深度学习书籍推荐（精选8篇）
（供参考）
教育部《高职高专人才培养工作水平评估工作指南》文件中指出，评估的目的不是为了给出某个等级，而是为了促进学校的改革、建设与管理。
评估专家组进校后，在查阅资料对学校主要信息初步了解的基础上，将针对疑点或需要进一步了解的有关问题，有目的地邀请学校有关领导、职能部门、教学系部负责人、主要理论与实践课程教研室实践训练中心主任和教师就评估指标的相关内容进行深度访谈。
一般每位专家要访谈4人，每人谈30分钟左右。访谈对象主要包括：学校主要领导、系主任和专业教研室主任、教务处处长、人事处处长、学生处处长、计财处处长、图书馆馆长、实训科科长（实训中心主任）、教学质量管理负责人、招生办主任、就业指导中心主任、教研室主任、主要基础课带头人、“两课”教研室主任、体育教研室主任、心理健康教育中心负责人、专业课教师、实践训练指导教师。专家在与教学系统干部教师交谈时很注重了解学校领导对教学工作的重视状况和学校其它部门对教学工作的支持情况。
依据评估所应把握的内涵要求，现将专家组与每位访谈对象交谈内容的侧重点例举如下：
一、学校主要领导访谈侧重点
1.学校制定“十一五”期间发展规划的主要依据是什么？近两年如何组织实施的？取得的效果怎样？
2.学校的办学理念、思路、定位是什么？如何在学校高职高专教育过程中体现出来？
3.校领导班子是如何保证教学中心地位的？制定了哪些相应的政策和措施？效果如何？
4.学校近两年来出台的重大改革举措是什么？实施效果如何？
5.学校在加强校级干部领导能力、中层干部工作能力、全校教职工凝聚力方面开展了哪些工作？成效如何？
6.学校评建工作是如何组织开展的，通过评建在哪些方面推动了学校的建设与发展？
7.学校如何以就业为导向，以职业素质为核心，开展高素质技能型人才培养工作，人才培养的质量如何？
8．学校对规模与质量、发展与投入、改革与建设等关系处理得当吗？在观念、制度、工作上有哪些创新？
9．学校办学中是否体现了产学结合理念？学校领导对产学结合的认识程度如何？
二、系主任和专业教研室主任访谈侧重点（6人左右)
1.专业人才需求社会调研工作开展情况？
2.专业建设思路是什么，制订专业建设规划的依据是什么，如何落实的？
3.如何根据毕业生跟踪调查、用人单位反馈情况分析和专业建设指导委员会的意见，调整专业教学计划，制修订教学大纲，执行怎么样，效果如何？
4.专业教学计划设计制订审批过程，专业教学计划体现高职高专教育特色的情况？1
5.专业教学改革及试点工作的目标、思路、内容、步骤、措施是什么？改革实施后的教学成果或阶段性成果是什么？
6.如何围绕专业人才培养目标，以职业技术应用能力为主线，针对学生知识、能力、素质结构的培养，进行课程体系和科目课程设计，实施状况如何？
7.根据专业教学特点，开展了哪些教学内容、教学方法、教学手段的改革，效果如何？还存在什么问题？
8.在教材建设与改革方面做了哪些工作？成果如何？（重点是自编教材）
9.本系是如何加强教学管理，开展教学质量监控工作的？解决了什么问题，效果如何？
10.职业能力训练体系建立与实施状态，职业能力测试和参加社会鉴定状况，职业基本技能、专业技能训练效果如何？
11.在职业素质教育方面，系里所做的工作及其效果？系内教学和学生工作的分工与配合状况如何？
12.在就业指导与服务方面系里开展的工作及其效果？毕业生就业率、就业质量怎么样？
13.专业建设和课程建设所做的工作及其效果?
14.专业产学结合采取了哪些主要做法，取得了哪些成果？
15.专业教学团队是怎么建设的，效果怎么样？
16.毕业生跟踪调研情况毕业生、用人单位反馈情况？
三、教务处处长访谈侧重点
1.教务处所属各组织机构的主要职能是什么？所属人员分工情况？
2.学校教学管理制度主要包括哪些内容？具体落实情况如何？取得的成效是什么？
3.学校教学基本文件是如何要求的？如何进行规范管理的？是否齐全完备？
4.学校是怎样进行专业教学计划管理的？教学计划执行的情况如何？效果怎样？
5.学校是如何组织教学运行管理工作的，运行效果如何？
6.学校对考试与学籍管理是如何规定的，执行效果如何？
7.学校实践教学管理的规章制度有哪些？在提高实验、实训、实习教学环节质量方面做了哪些工作？效果如何？还存在着什么问题？如何加以解决？
8.通过开展新生素质调研，针对新生中存在的问题，在教学、学生管理方面采取了哪些有效措施？
9.学校教学质量管理状况如何？教学质量保证与监控体系是如何构建的？整体运行情况如何？对保证教学质量所起的作用是什么？效果如何？
10.与学生处的分工与配合状况如何？存在的主要问题是什么？
四、人事处处长访谈侧重点
1.人员引进、成果表彰、评优评先、分配等方面向教学倾斜采取了哪些措施，执行效果如何？
2.学校有哪些吸引人才的政策？实施效果如何？
3.学校“双师”素质教师情况如何？采取了哪些提高“双师”素质教师比例的措施，效果如何？
4.学校聘请兼职教师的数量、分布、工作单位、社会知名度如何？教学效果如何？
5.学校在青年教师培养提高方面采取了哪些措施？取得了哪些成果？
6.学校人事分配制度改革方面采取了哪些措施，效果怎么样？
7.学校是如何培养专业带头人的？各专业的专业带头人学术和教学业务水平如何？
8.学校师资方面还存在哪些问题，采取了什么措施？
五、学生处处长访谈侧重点
1.学生管理组织机构的主要职能？全校学生管理教育组织系统构成和人员分工情况？
2.学生管理规章制度建立与执行情况，执行效果如何，存在哪些问题？
3.学生辅导员工作状况如何？
4.学籍管理与奖惩制度实施状况？
5.学生日常思想工作的开展情况？效果如何？
6.在学风建设和教学信息反馈方面所做的工作及其效果和存在的主要问题是什么？
7.就业服务与指导中心的工作职责？人员分工情况？取得的工作成效有哪些？
8.学校近两年如何以职业素质为核心，全面推进素质教育？取得的主要成效是什么？
9.近两年，在学生管理改革方面有哪些新的举措，改革的主要成果是什么？
六、计财处处长访谈侧重点
1.学校近三年教育事业费及专项经费拨款情况？
2.学校近三年学费收入情况如何？学费收入用于教学经费的比例情况？
3.学校在经费方面采取了哪些向教学倾斜的政策，措施是什么？
4.学校近三年教育事业费预算决算情况？
5.日常教学经费、师资培训经费、图书资料费的投入保障情况？
6.实验、实训、实习等实践环节的经费投入状态和存在的主要问题？
七、图书馆馆长访谈侧重点
1.图书馆舍面积、藏书册数含电子图书、适用图书册数情况？
2.阅览室座位数含电子阅览室及利用率如何？
3.图书馆开放时间，规章制度执行情况？
4.近三年购买图书册数、经费增长情况？
5.图书馆书库流通量统计情况？
6.图书馆现代管理技术应用情况？
7.图书馆在适应专业建设、教学、科研等方面所起的作用是什么？
八、实训科科长（实训中心主任）访谈侧重点
1.学校教学仪器设备总值情况？近三年学校教学仪器设备经费投入情况？
2.近三年教学仪器设备增长与更新情况如何？现代技术含量情况怎么样？
3.实验实训室、计算机、语音教室、多媒体教室的基本情况和利用率如何？
4.实践教学管理工作（实验、实训、见习、实习）是如何开展的，主要措施是什么，成效如何？
5.学校校外实训基地建设情况？学生在校外实训基地实习效果如何？
九、教学质量管理负责人访谈侧重点
1.学校教学质量保证与监控体系建立、运行及实施状况？
2.学校教学督导工作开展状况?
