公共文化服务平台

课程思政视域下应用型高校就业指导课程教学改革探索: "课程思政"即在教育教学中巧妙地融入思政元素,从而对学生的思想认知提升、正确的三观塑造起到潜移默化的助推作用。现如今,随着我国经济社会的迅速发展,党的二十大顺利召开,思想愈发多元化,课程思政的意义和价值也在不断地升华。高...; 张晶; 关键词：就业指导

提高高校就业指导课程教学实践性的思考: 2015年; 当代大学生应当树立正确的职业规划观,在就业时掌握主动权。各大高校为了提高学生的职能技能和职业素养,帮助广大学生树立正确的就业观,以此来面对日益复杂的就业环境,纷纷开设了就业指导的教学课程。但是旨在提高学校就业指导教学水平和学生综合求职能力的就业指导课在实践过程中却存在着很多的问题,本文就这些存在的问题展开讨论,并适当给予一些针对性的建议,以提高高校就业指导课程的水平。; 张晶; 关键词：高校教育就业指导课实践性教学

高维数据中鲁棒激活函数的极端学习机及线性降维被引量：12: 2014年; 极端学习机(extreme learning machine,ELM)训练速度快、分类率高,已经广泛应用于人脸识别等实际问题中,并取得了较好的效果.但实际问题中的数据往往维数较高,且经常带有噪声及离群点,降低了ELM算法的分类率.这主要是由于:1)输入样本维数过高;2)激活函数选取不当.以上两点使激活函数的输出值趋于零,最终降低了ELM算法的性能.针对第1个问题,提出一种鲁棒的线性降维方法(RAF-global embedding,RAF-GE)预处理高维数据,再通过ELM算法对数据进行分类;而对第2个问题,深入分析不同激活函数的性质,提出一种鲁棒激活函数(robust activation function,RAF),该激活函数可尽量避免激活函数的输出值趋于零,提升RAF-GE及ELM算法的性能.实验证实人脸识别方法的性能普遍优于使用其他激活函数的对比方法.; 冯林刘胜蓝张晶王辉兵; 关键词：极端学习机线性降维高维数据神经网络

以心沟通、教学相长谈“以学生为中心”的管理理念: 2009年; 学院树立“以学生为中心”、“学生利益无小事”的管理思想，作为直接面对学生的辅导教师，更应该加强理解贯彻执行。; 张晶; 关键词：教学

就业与创业双重导向下的大学生职业生涯规划研究: 2017年; 职业生涯是一个人一生中职业、职位的变迁及工作、理想的实现过程,是非常重要的一个过程。本文将通过分析将不同年级进行的职业生涯规划教育,给在校的大学生能明确今后的正确就业观,明确自身在不同学年段的学习以及实践,主动去学习更多知识,体验更多经历,进而提高自己的水平,为自己将来毕业后能顺利找到适合自己的工作打下基础。; 张晶; 关键词：大学生就业指导职业生涯规划

高校就业指导课教学现状及改革策略探究被引量：2: 2017年; 高校就业指导课程是指导大学生顺利就业和帮助规划职业生涯的重要课程,对改变大学生就业生涯起到了举足轻重的作用。目前我国众多高校开设的大学生就业指导课程并没有达到预期的教学设想,对大学生就业指导的作用没有发挥出来,因此,需要对高校就业指导课程的现状和问题进行充分分析,以提出合理的改革策略。; 张晶; 关键词：大学生就业指导课程

MapReduce框架下的实时大数据图像分类被引量：6: 2014年; 图像数据作为大数据的重要组成部分蕴含着丰富的知识,且图像分类有着广泛的应用,利用传统分类方法已经无法满足实时计算的需求.针对此问题,提出并行在线极端学习机算法.首先利用在线极端学习机理论得到隐层输出权值矩阵;其次根据MapReduce计算框架的特点对该矩阵进行分割,以代替原有大规模矩阵累乘操作,并将分割后的多个矩阵在不同工作节点上并行计算;最后将计算节点上的结果按键值合并,得到最终的分类器.在保证原有计算精度的前提下,将文中算法在MapReduce框架上进行拓展,以人脸图像为例对大规模图像数据进行分类的结果表明,该算法能够针对大数据图像进行快速、准确的分类.; 张晶冯林王乐刘胜蓝; 关键词：大数据 MAPREDUCE 人脸识别

针对动态非平衡数据集鲁棒的在线极端学习机被引量：5: 2015年; 动态数据存在数据量动态改变,数据类别分布非平衡、不稳定等问题,这些问题成为分类的难点.针对该问题,通过对在线极端学习机模型进行拓展,提出鲁棒的权值在线极端学习机算法.为解决动态数据非平衡性,该算法借助代价敏感学习理论生成局部动态权值矩阵,从而优化分类模型产生的经验风险.同时,算法进一步考虑动态数据由于时序性质改变造成的数据分布变化,而引入遗忘因子增强分类器对数据分布变更的敏感性.算法在不同数据分布的24个非平衡动态数据集上测试,取得了较好的效果.; 张晶冯林; 关键词：非平衡数据集极端学习机代价敏感学习遗忘因子

基于自组合核的增量分类方法: 2016年; 在线极端学习机(online sequential extreme learning machine,OSELM)模型在解决动态数据实时分类问题时,无需批量计算,仅保留前一时刻训练模型,根据当前时刻样本调整原有模型即可。然而,该增量方法在离线训练阶段随机指定隐层神经元使模型鲁棒性差,且求解过程难以拓展于核方法,降低了分类效果。针对上述问题,提出一种基于自组合核的在线极端学习机(self-compounding kernel online sequential extreme learning machine,SCK-OSELM)模型。首先,提出一种新的自组合核(self-compounding kernel,SCK)方法,构建样本不同核空间的非线性特征组合,该方法可被应用于其他监督核方法中。其次,以稀疏贝叶斯为理论基础将训练数据的先验分布作为模型权值引入,并利用超参调整权值后验分布,从而达到对当前时间点参数稀疏的目的。最后,将稀疏得到的参数并入下一时刻运算。对动态数据的实时分类实验表明,该方法是一种有效的增量学习算法。相比于OSELM,该方法在解决动态数据实时分类问题时获得更稳定、准确的分类效果。; 冯林张晶吴振宇; 关键词：动态数据稀疏贝叶斯

“招生—培养—就业—校友”工作联动机制构建研究: 在我国高等院校的教育体系中,人才一体化朝向全面发展。在新时代的背景之下,我国的教育机构逐渐形成了"招生—培养—就业—校友"的工作联动机制。招生是高等院校培养人才的前提和基础,培养人才是高等院校的主要职能,促进应届生就业是...; 张晶; 关键词：招生就业校友

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

张晶