基于技术的教学。本研究使用四个案例研究调查了教师在教学网格中试用主动学习方法的经验。结果表明,教学网格可以有效地用于支持教师的专业发展,使用该设施的经验鼓励教师将技术融入他们未来的教学计划。确定了有助于促进主动学习的五个因素。教师对其经验的看法不仅表明他们有更多使用技术的意图,而且表明他们更加意识到技术的潜力和采取更积极、以学生为中心的方法的开放性。这项工作的更广泛的意义在于确定一种教师发展的替代模式,与大多数当前方法相比,该模式对促进创新的、基于技术的教学法具有明显的积极影响。
电子邮件地址:dicky-kin-lok.keung@connect.polyu.hk(K。L. keung),yin-yuen.chan@connect.polyu.hk(y。y。14 Chan),kam.kh.ng@polyu.edu.hk(kam k.h. ng),lunmak@gmail.com(S。L. mak),chli@ieee.org(C。H. Li),1514 Chan),kam.kh.ng@polyu.edu.hk(kam k.h.ng),lunmak@gmail.com(S。L. mak),chli@ieee.org(C。H. Li),15
储能系统与其应用之间的关系 储能系统的技术和经济要求由其在能源系统中的实际应用决定。因此,任何储能技术的评估和比较都只能针对此应用进行。应用决定了技术要求(例如能源类型、存储容量、充电/放电功率等)以及经济环境(例如预期回报时间、交付能源的价格等)。
I. Graz, M. Krause, S. Bauer-Gogonea, S. Bauer, S. P. Lacour, B. Ploss, M. Zirkl, B. Stadlober, S. Wagner “ Flexible active-matrix cells with selectively poled bifunctional polymer-ceramic nanocomposite for pressure and temperature sensing skin “, Journal of Applied Physics, 106, 034503,2009
传统化石能源的消费带来了不可避免的环境保护问题,这也使工业发展中的低碳过渡即将到来。在低碳过渡过程中,电力行业起着非常重要的作用。但是,可再生能源(例如风能和光伏)的大规模整合为电力系统调度带来了新的特征。如何设计一种考虑低碳需求和经济成本的调度策略已成为电力系统的主要关注点。诸如需求响应(DR)和能源存储(ES)之类的灵活资源可以与这些可再生能源资源合作,从而促进可再生能源的产生和低碳过程。因此,在本文中提出了考虑灵活DR和ES的电力系统的低碳调度策略。首先,建立了基于其行为特征的DR和ES模型。然后,根据中国的清洁开发机制(CDM)提出了碳排放指数。最后,通过碳排放指数和浮动资源调度模型的组合提出了功率系统的低碳调度策略。模拟结果表明,提出的调度策略可以显着改善风能消耗并减少碳排放。
摘要 Prime editing 是一种最近开发的基于 CRISPR/Cas9 的基因工程工具,可用于在基因组中引入短插入、删除和替换。然而,Prime edit 的编辑率通常约为 10%–30%,效率却与其多功能性不符。本文,我们介绍了 Prime editor 活性报告基因 (PEAR),这是一种灵敏的荧光工具,可用于识别具有 Prime edit 活性的单个细胞。PEAR 没有背景荧光,可特异性指示 Prime edit 事件。它的设计为整个间隔序列的序列变异提供了无限的灵活性,使其特别适合于系统地研究影响 Prime edit 活性的序列特征。使用 PEAR 作为 Prime edit 的富集标记可使编辑群体增加高达 84%,从而显著提高 Prime edit 在基础研究和生物技术应用中的适用性。
美国国家可再生能源实验室 (NREL)、纽约州能源研究与发展局 (NYSERDA) 和佛蒙特州能源投资公司 (VEIC) 一直在合作开展美国能源部项目,旨在让 LMI 家庭能够参与太阳能经济。我们聘请了专家来提出灵活金融信贷协议 (FFCA) 的想法和实施途径。FFCA 是一种创新的金融或程序产品,可解决潜在 LMI 太阳能客户的潜在财务障碍,例如长期合同要求、不可转让的太阳能订阅、信用评分障碍、季节性收入波动、
在过去的几年中,人们已经接受了这样一个观点:要可靠地测量个人的认知能力,参与者需要完成比现有认知测试组更多的试验和/或使用效果更大的任务。该项目开发了一套认知控制测试,能够有效、可靠地测量认知控制能力,而认知控制能力对于在时间压力下取得高性能至关重要。测试组在 Unity 游戏引擎中实现,只需使用 Web 浏览器即可在线访问,无需安装。游戏机制(例如多样性、反馈、奖励和排行榜)和综合故事情节可在延长和苛刻的测试过程中保持参与度。该测试组实现了最突出的认知控制测量,包括:1) 工作记忆(单 n-back 任务和双 n-back 任务)、2) 反应抑制(停止信号任务)、3) 冲突任务(Simon、Flanker 和 Stroop 任务)、4) 多任务处理和 5) 任务切换。不同的测量方法可以灵活地组合在一个连贯的“清理房间”叙述中,而独立的教程可以轻松部署在线测试。开发了冲突任务的新版本以增加效果大小和可靠性,并在在线实验中进行了测试。我们开发了一种严格的方法来量化测试产生可靠个体差异测量的能力,并报告将其应用于数据的结果
摘要。珀金森氏病是一种从公认的临床帕金森氏综合症引起的进行性退行性疾病。帕金森氏病的节日包括运动和非运动症状,鉴定为震颤,弯曲运动(运动缓慢),僵化和姿势不稳定。pd被标记为各种研究和调查中最普遍的疾病之一,因为在100人中有90%被观察到。必须设计CAD以准确地确定该疾病的高级模型,因为最新的PD诊断没有准确的临床干预。与常规方法相反。深度学习卷积神经网络工具是指通过MRI对PD进行更快,准确的识别。这项研究的目的是有助于开发准确的PD检测方法。进行研究使用了公共数据集NTU(雅典国家技术大学)。数据样本分为三组(训练,测试和验证)。将与LSTM集成的densenet应用于MRI数据样本。densenet用于增强特征选择能力,因为每一层都根据图像的时间接近度选择特征。然后将输出馈入LSTM层,以发现时间特征中的显着依赖性。将提出的Densenet-LSTM的性能与其他CNN最先进的模型进行了比较。所提出的模型输出的训练精度为93.75%,测试精度为90%,验证精度分别为93.8%。
计时器外围设备对于所有嵌入式设备至关重要[3]。微控制器单元(MCUS)的摄影师今天提供了大量的计时器模块,从通用物质到高度专业的组件。随着新兴的互联网(IoT),嵌入式控制者的设备,应用程序,应用程序和部署上下文的增加,数量和异质性增加了,对促进可移植性的声音硬件抽象的需求也是如此。嵌入式操作系统(OSS)是在物联网中开发可持续应用的普遍解决方案。越来越流行的嵌入式OS是Riot [1]。此开源OS明确针对低功率和资源约束的嵌入式设备。Riot提供了五个不同的低级计时器模块,它们的使用和功能可用性都不同。通过这项工作,我们想设计一个新的低级计时器界面,该接口统一了当前API并在此简化整个Riot生态系统中的计时器使用情况。我们从第2节中的计时器外围设备进行大规模分析开始,然后绘制低级计时器-API,该计时器API改进了现有的