航天员谈学习心得

最清楚中国首批航天员们这段学习经历的当然要数航天员本人了,他们也乐意向大家分享在学习过程中获得的心得体会或总结出的学习经验,以期与朋友们共勉……     

对商务英语专业学生英语学习风格偏好的调查与研究

论文对桂林航专2009级商务英语专业106名学生英语学习风格倾向的问题进行问卷调查,采用定性和定量分析相结合的方法,分析了商务英语专业大一学生英语学习风格上的倾向,由此作者对不同英语学习风格的学习者提出了如何充分利用和转变学习风格提高英语学习的有效建议.     

基于移动技术的大学英语听说混合式教学模式研究

随着当今信息技术和移动技术的迅猛发展,Wlan、3G、4G网络的覆盖范围日益扩大,智能手机、PDA、平板电脑等移动电子终端设备越来越普及,移动技术辅助英语教学和学习成为一个热门的研究领域。本文在国内外专家学者对于移动学习和混合式学习研究的基础上,探讨如何整合移动语言学习和课堂教学的优势,构建一种混合式的听说教学模式。     

影响大学生英语学习倦怠的情感因素

关于英语学习倦怠的现有研究主要集中于"倦怠"的测量、表现、产生及应对策略上,而针对影响倦怠的因素特别是情感因素的分析较少。情感涉及学习者个体对语言的认知以及对语言教学环境的心理反应等诸多方面,是语言教学中不容忽视的因素。本文以英语语言学习规律为背景,分析学习信念、学习焦虑、社交恐惧和自我效能感等情感因素对英语学习倦怠的影响。     

大学生研究性学习实施策略

研究性学习改变了传统的教学模式,教师由知识传授者转变为研究性学习中的组织者、指导者、促进者和参与者.课堂教学已不再是灌输给学习者多少知识,而是强调学习的过程.以培养学生其自主学习的能力为目标.因此,实施何种策略激发学生的兴趣,改变学生先前被动的学习方式是非常重要的.针对这些问题,论文提出四个研究性学习实施策略:(1)强调了利用网络进行研究性学习的优势;(2)阐述了图书馆信息资源的作用;(3)提出了研究性学习中新型的师生关系的确立;(4)指出了研究性学习中学习方式的改变.     

基于翻转课堂的混合式学习模式应用研究

混合式学习改善了课堂教学效果,提升了教学效率,也增加了学习机会。翻转课堂作为混合式学习的一种典型模式被广泛使用,本研究为提升高校课堂教学效果,设计了一种翻转课堂教学模式,并对其应用效果进行了研究。研究结合课程特点和在线学习的优势,合理设计翻转课堂,引入成熟的在线学习平台,并同时在理论和实验两种类型的课时中进行翻转,可以有效促进教师教学能力的提升,提升学习效果,改善学生对教师教学的综合评价。     

浅谈如何提高大一新生公共外语自主学习的策略

随着改革开放进程的加快我国社会迅猛向前发展,与此同时推动我国与国际世界的交往日益频繁,因此培养大量的有专业知识和技能同时能够熟练掌握一门外语的高级专业人才成为我国社会的紧迫任务。对于在校非英语专业的大学生来说,他们把大量时问都花在了本专业知识的学习上,因此英语学习时间就变得捉襟现肘,所以培养他们英语自主学习能力进而提高其英语学习效率就变得尤为重要。本文将首先介绍自主学习定义,然后阐述提倡自主学习的必要性,最后研究总结出如何提高非专业大一新生大学英语自主学习能力的策略。     

自适应学习率的增量强化学习飞行控制

针对预先设定学习率的增量强化学习(IRL)飞行控制律失败率较高,并且无法适应飞行器大范围动力学特性变化下的稳定控制问题,提出一种自适应学习率的增量强化学习(ALRIRL)控制方法.首先,基于小波分析方法构造控制系统稳定度评价函数,用于评估控制器稳定度.然后,基于梯度下降法设计学习率在线迭代计算方法,以提升强化学习控制器...     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题，提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法。首先利用源域卫星的遥测数据对1dCNN进行预训练，使得模型的卷积层具有卫星状态特征的提取能力；然后将训练好的模型迁移到缺乏标签数据的目标域卫星中；利用目标域有标签样本对预训练模型进行微调，从而实现了对目标域测试集样本的异常检测。为了使1dCNN能够适应遥测数据样本的不平衡性，引入了代价敏感训练策略，建立动态损失函数，从而提升代价敏感一维卷积神经网络(cs 1dCNN)对于异常样本的识别能力。以某两个卫星的电源分系统遥测数据进行了验证，实验结果表明该异常检测迁移方法具有较好的有效性和鲁棒性。     

