通过使用基于大规模开放在线课程（MOOC）的翻转课堂教学模型，计算机辅助教学（CAI）可以弥补传统教学的许多不足。 作为体育田径课程的重要组成部分，传统跨栏教学中的教师或教练采用了教师示范和学生实践的方式。 教学手段过于简单，教学效果不佳。 基于CAI技术的CAI课件采用文字，图片，动画，视频等多媒体手段设计，使教学过程生动生动，可以克服教学困难，突出教学重点。 教学实践证明，CAI在跨栏比赛中的应用可以有效提高教学效率和质量。
2024-03-15 08:31:00
208KB
1
UCF IST重定向步行框架
这是一个共享存储库，用于“通过HTC Vive和Unity创建VR重定向步行框架”研究应用程序，该应用程序是由中佛罗里达大学模拟与交易学院（IST）创建的。
资产
Unity RDW软件包利用以下针对Unity的平台的第三方资产：
资产商店中的Unity
资产商店中的Unity
研究
2022-11-01 13:11:18
52.13MB
1
传统的边界元法在计算过程中形成满系数矩阵，使迭代法计算量和存储量与未知量数的平方成正比，从而限制了其在大区域声场问题中的应用。为此，发展了一种快速多极子声学边界元法，阐述了其基本原理，给出了其数值处理过程，并成功应用于消声器声学性能的预测。理论分析和算例结果表明：该方法能获得较高的求解精度，减少存储量，并在一定的分析频率范围内有效节省计算时间。因此，快速多极子声学边界元法可以有效应用于处理大区域声场问题。
2022-10-14 12:01:22
396KB
1
该项目是使用卷积神经网络进行检测森林火灾。
该数据集包含三类图像：“火”、“不火”、“开始火”，总共约 6000 张图像。
该模型可用于从森林的监控录像中检测火灾或火灾的开始或者未发生火灾。 该模型可以实时应用于低帧率监控视频（火灾移动速度不是很快的监控视频），并在发生火灾时发出警报。
2022-09-14 21:05:32
78.18MB
1
多级CFA模型（MLV CFA）建模通过检查因子结构，因子加载和不同层次级别的错误之间的关系，可以进行更复杂的结构有效性研究。 在MLV CFA模型中，一个或多个潜在变量具有两种元素：1）组间元素（级别2或更高级别）和2）组内元素（低级别1）。 组间元素代表模型的一般部分，组内元素代表模型的单独部分。 级别内变化包括单个级别的测量误差方差，这通常将级别内变化的影响扩展到类内相关。 因此，多级CFA生成的结果与通过完全可靠的措施生成的结果相对应。 如果跨级别指定了相同的度量模型，则通过将每个项目的负载定义为跨级别对应项不变，研究人员就可以将跨级别的因子标度等同起来。 因此，不同水平的因素方差可以直接比较。 可以通过将受限制的MLV CFA模型与在每个级别上自由估计的因子负载指定的不受限制的模型进行比较，来评估此受约束的MLV CFA模型的拟合。 在本工作中，将对上述过程的步骤进行全面描述，并详细讨论与MLV CFA的使用有关的其他问题。
2022-07-13 11:00:20
859KB
1
人工智人-家居设计-化工过程Benchmark的智能控制技术研究应用.pdf
2022-07-10 11:02:56
1.83MB