尚俊平
- 作品数：26 被引量：52H指数：4
- 供职机构：河南农业大学信息与管理科学学院更多>>
- 发文基金：中华农业科教基金河南省自然科学基金河南省社会科学界联合会调研课题更多>>
- 相关领域：自动化与计算机技术文化科学经济管理更多>>
- 农业专业搜索引擎建设探讨被引量：10
- 2005年
- 本文通过对用户使用搜索引擎情况的调查分析,提出建立农业专业搜索引擎是开发和利用网上农业信息资源的有效举措,阐明了农业专业搜索引擎的工作原理,最后分析了农业专业搜索引擎在技术上的改进。
- 杨鸿雁尚俊平徐延华王萌张宇
- 关键词：农业信息专业搜索引擎
- 在专业课教学中培养学生的信息素质被引量：4
- 2010年
- 以"数据库原理与应用"课程教学为例,探索如何在专业课教学中培养学生的信息素质:结合课程教学,通过对文献资源和搜索引擎的检索与利用,培养学生的信息意识和信息能力。
- 尚俊平刘合兵
- 关键词：信息素质专业教学教学方法
- 基于对分课堂的程序设计基础课程教学实践被引量：1
- 2023年
- 对分课堂教学模式是中国高校课堂教学改革的一种新探索。文章在研究分析其核心理念、关键创新的基础上,开展了程序设计基础课程的混合式教学设计,对时间分配、师生责任明确及评价体系设计进行了思考,并开展了教学实践。结果表明,对分课堂教学模式能有效提升学生的课堂参与度,提高学生学习的主动性,对提高教学效果、教学质量有明显的促进作用。
- 刘合兵尚俊平
- 关键词：同伴互助学习
- 面向赋能教育的程序设计类课程群教学改革与实践被引量：2
- 2021年
- 本研究从程序设计类课程群的特点及目前教学过程中存在的问题入手,秉持赋能教育理念,探索程序设计类课程群教育教学改革,从教学团队课程思政意识和能力培养、课程群知识体系构建、教学内容设计、教学资源建设、教学模式改革等方面开展教学改革与实践,构建基于能力培养的赋能教育生态体系,以期为程序设计类课程群教学提供参考与借鉴。
- 刘合兵尚俊平席磊
- 关键词：教学改革
- 在Visual FoxPro教学中值得注意的几个问题被引量：1
- 2007年
- 从格式和语法入手,以具体的实例分析和讨论了在Visual FoxPro程序设计语言教学和实习中学生容易出错的问题,如字符比较、str()函数调用、NULL值以及宏代换函数(&)等问题,并给出了解决方法.
- 刘合兵尚俊平
- 关键词：VFP教学
- 基于深度学习的农产品期货价格预测研究
- 2024年
- 提高农产品期货价格的预测能力可为投资者的投资交易和政府宏观调控提供一定借鉴.在对LSTM、GRU、BiLSTM三种深度学习模型进行对比研究的基础上,通过添加随机种子稳定预测结果、使用一阶差分降低价格预测滞后性、用正则化、回调函数等方法解决过拟合问题,对LSTM模型进行优化.利用大连商品交易所农产品期货数据,将优化后的模型应用于玉米、黄大豆1号、鸡蛋三种农产品期货的价格预测.预测结果评价指标表明,优化LSTM模型的均方根误差为17.04,平均绝对误差为13.94,误差分别降低了38.6%和33.6%.优化的深度学习模型能够用于预测农产品期货价格,为投资交易提供借鉴.
- 刘彦虹刘合兵尚俊平
- 关键词：神经网络时序数据
- 基于VFP的查询表单设计与实现被引量：3
- 2009年
- 利用SQL-SELECT、参数化视图和数据过滤器等方法设计并实现了查询表单,并对三种设计方法进行了讨论。
- 尚俊平刘合兵
- 关键词：VFP查询表单设计
- 基于VFP的数据库完整性设计
- 2008年
- 完整性约束是数据模型的重要组成部分,在应用系统开发中数据库完整性的设计十分重要。本文从实体完整性、参照完整性和用户自定义完整性三方面探讨了数据库完整性理论,并通过实例介绍了在VFP 6.0中数据库完整性的设计。
- 尚俊平刘合兵
- 关键词：数据库
- 加强大学生信息素质教育的思考被引量：2
- 2006年
- 信息素质教育是素质教育的重要组成部分。本文对信息素质教育的重要性进行了论述,对大学生信息素质现状进行了分析,提出了加强大学生信息素质教育的必要措施。
- 尚俊平刘合兵董勇
- 关键词：大学生信息素质教育
- 白条猪价格预测模型构建
- 2024年
- 【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。
- 刘合兵华梦迪席磊尚俊平
- 关键词：价格预测主成分分析神经网络
