基于深度强化学习的空海联合作战智能决策新方法（英文）

针对空海联合作战中多装备复杂作战场景不确定性高的难点，提出了一种基于深度强化学习的空海联合作战智能决策新方法。为了统一表示复杂网络的输入、输出及其对应关系，提出了综合利用感知机、深度长短时记忆网络及actor-critic结构的方法。针对策略网络学习过程中的不稳定性及近似策略优化算法的缺陷，提出了改进的近似策略优化算法；针对策略网络自学习过程中对手策略的易变性，提出了基于模型性能和模型多样性的新策略以对于基线策略模型进行选择。实验结果表明，该方法在空海联合作战决策中是有效和稳定的。在第四届中国指控学会兵棋推演专项赛中，本方法在百余轮与规则决策算法及人类的对抗中胜率达到97%，较规则决策算法提升20%左右。     

BP网学习算法的改进及其在模式识别中的应用

提出了一种基于熵类误差准则函数的渐进收缩学习方法，避免了当模式反转时，传统ＢＰ算法的局域极小，加快了收敛速度，且有效地改善了网络的推广性能。此外，还提出了一种自适应学习率调整方法，克服了传统ＢＰ算法中固定步长不能适应复杂的误差曲面的问题，在收敛速度方面有较大地改善，并且对参数的敏感性小，有较好的鲁棒性。     

工学结合的精品课课程建设——通信专业岗位综合技能实训课程建设

工学结合是目前高职院校课程建设的方式之一,其主要目的是把行业工作过程融入到课程的学习情景中,从而提高学生的综合职业素养。通信专业的岗位综合技能实训课程是该专业的核心课程之一,它是在学习完成本专业基础课、专业基础课、专业技术课程后的最后一门核心课程。本课程通过工学结合的课程建设方法,以完成项目典型工作任务为基础,以项目驱动为手段,创造基于工作过程的学习情景,使得学生的学习内容与行业的工作岗位全面接轨,实现了学生的学校学习与行业工作岗位的零距离转换。     

基于机场属性网络表示学习的机场群同质化分析（英文）

现有机场群研究较少从航线网络分析角度进行机场节点之间的同质化分析,航线网络中机场节点的属性信息考虑不足。为了解决此问题,文中提出了一种基于机场属性网络表示学习的机场群同质化分析方法。首先,构建包含属性信息的机场群航线网络,如果机场之间有航班,则为机场之间添加一条边,并为每个机场节点添加航线区域属性信息。其次,分别进行机场属性以及机场网络向量表示,通过网络表示学习方法将机场属性和机场网络表示向量嵌入到统一的机场表示向量空间,得到融合机场属性以及机场网络特性的机场特征向量。通过计算机场群内机场向量的相似度,可以方便地计算机场之间以及机场群的同质化程度。京津冀机场群数据集的实验结果表明,与目前其他算法相比,本文提出的基于属性网络表示学习的同质性分析方法可以得到更符合京津冀机场群现状的同质化计算结果。     

SiamADN:用于无人机目标跟踪的孪生注意密集网络

基于深度学习的单目标跟踪技术在诸多计算机视觉应用中取得了卓越的效果.然而,现有跟踪器在图像目标变形、遮挡、移动等场景下的应用具有局限性.本文提出一种融合注意力机制和密集网络的孪生网络离线跟踪方法(SiamADN),重点针对无人机等小目标的跟踪任务.首先,算法应用密集网络来减少消失梯度,从而加强特征转移;其次,在密集网络...     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

基于网络的建构型外语教学活动之设计原则

建构型外语教学活动主张给学习者提供亲身体验的机会,并弓l导他们完成新意义的建构过程。基于网络的建构型教学活动改变了以往教师传授知识的模式,代之以个性化、多样化、以学生为主体的探究学习方式。本文以一堂英语报刊阅读课为例,具体阐释了基于网络的建构型外语教学活动的设计原则。     