3.学校各主要教学环节的质量标准有哪些？执行效果如何？
4.在教学质量保证与监控体系中，如何贯彻预防为主实时调控持续改进的措施，效果如何？
十、招生办主任访谈侧重点
1.开拓生源市场和招生宣传工作状况？
2.近3年招生计划及其完成情况？
3.录取新生第一志愿上线率、报到率、提档分数线情况？
4.与相关职能部门分工及配合情况？
十一、就业指导中心主任访谈侧重点
1.学校就业指导中心建立时间、组织机构与人员分工？
2.近三年来，就业指导中心开展的主要工作及其效果，存在的主要问题？
3.开展人才市场需求调研和毕业生跟踪调研状况？
4.近三年来，如何开拓就业市场，就业市场状况如何？
5.近三年来，学生就业咨询指导工作状况？
6.就业指导中心和各系、相关职能部门的分工与配合状况？
7.近三年毕业生一次就业率？近二年毕业生就业质量状况？
十二、教研室主任访谈侧重点
1.教研室教学计划、教学组织、教学资源管理和应用、教学过程管理等方面工作的开展情况？
2.教研室开展课程教学内容、教学方法与手段改革情况，效果如何？
3.教研室师资队伍建设、培养情况？
4.围绕高职专业人才培养，开展教研活动情况？
5.课程建设是如何体现高职教育特色的？公共课、基础课教学如何体现不同专业特点的？
6.教研室对教学质量工作是如何监控的，效果如何？
十三、主要基础课教研室主任访谈侧重点（4人）
1.对高职高专教育观念了解程度如何？
2.教学内容、课程体系改革进展情况，采取了哪些措施，如何本着“必需、够用”，与专
业课接轨情况如何？
3.教学方法、手段改革进展情况，存在的主要问题是什么？
十四、“两课”教研室主任访谈侧重点
1.“两课”教学改革的基本思路、采取的主要措施、效果如何？
2.教改过程中存在的主要问题是什么，采取相应措施是什么？
十五、体育教研室主任访谈侧重点
1.全校体育教师数量结构素质的基本情况？
2.学校体育课程教学改革状况？
3.学生课外体育活动开展状况？
4.近三年《大学生体育合格标准》通过率？
十六、心理健康教育中心的负责人访谈侧重点
1.贯彻教育部关于加强大学生心理健康教育文件精神的实施状况？
2.开展大学生心理素质调研的基本情况?
3.学生心理健康教育开展情况，对学生教育工作的积极作用？
4.工作中存在的主要困难与问题？
十七、专业课教师访谈侧重点（4人）
1.高职高专教育思想观念（培养目标、培养模式、就业导向、产学结合）是什么？
2.对专业教学计划的熟悉情况？
3.本课程教学内容方法手段改革的做法及其效果？
4.学校强化学生职业能力训练的措施与效果？
5.学校对教师进修提高双师素质采取的措施及其效果？
6.在专业教学过程中是如何实施素质教育的？
十八、实践训练指导教师访谈侧重点（2人）
1.实践训练（实验、实训）在本专业人才培养过程中所处的地位？
2.强化学生职业能力训练的措施及其效果？
3.实践教学体系建立与实施状况？
4.学生参加社会职业技能鉴定状况与通过率？
附：参考学习材料详见学校评建专题网（http://192.168.0.8:8011）有关资料。
（一）上级文件
1.关于加强高职高专教育人才培养工作的意见（含附件）
2.关于全面提高高等职业教育教学质量的若干意见（教高［2006］16号）
3.关于加强高职高专教育教学工作的若干意见（冀教高［2005］44号）
4.中共中央国务院关于深化教育改革全面推进素质教育的决定
5.中宣部、教育部关于普通高等学校“两课”课程设置的规定及其实施工作的意见
6.中共中央国务院关于进一步加强和改进大学生思想政治教育的意见
7.中宣部、教育部关于进一步加强和改进高等学校思想政治理论课的意见
8.河北省委关于进一步加强和改进大学生心理健康教育的意见
（二）学校文件
1.关于进一步加强教学工作中心地位的意见
2.关于进一步加强教学工作提高教学质量的意见
3.关于加强产学结合教育的实施意见
4.关于全面推进学生素质教育的工作意见
5.关于加强和改革“两课”教学工作的意见
6.关于进一步加强和改进大学生心理健康教育的实施意见
7.关于大力加强实践教学工作的意见
8.关于加强毕业生就业工作的意见
深度学习的“深度”是相对于传统的分类、回归等“浅层学习”方法而言的。浅层学习方法会出现因样本和计算单元有限而对复杂函数的表示能力产生限制的缺陷, 致使这些浅层方法针对复杂分类问题的泛化能力受到一定制约。而深度学习的实质在于通过海量数据和构建多隐层的人工神经网络, 经过训练对原始信号进行逐层特征变换, 将样本在空间的特征表示映射到新的特征空间, 无监督地学习, 得到层次化的特征表示。
深度学习的层次结构一般由输入层、隐层、输出层组成。其中, 相邻层的节点之间有连接, 同一层节点之间无连接。这种分层训练的模式就是模拟人类大脑对外部输入的声音、图像、文本等数据进行从低维到高维的特征提取, 从而解释外部数据的过程。而深度学习正是因为其具有多层非线性映射的深层结构, 才可以完成复杂函数的函数逼近。
2 深度学习的经典算法
深度学习是机器学习的一个分支, 也有监督学习与无监督学习之分。例如, 卷积神经网络 (CNNs) , 多层感知机等属于监督学习;深度置信网络 (DBNs) 、自动编码器、系数编码等属于无监督学习。本文分别以卷积神经网络和深度置信网络为例进行介绍。
2.1 卷积神经网络 (CNNs)
Hubel和Wiesel在研究猫脑皮层时, 发现了一种可以有效降低反馈神经网络的复杂性的独特神经网络结构。受此启发, Fikushima、Le Cun等学者提出卷积神经网络, 并将其成功运用。而今, 卷积神经网络已经发展成为一种具有高准确率的图像识别方法。
