刍议高等数学中研究性教学的建构

研究性学习成为当前数学教育研究中的一个热点，也是当代建构主义学习理论与教学实践紧密结合的重要表现。高等数学系列课程的研究性学习因其重要意义同样成为高等教育中的一个不可忽视的问题，学生要开展研究性学习，这就决定了教师必须进行研究性教学。     

论高职高专学生外语学习动机的激发与提升

高职高专教育是我国高等教育体系的重要组成部分。近年来通过对部分高职高专学生外语学习动机的调查和分析，看到学生中普遍存在对外语课程的厌学和抵触现象。这不应简单归因于生源质量的下降，而在于高职高专教育模式的整合与个体差异的融入。这里对如何激发高职高专学生外语学习的动机提出几种具体的办法。     

基于条件随机场的实时入侵检测系统框架实现

入侵检测系统（IDS）如今是网络的重要组成部分,现在各种无线网络及专用网络都已配备检测系统。随着网络技术的迅猛发展,入侵检测的技术已经从简单的签名匹配发展成能充分利用上下文信息的基于异常和混合的检测方式。为了从网络环境大量记录信息中正确有效地识别出入侵,提出一种基于层叠条件随机场模型的入侵检测框架,该框架针对4类不同攻...     

基于极限学习机的修正当前统计模型跟踪算法

针对当前统计(Current Statistical,CS)模型由于先验知识的缺乏和其结构特点导致的跟踪精度降低的问题,通过使用极限学习机(Extreme Learning Machine,ELM)并根据目标历史状态信息,实时估计并修正CS模型的加速度估计值,提出了基于ELM的修正CS模型跟踪算法.ELM的训练结果表明...     

论网络在线测试及训练系统建设

在高等职业教育中,英语教学越来越表现其重要性.目前,计算机和网络的普及以及应用为英语教学改革与发展提供了新的方法和手段,为推行以学生为中心的自主式、个性化的教学方法提供了更加广阔的平台.通过分析在英语教学中存在的问题,提出了建立测试及训练系统的理论依据,介绍了该系统的特点,以期通过此平台更好地培育学生学习的自主性及延续性.     

平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。     

基于CNN 与BiLSTM 的退化设备剩余使用寿命预测

针对DC-DC 变换器难以建立物理退化模型的问题,提出了一种基于卷积神经网络和双向长短期记忆 神经网络的剩余寿命预测算法。首先,通过对DC-DC 变换器中关键器件进行失效模式分析,得到DC-DC 变换 器的失效特征参数;然后,采用卷积神经网络对多传感器信号进行融合和特征提取,获得百分比指数退化指标; 其次,将获得的健康指标输入到融合注意力机制的双向记忆神经网络中,利用注意力机制对输出结果进行加权 融合,利用不同的权重值优化预测模型,最后,利用蒙特卡洛丢弃法获得剩余寿命的区间估计,并通过仿真数 据验证了所提出方法的有效性。     

“工学六合”人才培养模式的探索与实践

长沙航空职业技术学院在人才培养模式上不断创新,探索出“工学六合”的人才培养模式,即专业设置与市场需求相结合、课程体系与工作过程相结合、课程标准与岗位要求相结合、教学情境与工作环境相结合、顶岗实习与学生就业相结合、学校考核与企业评价相结合等。     

某多挠性体卫星姿态的模糊神经网络控制设计

为改善多挠性体卫星的姿态控制系统,研究了一种基于模糊神经网络的控制器设计.根据某卫星的姿态和挠性动力学模型,给出了模糊神经网络控制器(FNNC)结构及其简化的带动量学习算法.仿真结果表明:FNNC能较好地适应卫星本体参数变化,对外界干扰的抑制能力良好,可满足高精度、高稳定度卫星的姿控要求.     

Prediction of ionospheric total electron content using adaptive neural network with in-situ learning algorithm

The Ionospheric Total Electron Content is responsible for the group delay of the signals from the Navigation satellites. This delay causes ranging error, which in turn degrades the accuracy of position estimated by the receivers. For critical applications, single frequency receivers resort to Satellite Based Augmentation Systems in order to have improved accuracy and integrity. The performance of these systems in terms of accuracy can be improved if predictions of the delays are available simultaneously with real measurements. This paper attempts to predict the Total Electron Content using adaptive recurrent Neural Network at three different locations of India. These locations are selected at the magnetic equator, at the equatorial anomaly crest and outside the anomaly range, respectively. In-situ Learning Algorithm has been used for tracking the non-stationary nature of the variation. Prediction is done for different prediction intervals. It is observed that, for each case, the mean and root mean square values of prediction errors remain small enough for all practical applications. Analysis of Variance is also done on the results.