华航大学生学习问题研究

学习是学生古老又常新的话题。大学时期的学习至关重要,它是架起学校和工作的桥梁,是学生掌握技能的重要阶段。本文详细调查了华航大学生学习的现状,指出了华航大学生学习中存在的问题,并给出了相应的解决对策。希望这些问题能引起大家对大学生学习的重视,帮助大学生圆满完成这一阶段的学习,让大学生学有所成、学有所长。     

专科学生英语学习动机研究

学习动机与学生的学习态度、学习策略及学习成绩是紧密相关的.它直接制约着学习的积极性,极大地影响着学生的外语学习效果.本文介绍了对大学生英语学习动机研究的过程及其教学启示.     

非英语专业新生大学英语学习策略初探

本文以国内外第二语言学习策略相关理论为基础,对非英语专业新生英语学习策略的使用情况进行了问卷调查,通过实证性研究分析,摸清了非英语专业新生的英语学习策略总体使用情况,以及学习策略的使用与性别的关系,并就如何培养非英语专业新生大学英语学习策略进行了初步探讨。     

专科学生英语学习动机研究

学习动机与学生的学习态度、学习策略及学习成绩是紧密相关的。它直接制约着学习的积极性,极大地影响着学生的外语学习效果。本文介绍了对大学生英语学习动机研究的过程及其教学启示。     

Is Route Learning More Than Serial Learning?

Abstract

The nature of route learning in terms of the memorizing of landmarks was investigated. In Experiment 1, participants memorized landmarks while being guided through a computer-simulated hallway (dynamic, with spatial context), or while viewing the landmarks one by one in front of a black background (static, without context). Two more conditions completed the 2 × 2 design. One condition preserved the dynamic landmark viewing properties (observers approached each object, passed it, turned to the next object, and so on), but the background was black (dynamic, without context). In the other condition the observer saw a stationary display of each object within a hallway, but did not approach the object (static, with context). Serial recall was much better after viewing the landmarks in the dynamic presentation format with spatial context than in the other conditions. Experiment 2 showed that the superior performance in the dynamic condition with context was abolished when all hallway segments were equally long. This implies that metric information is a component of route knowledge at a very early stage, which is incompatible with the dominant framework, but is compatible with the alternative framework for spatial microgenesis.     

一种基于学习的高超声速飞行器智能控制方法

针对吸气式高超声速飞行器的飞行控制问题，提出一种基于学习的智能控制方法。为便于控制器设计，将飞行器动力学模型划分为速度子系统和高度子系统：为解决速度子系统控制输入受限的问题，提出一种基于强化学习的智能控制方案；对于考虑有限通信资源的高度子系统跟踪控制问题，提出一种基于事件触发的确定学习控制方案。该方案包含离线学习训练和在线触发控制两个阶段。首先在本地离线学习训练阶段获取并存储系统的未知动态知识，随后利用所获取的经验知识设计基于事件触发机制的在线触发控制器。本文所提方案基于学习的思想将离线学习训练获取的智能体和经验知识应用于在线控制，使得所提方案能够快速计算控制指令且通信资源占用少。仿真结果说明了所提出方法的有效性。     

基于小样本学习的多因素单粒子翻转截面预测

针对空间粒子辐射效应评价中的多因素影响问题,提出了端到端数据驱动方法预测多因素条件下的单粒子翻转截面。首先通过卷积神经网络进行多因素特征提取,接着利用小样本学习匹配网络进行样本间特征融合,最后使用集成学习回归器预测重离子线性能量传输和单粒子翻转截面的关系曲线。在公开文献中提取的2种类型182个样本的小规模数据集上,对该模型进行端到端训练和测试,结果表明:该方法能够有效预测大部分场景下的多因素效应单粒子翻转界面,并能对各因素的重要程度给出量化评价,在国产处理器SM750的案例分析中获得了与重离子辐照实验相当的系统失效率上界。与传统方法相比,这种方法不依赖经验参数,具有更广泛的应用场景。     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。