卷积神经网络是一种包含卷积层和次抽样层两种特殊结构层的非完全连接的神经网络结构。卷积层由多个用于抽取表征的特征平面构成, 每个特征平面由许多神经元构成。卷积神经网络是一个多层的神经网络, 每层由多个二维平面组成, 而每个平面上分布着多个独立神经元, 上一层中的局部单元输出量作为下一层邻近单元的输入。输入图像通过可训练的滤波器加偏置量进行卷积, 卷积后在卷积层产生多个映射平面。次抽样层的特征映射平面需要将卷积层输出的映射平面中的每组像素通过求和、加权、偏置等操作, 再经过sigmoid函数的处理得到。之后, 次抽样层输出的映射平面经过滤波处理后得到新的卷基层, 并将其进行与次抽样层相同的处理得到下一层。最终, 这些像素值被光栅化, 并连接成一个向量输入到传统的神经网络, 得到输出。一般情况下, 都是先进行表征提取, 将每个神经元的输入与前一层的局部感受野相连, 通过一系列操作获取表征。一旦该局部表征被提取, 它与其他表征间的位置关系便被确定下来。特征提取后一般进行特征映射操作。网络的每个计算层由多个特征映射组成, 每个特征映射单元为一个平面, 平面上所有神经元的权值相等。特征映射结构采用严格递增函数sigmoid函数作为卷积网络的激活函数。它能较好地平衡线性和非线性之间的行为, 使得特征映射具有位移不变性。
此外, 由于相同映射面上的神经元共享权值, 因而减少了网络自由参数的个数, 降低了网络参数选择的复杂度。构建过程中, 卷积神经网络每一个特征提取层后都会跟随一个次抽样层。这种特有的两次特征提取结构、局部感受野、权值共享以及时间或空间亚采样等几种结构思想结合起来, 获得了某种程度的位移、尺度、形变不变性。
2.2 深度置信网络 (DBN)
深度置信网络是由多个受限玻尔兹曼机 (RBM) 堆叠而成的。RBM是由G.E.Hinton等提出的一种基于能量理论的概率模型, 并通过热力学能量函数定义了一个概率分布。RBM结构分为可视层 (v) 和隐层 (h) , 每一层节点之间无连接, 但层与层之间通过权值w彼此连接。这也是RBM的一个优点, 其所有可视的节点独立于其他可视节点 (隐层节点亦然) 。
RBM的传统训练方法:初始化可视层后, 在可视层与隐层之间交替进行吉布斯采样, 即用条件分布概率P (h|v) 计算隐层;将其输出作为可视层的输入, 同样用条件分布概率P (h|v) 来计算;重复进行这样的采样过程, 直到可视层和隐层达到平稳分布的状态。这种方式下, 通常需要使用次数较多的采样, 尤其是在数据的特征维度较高时, 使得训练效率不高。因而, Hinton提出了一种快速算法, 称作对比散度 (contrastive divergence, CD) 学习算法。这种算法使用训练数据初始化可视层后, 只需要较少次迭代就可获得对模型的估计[1]。
深度置信网络是将多个RBM堆叠起来。DBNs训练分为两个阶段:预训练与微调。预训练时, 每一层都是进行无监督学习, 将前一层的输出作为后一层的输入, 直至最高层。将训练好的网络参数值作为整体网络参数的初始值, 之后便是微调, 即利用有监督的学习对网络进行训练。
3 深度学习应用
近年来, 深度学习在图形图像、语音、文字数据的处理应用上取得了优异效果。图像是深度学习最早尝试的应用领域。Vincent等人将CNNs应用在MNIST数据库手写体识别中。由于使用局部感受野方法获取观测特征与平移、缩放和旋转无关, CNNs在手写体识别的效果极其理想。Kavukcuoghi等人采用无监督方法来学习多层稀疏卷积特征, 用于图像识别。与采用线性解码器从稀疏特征中重构图像的方法不一样的是, 这种方法训练了一个有效的前馈编码器, 从输入中预测准稀疏 (Quasi Sparse) 特征。2012 年10 月, Hinton教授以及他的两个学生采用更深的卷积神经网络模型在著名的Image Net问题上取得了世界最好成果, 使得对图像识别的研究工作前进了一大步[2]。Hinton构建的深度神经网络模型是使用原始的自然图像训练的, 没有使用任何人工特征提取方法。在自然语言处理领域, D.Bahdanau等人在K.Cho突出的一种基于循环神经网络的向量化定长表示模型 (RNNenc) 的基础上, 克服该模型中固定长度的缺点, 提出了RNNsearch的模型[3]。该模型在翻译每个单词时, 根据该单词在源文本中最相关信息的位置以及已翻译出的其他单词, 预测对应于该单词的目标单词, 效果明显优于RNNenc模型。
近一段时间, 深度学习被图形领域的学者所关注。Bu等人[4]也将深度学习引入3D模型中。他们通过对Google3D Warehouse的分析, 选择基于特征的描述符。首先, 他们使用尺度不变的热核描述符和平均测地线距离提取3D模型的低层描述符, 然后生成中层描述符LGA-Bo F (the local geodesic-aware bag-of-features) , 最后构建深度置信网络, 并将中层描述符作为输入进行学习。Qin等人[5]首次将深度学习引入3D模型的检索中, 他们选择基于视图的3D描述符即LFD, 从10 个光域对模型进行拍照, 每个光域获取20 个角度的模型图像信息, 然后从这些图像中提取泽尼克矩描述符作为深层神经网络的输入进行学习, 学习后的分类效果比较理想。
4 结语
深度学习已经成功应用于很多领域的模式分类问题。这一领域虽处于发展初期, 还存在许多问题, 但其对机器学习领域的影响力不容小觑。
摘要：深度学习作为机器学习的一个新的研究方向, 近年来在许多领域的应用中取得了突破性进展。2006年, Geoffrey Hinton教授发表的一篇文章开启了深度学习在学术界和工业界的浪潮。如今, 深度学习已经在许多领域的应用中具有举足轻重的地位。2012年, 谷歌Google Brain项目建立的深度神经网络学习模型, 在语音识别和图像识别领域获得了巨大成功。2013年, 百度CEO李彦宏宣布建立百度研究院, 其中第一个重点研究方向便是深度学习。同年, MIT Technology Review杂志将深度学习列为2013年十大突破技术之首。本文将主要介绍这一逐渐兴起的新技术的基本概况。
关键词：深度学习,层次性学习,深度置信网络,卷积神经网络
参考文献
[1]SMOLENSKY P.Information Processing in Dynamical Systems:Foundations of Harmony Theory[A]//Rumelhart D E, McClelland J L.Parallel Distributed Processing[M].Cambridge MA:MIT Press, 1986:194-281.
[2]Hinton G E, Salakhutdinov R R.Reducing the Dimensionality of Data With Neural Networks[J].Science, 2006 (5786) :504-507.
这是黄文弼先生第一次考察蒙、新的日记，由黄文弼之子黄烈先生整理出版。此日记完整记录了黄文弼在这次考察过程中的所作所为，所思所想，涉及的知识面极广，是了解中瑞西北科学考察团必读的资料。此书已经很难买到纸质文本，但网上有电子版，可以下载打印。 2、徐旭生著《徐旭生西游日记》，宁夏人民出版社，2000年8月第一版。
作者为徐炳昶，字旭生，是中瑞西北科学考察团的团长。本书是他关于这次考察的日记，可以和黄文弼先生的日记相互参照阅读。往往对同一件事，他们有不同的看法。另外，他记下了在考察过程中很多学术上、思想上的想法。今天依然很有启发性。 3、［瑞典］斯文·赫定著（徐十周、王安洪、王安江译）《亚洲腹地探险八年（1927-1935）》，新疆人民出版社，1992年8月第一版。
这是斯文·赫定先生关于1927-1935年，两次率考察团考察中国内蒙、新疆的回忆录。原版1942年在瑞典出版，中文版是由徐旭生先生的孙子及外孙女翻译的。斯文·赫定所记事实基本属实，文风自由雄阔。不仅真实地记述了考察团的工作情况，也记述了当时新疆政局的真实状况，极有史料价值。
以上三本书基本上反映出了这次考察团的工作过程，至于他们科学考察的内容，另有学术专著发表。斯文·赫定等曾就这次考察出版了五十五卷的考察报告，他的回忆录是其中的三卷。另外，考察团中方成员袁复礼、刘淮衍（字春舫）都有相关的回忆文章发表，有兴趣深入研究西北科学考察团的读者可从网上查阅得到。
4、黄文弼著（黄烈编辑整理）《黄文弼历史考古论集》，文物出版社，1987年出版。
消防考试知识点哪些是可以推荐的？今天由新科消防培训学校给大家做一些知识点的推荐，希望能够给广大考生带来好的帮助，今天小编要推荐的消防培训学校则是新科消防培训学校，潍坊市新科消防安保职业培训学校是经人力资源和社会保障局批准，民政局注册登记，面向机关、团体、企业、事业单位开展以消防职业资格为主的民办教育培训机构。新科培训学校主要开展建(构）筑物消防员培训、注册消防工程师培训，同时面向社会开展订单式消防安全教育培训，为国家消防安全事业输送高水平的消防专业技术人才。
除理论教室之外，还有面积1000㎡的实操教室！实操教室拥有火灾自动报警系统、自动喷水灭火系统、消火栓灭火系统、消防炮系统、泡沫灭火系统、通风排
烟系统、CO2灭火系统、七氟丙烷灭火装置、应急照明系统、智能疏散系统、防火门监控系统、防火卷帘和防火卷帘联动控制系统、电源监控系统、柴油发电机组、各种灭火器等实物和操作设备。能够全面展示消防设施的基本原理、使用操作和维护保养，可供学员实地模拟学习，能够有效地保证培训质量。
新科培训学校拥有一支专业素质强、教学经验丰富的师资队伍，骨干教师均具有一级注册消防工程师、高级建（构）筑物消防员等专业技术职称，有丰富的消防安全工作经验。我们将在各级公安消防机关、中国消防协会、山东省消防协会以及各级人力资源社会保障部门的大力支持和指导监督下，为全面提升中国消防工作者的专业素质，为消防工作社会化做出更大的贡献。新科消防培训学校收集整理了如下资料，提供给广大考生。
绝大部分的人都认为，发生了火灾，先要找到水源，但是有些火灾，是不能用水来扑灭的。
1、遇水燃烧物质。如活泼金属锂、钠、钾;金属粉末锌粉、镁铝粉;金属氢化物类
氢化锂、氢化钙、氢化钠;金属碳化物碳化钙(电石)、碳化钾、碳化铝;硼氢化物二硼氢、十硼氢等。
2、融化的铁水、钢水在未冷却之前，不能用水扑救。避免水涌现合成，引起爆炸。
3、在个别状况下，不能用直流水扑救可燃粉尘，如面粉、铝粉、糖粉、煤粉等。避免造成爆炸性混杂物。
4、在没有良好的接地装备或没有切断电源的状况下，个别不能用水来扑救低压电气装备火灾，避免触电。
5、一些低温消费安装或装备着火时，不宜用直流水扑救。避免忽然冷却，引起装备损坏。
6、储存有少量的硫酸、浓硝酸、盐酸等的场合发作火灾时，不能用直流水扑救。避免涌现放热引起熄灭。
7、轻于水且不溶于水的可燃液体火灾，不能用直流水扑救。避免液体随水流散，匆匆使火势蔓延。
武汉是湖北省省会，集水、陆、空一体，扼守中国东西南北要冲，素有“九省通衢”之名，是中国大地之中一颗耀眼璀璨的亮星。市面上大大小小的消防培训企业比较多，到底哪个是比较适合我们的呢？在这里小编给你推荐的是：潍坊新科消防安保职业培训学校。其适用范围大，实用性强，是大多数人的理想选择。那么，实用的攻略有哪些？一般会选择哪家呢？哪个较实用呢？下面就随小编来看一看吧~ 冬季天干物燥，容易发生消防安全事故，因此企业加强对工人的消防安全管理培训就显得很需要。作为安全管理的重要课题，消防安全知识是管理人员和相关岗位员工须熟悉和掌握的。今天就为大家整理了本新消防安全管理培训的内容，希望对大家有帮助。
一、消防
消防是预防和扑救火灾的意思，更深层的意思为消除危险和防止灾难。中国已有两千多年的消防历史，“消防”是一个外来词，从日本引进。
我国消防工作贯彻预防为主、防消结合的方针，坚持专门机关与群众相结合的原则。按照政府统一领导、部门依法监管、单位全面负责、公民积极参与的原则，实行消防安全责任制，建立健全社会化的消防工作网络。
我国消防工作由国务院领导，由地方各级人民政府负责。公安部对全国消防工作实施监督管理，县级以上地方各级人民政府公安机关对本行政区域内的消防工作实施监督管理，并由本级人民政府公安机关消防机构负责实施。
二、灭火器的分类和使用
灭火器是一种可用手移动操作的轻便灭火器具。它结构简单，使用面广，操作方便，是扑救初起火灾需要的灭火器材。常见灭火器有以下几类：
1、化学泡沫灭火器
适用范围：适用于石油制品，油脂等火灾，但不适用于水溶性可燃、易燃液体以及用电设备类型的火灾。使用方法：
救火途中不得将灭火器倾斜，横向或颠倒。
距着火点10米左右时，即可将筒体颠倒过来，一只手紧握提环，另一只手抓住筒体底，将泡沫射准燃烧物。
如果可燃液体已呈流淌状燃烧，则应将泡沫由远而近喷射，如果在容器内燃烧，应将泡沫射高容器的内壁，切忌直接对准液体面喷射。扑救固体火灾时，应将泡沫对准燃烧猛烈处。灭火过程中，灭火器应始终保持倒置状态。
2、二氧化碳灭火器
适用范围：一般适用于扑救600伏以下的带电电器、贵重设备、图书资料及可燃液体的初起火灾。
灭火时要将灭火器提出防火场，在距离燃烧5米左右放下灭火器。
然后拉出保险销，一手握住喇叭筒根部的手柄，另一只手握紧启闭阀的压把。对没有喷射软臂的二氧化碳灭火器，应把喇叭筒往下成70-90度。使用时不能直接用手抓住喇叭筒体外壁和金属连接管，防止手被冻伤。灭火时，当呆燃物呈流淌状燃烧时，使用者应将二氧化碳灭火器的喷流由近而远向火喷射。
如果可燃液体在容器内燃烧时，使用者应将喇叭筒提起，从容器的一侧上部向燃烧的容器中喷射，但不能使二氧化碳射流直接冲到可燃液体面上。
在室外使用二氧化碳灭火器时，应选择上风方向喷射，在窄小的空间使用，操作者使用后迅速离开，以防窒息、中毒。
3、干粉灭火器
适用范围：适用于扑救石油及产品、可燃气体、易燃液体、电器设备等初起火灾，广泛用于车间、矿山、船舶、油库等场所。
使用方法：灭火时，快速将灭火器扛到火场，在距燃烧场5米处放下灭火器，然
后拉开保险销，按下压把，对准火场根部由近而远左右扫射。
三、消防灭火四法
目前主要采用控制可燃物，隔绝助燃物，消除火源，通过破坏燃烧条件的方法，终达到防火灭火的目的。
1、隔离灭火法
隔离灭火法主要根据发生燃烧须具备可燃物的这个条件，将已燃物邻近的所有可燃物隔离开，从而导致燃烧停止。
2、窒息灭火法
根据可燃物燃烧需要足够的空（氧）气，采用适当措施隔绝空气进入燃烧区，或采用不燃物质或惰性气体稀释空气中的含氧量，终让燃烧物因缺乏氧气而熄灭。窒息灭火法普遍适用于扑救密闭房间和生产装置、设备容器内的火灾。
3、抑制灭火法
抑制灭火法主要是将灭火剂喷在燃烧物体上，所喷物质参与燃烧反应过程，使燃烧中产生的游离基消失，形成稳定分子或低活性的游离基，终使燃烧终止。
4、冷却灭火法
冷却灭火法主要根据物质发生燃烧须达到一定温度这项条件，直接将水或灭火剂喷洒在燃烧的物体上，从而使燃烧物的温度降低到燃点以下，终止燃烧。
四、消防法律法规
我国目前已经颁布施行消防法律、规章20余部，国家消防规范、国家和行业技术标准200余部，地方性消防法规60余部，初步形成了以《消防法》为基本法律，以消防法规和技术规范、标准以及地方性消防法规相配套的消防法规体系。
1、消防法律
1998年4月29日，第九届全国人民代表大会常务委员会第二次会议审议通过了《中华人民共和国消防法》，同年9月1日起施行。
2008年10月28日，第十一届全国人民代表大会常务委员会第五次会议通过并公布了现行《中华人民共和国消防法》，自2009年5月1日起施行。
2、地方性消防法规
各省、自治区、直辖市的人民代表大会，根据《消防法》的原则规定，结合当地实际情况，制定了地方性消防法规。
3、部门规章
根据《消防法》原则，公安部先后颁布了《建筑工程消防监督审核管理规定》、《火灾事故调查规定》、《消防监督检查规定》、《机关、团体、企业、事业单位消防安全管理规定》等部门规章。
4、消防技术标准
全国消防标准化技术委员会负责制修订和审查各类消防技术标准草案。消防技术
标准经消防标准化技术委员会审定后，报送中国国家标准化管理局或公安部技术监督委员会批准，作为国家标准（GB）或行业标准（GA）公布施行。现已颁布施行的国家标准和行业标准达250多项。
工程建设类消防技术标准主要由公安部消防局组织制定，经建设部批准后，作为国家标准（GB），由国家质量监督检验检疫总局和建设部联合发布施行。
五、消防栓
1、消防栓的组成
消防栓主要由消防水带、水枪、消防水阀门、专用消防水池、消防水管，报警自动加压水泵等零件组成。
2、使用方法
发生火灾时，先用消防钟打破报警玻璃，然后抛开消防水排，将消防水带的一头套在消防栓口上，另一头接上水枪，抓稳水枪后拧开消防栓水阀门对准着火点喷射。
在抛消防水带时，要将水带抛顺，不要有拧、折叠现象；拧消防栓水阀时应抓稳水枪后进行，免于水枪在水压作用下摆动伤人，水阀也应尽量拧开，以保证水枪水压和出水量。
六、火场救护
1、报警
一是向周围的人员报警；二是向单位及本单位的义务消防队报警；三是向当地公安消防报警。
2、灭火
火灾初起可控时，可用灭火器灭火，也可使用消防栓，但不具备灭火技能时，建议尽快撤离。
3、救护措施
发生火情，有人被困时，应首先组织力量，先要救人，救人与救火同步进行的原则，积极施救。（1）自救方法
发生火灾后，先迅速选择与火源相反的通道脱离险地，不能因为穿衣、找钱财而耽误宝贵的时间。逃离时若遇浓烟，应尽量放低身体或是匍匐爬行，千万不要直立行走，以免被浓烟呛窒息；衣服被烧着也不要惊慌失措，赶快在地上翻滚，使
火熄灭。
如楼梯起火，但尚未烧断且火势不猛烈时，可披上用水侵湿的衣服或被单由楼上快速冲下；如楼梯已经烧断且火势相当猛烈时，可利用房屋的窗、阳台、自来水管等逃生，也可用绳子或把床单撕成条状连接起来，一端拴在牢固的门窗或其他重物上，然后顺绳子或布条滑下。
有避难层、疏散楼梯的建筑，可先进入避难层或由疏散楼梯撤至安全点。如逃生之路被切断，尽快退入室内，采取防烟堵火措施，关闭门窗，并向门窗上浇水，以延缓火势蔓延过程，还要用多层湿毛巾捂住口鼻，做好个人防护。
（2）救人方法
转移救人术：当某单元楼房发生火灾时，可引导被困人员通过屋顶或阳台转移到另一单元进行疏散抢救。
缓和救人术：当楼房火灾面积较大，受困人员较多时，可先引导，疏散受困人员到安全地点，然后再设法转移到地面。
绳管救人术：利用室外排水管或安全绳子抢救被困人员。
缓降救人术：利用缓降器等消防救护设施，把被困人员疏散到地面。控制救人术：用水抢控制住楼梯间的火势，引导被困人员迅速冲下。
架梯救人术：利用云梯、曲臂车、三节或二节拉梯、挂钩梯、单杠、摇梯等登高工具，架设在楼房安全位置实施抢救。
拉网救人术：可以张开救生网或用衣服、棉被、帆布等设在地面，以供被困人员跳楼逃生。
下面我讲一下卷积神经网络的结构。卷积层是卷积神经网络的核心组成部分，其具有局部连接和权值共享特征。卷积层所完成的行为就是前一层的一个或者多个特征图作为输入与一个或者多个卷积核进行卷积操作，产生一个或者多个输出。为了使神经网络具有非线性的拟合性能，须要将得到的结果输入一个非线性的激活函数，通过该函数映射后最终得到卷积层的输出特征图。左图是卷积的示意图。
子采样层的作用是对卷积层输出的特征图进行采样，如右图所示，采样层是以采样区域的大小为步长来进行扫描采样，而不是连续的。每个子区域经过子采样之后，对应输出特征图中的一个神经元，神经元的值有一个计算公式在这里我就不赘述了。
经过卷积神经网络逐层提取到的特征可以输入任何对于权值可微的分类器。这样使得整个卷积神经网络可以采用梯度下降法等基于梯度的算法进行全局训练。下面我们详细介绍一下在卷积神经网络和其他神经网络中都使用比较广泛的softmax分类器和在分类任务中表现优秀的支持向量机。Softmax分类器其原理来源于softmax回归模型，而softmax模型是将logistic回归模型推广到多分类问题上得到的，Softmax 分类器属于有监督的分类器，但是很多时候，该分类器也可以和深度学习模型或者是无监督学习模型一起连接使用。
支持向量机是一种有监督的学习方法（分类器），与模式识别、计算机视觉有着紧密的联系，已广泛地应用于统计分类以及回归分析。
支持向量机属于线性分类器，其优点是能够同时实现最大化几何边缘区与最小化经验误差，因此支持向量机也被称为最大边缘区分类器（maximal margin classifier)。
对于卷积神经网络的训练，包括人工神经网络的训练，经过多年的发展，主要有三种方式，即完全有监督方式[29,30]完全无监督方式[31]和有监督与无监督方式相结合的方式。
有监督学习是属于机器学习中的一种学习方法，可以从已标记的训练集样本中学习到映射函数。在有监督的学习中，每一个训练样本都包括一个输入对象（通常是以向量的形式表示）和一个理想的输出值，该理想输出值也被称为监督信号。监督学习算法通过对数据分析，进而学习到一个映射函数，该函数能用于映射新的数据样本。一个理想的情况是，对于新的数据样本，该映射函数能正确的给出其类别标签。
在卷积神经网络中，通常采用有监督的方法直接进行训练，有监督的方法最常用 的是基于梯度的方法。一般采用的是批处理随机梯度下降法。与有监督学习相对应的是无监督学习，无监督学习并不要求输入的训练数据带有标签，其主要目的在于从无标签的数据中找到隐藏的、更加抽象的结构。
在模式识别和计算机视觉领域，采用无监督学习算法来提取特征已经有很长时间的 应用历史了。无监督学习的方法，如稀疏自动编码机、限制玻尔兹曼机、高斯混合模型、主成分分析和k均值等在计算机视觉领域都有着 大量的应用。
可将具体的无监督学习算法看做一个黑盒子，其功能是从数据中学习到可以将输入数据映射为一个新的特征向量的映射关系。
卷积神经网络采用上述框架进行逐层无监督学习，有效解决了训练样本不足的问题。
随着机器学习的迅速发展，无监督学习算法也越来越多，在卷积神经网络的发展方面，今后的可能的发展方向是研究更加适合在卷积神经网络中使用的无监督学习算法，改进传统神经网络的学习方式，以提升其性能。
由于深度网络可以无监督地从数据中学习到特征，而这种学习方式也符合人类感知世界的机理，因此当训练样本足够多的时候通过深度网络学习到的特征往往具有一定的语义特征，并且更适合目标和行为的识别。
应用部分
虚拟人脑是谷歌2012年研发出来的基于深度学习的具有自动学习能力的人工智能项目。它采用1000台计算机共 16000个计算节点，利用Youtube网站上的视频作为训练集，花费3天的时间训练出9层的深度自编码器网络。其训练出来的深度神经网络已经可以模拟一些人脑的功能。
2010年开始的大规模视觉识别比赛(ILSVRC)是在ImageNet数据库上进行的有关视觉目标识别的比赛。ImageNet 有超过 10000000 幅图像，超过1000个类别，是目前公开的最大的视觉数据库，因此在这个数据库上进行的比赛反映了目前计算机识别技术的最高水平。
图像的分类和标注是计算机视觉中的两个重要问题。图像分类指的是对图像内容作整体的描述，例如给定一幅图像判断它属于“海滩”、“厨房”、“卧室”等预先定义好的类别中的哪一类;而图像的标注指的是对于图像中包含的内容作出判断，例如一幅图像中是否包含“天空”、“汽车”“，树木”等预先定义好的内容。很显然，这两个问题是相关的，虽然对于这两类问题，都有很多方法来解决各自的问题，但是却只有很少的工作尝试同时解决这两类问题两类问题，目前最流行的方法是使用LDA来进行建模。
最近，有一批科学家提出使用基于神经自回归分布估计器的监督性神经自回归分布主题模型来同时处理图像分类和标注问题。这个算法是一种基于NADE的监督性主题模型，它使用“前向—反向”两步进行优化，在其优化过程中不存在像 LD一样的难于计算的归一化因子，因此整个模型可以准确地和有效地求解。文献表明这个模型在同时解决图像分类和标注问题中优于其他主题模型，并且会学习到具有语义特征的“主题”，就是这幅图里面展示的。
[58]
5、智能汽车系列研究报告
《2017-2021年中国智慧汽车行业市场前景预测及投资咨询报告》 《2017-2021年中国无人驾驶汽车行业市场前景预测及投资咨询报告》 《2017-2021年中国智慧停车市场前景预测及投资咨询报告》 《2017-2021年中国新能源汽车市场推广前景及发展战略研究报告》 《2017-2021年中国车联网产业运行动态及投融资战略咨询报告》
6、大健康产业系列报告
《2016-2020年中国大健康产业深度调研及投资前景预测报告》 《2016-2020年中国第三方医学诊断行业深度调研及投资前景预测报告》 《2016-2020年中国基因工程药物产业发展预测及投资咨询报告》 《2016-2020年中国基因检测行业发展预测及投资咨询报告》 《2016-2020年中国健康服务产业深度调研及投资前景预测报告》 《2016-2020年中国健康体检行业深度调研及投资前景预测报告》 《2016-2020年中国精准医疗行业深度调研及投资前景预测报告》 《2016-2020年中国康复医疗产业深度调研及投资战略研究报告》
7、房地产转型系列研究报告
《2017-2021年房地产+众创空间跨界投资模式及市场前景研究报告》 《2017-2021年中国养老地产市场前景预测及投资咨询报告》 《2017-2021年中国医疗地产市场前景预测及投资咨询报告》 《2017-2021年中国物流地产市场前景预测及投资咨询报告》 《2017-2021年中国养老地产前景预测及投资咨询报告告》
模式识别、机器学习和深度学习代表三种不同的思想流派。模式识别是最古老的, 而且在现在术语中也是相对过时的一种说法;近些年, 机器学习发展迅速, 并且在相关领域的实际应用中取得较好的效果, 是当下计算机领域的热门技术, 不少初创公司为之兴起。而深度学习是继机器学习之后, 又一个崭新的研究领域, 现在还处于科研的初期阶段, 人们甚至都很难预测深度学习未来的影响力。
当下, 三者之间有以下发展态势:
(1) 机器学习就像是一个真正的冠军一样持续昂首而上;
(2) 模式识别一开始主要是作为机器学习的代名词;
(3) 模式识别正在慢慢没落和消亡;
(4) 深度学习是个崭新的和快速攀升的领域。
2 模式识别:智能程序的诞生
模式识别出现于上世纪七八十年代, 它主要是研究如何让计算机实现智能化, 比如对数字“3”的识别。在经过大量的测试和研究之后, 计算机科研人员通过构建程序, 进一步实现了五十年代一直被人们向往和崇拜的人工智能, 例如将“3”与“B”或者“8”区分开来。最初, 人们并不在意智能技术是如何实现甚至如何操作的, 只要减少人工操作就满足了大多数人的需求。不过, 如果你的算法对图像应用了一些像滤波器、边缘检测和形态学处理等一些高端的技术后, 模式识别相关专家就会对它产生极大的兴趣, 光学字符识别就是通过这些专家研究诞生的。因此, 把模式识别称为70年代, 80年代和90年代初的“智能”信号处理是合适的。决策树、启发式和二次判别分析等就是在这个时期研发出来的。而且, 在这个时代, 模式识别是计算机科研领域的“大红人”, 成为科研人员争相研究的技术。
2 机器学习:从样本中学习的智能程序
2.1 机器学习概念
机器学习是一门多领域交叉学科, 涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为, 以获取新的知识或技能, 重新组织已有的知识结构使之不断改善自身的性能。
2.2 机器学习发展状况
到上世纪九十年代, 随着模式识别计算方法的成熟和人们对人工智能的认识也越来越深入, 科研人员逐渐发现大数据的重要性。就是通过大量相关数据的采集积累, 用数据取代在图像方面非常有经验的专家。因此, 科研人员搜集大量的人脸和非人脸图像, 再经过某一个算法的计算, 然后经过计算机程序的自动识别计算, 等着计算机完成对这些图像的学习, 这是机器学习的研究思路。
“机器学习”是人为将大量相关数据输入计算机程序中, 计算机按照设定有规律有计划地消化学习这些数据, 发现总结出其中隐含的信息。计算机的学习要远远超过相关科研人员学习讨论得出的结论的准确性, 而且会通过数据来真实地说明事实存在但是人类很难发觉的信息。计算机的速度和精确度是人为很难达到的。
步入21世纪, 机器学习的技术水平逐步成熟, 成为计算机科研领域的重点研究对象。机器学习的应用范围也开始扩大, 不只是识别单纯的字符、图像, 逐渐向高新科技产业发展。比如实现机器人的学习、操作、行动, 以及在生物工程中, 对大量基因数据的分析, 还有在金融市场中, 通过分析大量数据变动, 做出市场预测等。机器学习不再是计算机科研人员的热门话题, 也成为机器人专家等各种运用到机器学习的领域争相研究的对象。
3 深度学习:一统江湖的架构
3.1 深度学习概念
深度学习是想通过模仿人脑的思考方式, 建立类似于人脑的神经网络, 来实现对数据的分析, 按照人的思维做出相关解释, 形成人们易于理解的图像、文字或者声音。
深度学习分为有监督和无监督学习两种类型, 学习模型根据学习框架的类型来确定。例如, 卷积神经网络就是一种深度的监督学习下的机器学习模型, 而深度置信网就是一种无监督学习下的机器学习模型。
3.2 深度学习现状及未来发展
如今的计算机领域, 随处可以看到一个夺人眼球的技术——深度学习。而在深度学习的模型中, 研究热度最高的是卷积神经网络, 是一种能够实现大量图像识别任务的技术。
深度学习的重点是对模型的运用, 模型中需要的参数是通过对大量数据的学习和分析中得到的。在深度学习的研究中, 还有大量的问题需要考虑解决。面对庞大的网络系统, 一个高维度的模型需要获得并且学习大量数据, 还要有对大数据的强大运算和分析能力。图像处理器就是类似于这样具有强大处理能力的工具。
深度学习作为目前炙热的科研项目, 存在很多急需要解决的问题。现在, 又还没有一本完整的关于深度学习的研究书籍甚至是学习指南, 相关的理论知识并不成熟, 现实操作中问题重重。虽然深度学习具有很强大的市场前景, 对人类的诱惑力很大, 但大家并不能仅沉迷于其中, 改变世界的进步手段仍然还有许多。不过, 只要人们通过不断增加机器学习技能, 深度学习的未来发展空间会非常广阔。
人们应该敢于思考和创新, 不受深度学习的框架限制, 勇于对这些框架进行调整改变, 进而得到协同当下工作的算法方式。未来, 通过人们对深度学习领域的深入了解, 相信深度学习一定会给人类带来现在难以想象的惊喜。然而, 伟大的发明定要有强大的专业知识、坚定的信念和一颗不屈不挠的心, 随着市场开发的加快, 这个美好的愿景一定会实现。
4 其他相关术语
(1) 大数据:大数据是个丰富的概念, 例如包含大量数据的存储, 数据中隐含信息的挖掘等。通过对大数据的学习和分析, 企业领导者从中可以得到很多决策性意见。大数据与机器学习的结合在前几年就已经开始出现, 并且结合范围越来越广泛。现在, 甚至软件项目开发中的普通员工都会接触到大数据、云计算这些服务。
(2) 人工智能 (Artificial Intelligence) :人工智能是上世纪五十年代提出的概念, 但同时也是最模糊不清的。相关专家认为:人工智能是研究人类智能活动的规律, 构造具有一定智能的人工系统, 研究如何让计算机去完成以往需要人的智力才能胜任的工作, 也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
5 结语
深度学习、机器学习和模式识别是关于智能学习领域的三个先后发展的技术, 这三者相似但关注的重点有所不同。相信随着人们创造力的不断提升和科技水平的不断进步, 深度学习和机器学习会带给人们越来越多的惊喜。
参考文献
[1]杜明, 周而重.机器学习在模式识别中的应用研究[J].科技信息, 2009 (9) :37-38.
[2]郑胤, 陈权崎, 章毓晋.深度学习及其在目标和行为识别中的新进展[J].中国图像形象学报, 2014 (2) :175-184.
[3]郭丽丽, 丁世飞.深度学习研究进展[J].计算机科学, 2015, 42 (5) :28-33.
[4]郭亚宁, 冯莎莎.机器学习理论研究[J].中国科技信息, 2010 (14) :208-209, 214.
摘 要：以自然深度学习大赛方式，贯彻自然智能教育，让学生亲近大自然，进行体验式教学，激发学生对生物学习的兴趣。以比赛中“印象丹霞”“艺术丹霞”两场为例，探究如何在生物课堂教学当中融入自然智能教育，充分培养学生的注意力、创造力、驾驭与包容能力，让学生找到生物学习的切入点，提升对生物的学习兴趣。
关键词：自然智能；深度学习；生物学
2016年1月29日—31日，第一届广东省大自然深度学习大赛在丹霞山世界地质公园拉开帷幕。本次大赛很好地贯彻了自然智能教育，每个选手都能积极投入，并在驾驭与包容能力上得到了一定的提升。
新课程理念下的生物教学，强调创设能引导学生主动参与的教学环境，注重学生各种潜能的发挥和创新能力的培养，体验参与性和体验性并存的互动探究教学。对于七年级学生，学习、观察能力较小学有进一步提升，但因科目从语、数、英3科变为6科，对于知识与能力所要求的广度、深度可能不适应，因此需要进行兴趣与能力的培养。本次大赛让学生亲近大自然，进行体验式教学，其中印象丹霞、艺术丹霞两场比赛中，很好地激发了学生对生物学习的兴趣。
一、零距离体验大自然，手脑并用来学习
依托丹霞山世界地质公园良好的教学环境，比赛设立了三个深入體验的场景，分别是考察微地貌、宏观地貌和动植物观察。无论哪个场景，都需要学生观察沿途及目的地的植被分布，需要学生采集自然物。这种带着目的性学习的方式，让学生有意识地去进行观察。而因为处在大自然的怀抱中，学生可以亲自去摸、闻、嗅，将书本单调的文字化为内在知识。
二、依事实写观点，自然观察大考验
学生需要依据三个场景中观察到的事实，迅速提炼重要信息组织文字，用思维图的方式记录其观点，独立完成自然观察报告。这个环节注重事实的撰写、观点的提炼以及两者之间的联系表达。
从作品的完成可以看出，有部分学生对事实与观点概念产生混淆，逻辑思维还不够强，但也有学生能够依据一系列的事实，升华提炼出一个核心观点。初中生的抽象逻辑思维能力正在逐步形成中，对于七年级学生来说，通过“事实—观点”模式的训练，非常有利于其知识点提炼能力的培养。
这场比赛以自然观察为基础，考验学生思维能力，学生写其所想、画其所思，在不同作品的对比观察中，发现自我、肯定自我，找到生物学习的切入点。
三、流动创作艺术品，团队合作显重要
学生以自然观察收集到的自然物为素材，进行流动创作。创作并非选手独立完成，而是由4个人轮流进行，共同拼出一幅艺术品，体现出团队合作的重要性。这不仅需要发挥视觉空间智能，还需要良好的沟通协作能力，让选手们在保持自己创意的同时，还学会顾及他人。
与陌生人共同完成一份艺术品的方式是新鲜的，在时间要求的紧迫性下，学生从手忙脚乱到有条不紊，从一片空白到才思泉涌。从完成的作品来看，有些作品整体能体现出一个共同的主题，反映出该组选手进行了良好的沟通，有的作品则单独的每一部分都不错，但整体不协调，这就是选手间缺乏沟通所致。从作品细节来看，有些选手别出心裁，在石头上刻字、将叶子剪出形状等，让人眼前一亮。交流合作、创造性都在这个比赛中得到了很好的体现。
以自然物进行创作，让学生感受到生物学习无处不在；因为合作完成艺术品，让学生感受到多学科综合带来的魅力。这场比赛让学生在合作中提升了对生物的学习兴趣。
四、对生物课堂模式的启发
1.构建户外活动课
作为实践性很强的学科，生物教学不应局限于课堂之中，而应让学生回归自然。现在的学生普遍患有“自然缺失症”，导致他们注意力、创造力的下降。而在课堂教学当中，结合生物学科特点，我们应当尽可能让学生亲自到户外去进行实践，发现知识，运用知识，以达到更好的教学效果。
2.跨学科综合设计课程
新课标提倡跨学科学习，例如，生物、地理、历史等学科有一定的同一性。我们可以根据教学内容设计课例，除了生物课所需学习的动、植物相关知识外，我们还可以把与地理相关的地图认知、地质地貌，与历史相关的历史文化等融入其中，从而锻炼学生对多学科学习的驾驭能力。
3.不同班级混搭上课
比赛当中家长、学生分组比赛，不同学校的学生进行小组合作学习，让所有选手都感到新鲜。在学校教学当中，我们也可以尝试在同一节课当中将不同班级的学生混搭，共同完成相同的任务，以更富有挑战性的课堂形式锻炼他们合作交流的能力。
4.多角度评价
传统教学当中，课堂的评价以习题的答对率为主，这会让学生形成模式化的思维，不利于创造性思维的形成。而这次比赛当中，完成自然观察报告、流动创作艺术品的方式给我们带来了启发。让学生在户外进行课堂实践之后，可以要求他们利用搜集来的自然物，随机组队，自己创设主题完成艺术作品；或者要求他们将课堂当中的所见、所闻、所思、所想，用自己喜欢的方式记录下来。这种无标准答案的作业，会赢得学生的喜欢，也因其无局限性，让学生能自由发挥，创新性、艺术性也因此得到培养。
教育不仅仅是知识，更需要社会实践。生物学习兴趣的提升是持续的，让学生回归自然当中，使他们形成良好的驾驭与包容能力，是学校教育、家庭教学需要共同努力的方向。
参考文献：
[1][美]洛夫.林间最后的小孩[M].湖南科技出版社，2013.
[2]钱晓茵.初中生物“活动课”的教学方法与实施对策[J].新课程：中旬，2015（5）：89.