基于网络语言学习中心的公共英语口语辅助教学设计

为了推进高校公共英语教学,以国家示范性院校建设为契机,学院建立了英语语言学习中心,开始了结合网络自主学习概念的公共英语教学改革的尝试。英语口语教学作为公共英语教学的主要组成部分,主要是以基于网络语言自主学习的辅助教学展开设计方案。     

基于分层分解的一种实时车辆路径规划算法

道路网络通常是大规模和复杂的网络，而一般的最短路径算法需要大量的计算时间。为了减少计算负担，本文根据分层和空间分解的道路网络模型，提出了一种基于存储数据的车辆路径规划算法，路径通过查询表格获得。提出的算法尤其适用于集中式车辆路径规划。仿真结果表明，该算法在计算次最优路径时更快且要求更少的内存单元。     

基于网络学习共同体的高职学生实践学习效果研究

学生未来职业发展的知识面的拓宽和技能提升是职业技术学院开展实践教学的最终目标,而网络学习共同体则是实现该目标的一种全新的模式。这一模式作为一种为大学生提供丰富的实践学习资源和拓展了职业实践教学的方法,在国内外日益普及。本研究以高职学生在网络环境中所形成的学习共同体为研究对象,对其实践学习的效果进行了调研。研究结果发现：学生实践学习自我效能感显著提高;共同体成员间有交互,但交互强度不够;学生在职业角色扮演中实现了一定的转变。这些结论最终反映了网络学习共同体有助于提升学生的实践学习效果和工作经验,增强学生就业竞争力．为学生今后从事未来职业打下了基础。     

大学英语网络教学平台之建构

《大学英语课程教学要求》颁布以来,我国一些高校积极探索采用以建构主义学习理论为基础的大学英语网络教学模式,以适应学生朝个性化自主学习方向发展的需求并解决我国大学英语教学中的普遍问题。本文介绍了基于局域网和基于校园网的大学英语教学,探讨了网络英语教学中师生角色的定位。     

基于自组织与LVQ神经网络的足球机器人协作策略学习

足球机器人系统目前已成为人工智能应用技术研究的重要实验平台，系统的核心部分就是决策子系统。本文主要研究机器人足球比赛中协作策略的学习问题，采用了自组织与学习向量量化（LVQ）神经网络算法实现了两个足球机器人的传球学习。提出了一种协作策略学习的改进算法。该算法通过对网络权值矩阵进行改进，可以显著提高网络的训练质量。仿真和实验结果表明了该方法的可行性与有效性。     

一种基于压缩传感和改进机场残差网络的信号调制模式识别方法（英文）

随着机场航站无线电设备数量的增加,迅速准确地识别通信信号的模式尤为重要。本文提出了一种基于压缩感知和改进残差网络的信号调制模式识别方法。首先,在信号预处理过程中引入了压缩感测方法,以丢弃采样信号的冗余分量,压缩后的测量信号作为网络的输入;然后,基于缩放的指数线性单位激活函数构造残差单元和残差网络,以解决训练时间长和样本相似特性难以区分的问题;最后,将全局残差引入训练网络以保证网络的收敛性。仿真结果表明,与前端的深度学习方法相比,该方法具有更高的识别效率和准确性。     

基于机场属性网络表示学习的机场群同质化分析

现有机场群研究较少从航线网络分析角度进行机场节点之间的同质化分析,航线网络中机场节点的属性信息考虑不足.为了解决此问题,文中提出了一种基于机场属性网络表示学习的机场群同质化分析方法.首先,构建包含属性信息的机场群航线网络,如果机场之间有航班,则为机场之间添加一条边,并为每个机场节点添加航线区域属性信息.其次,分别进行机...     

基于改进极限学习机的数据采集与监控系统攻击检测模型

提出一种基于改进极限学习机（Online sequence extreme learning machine， OSELM）的新能源电站数据采集与监控（Supervisory control and data acquisition， SCADA）系统攻击检测模型。首先使用ADASYN算法对数据样本中的异常数据和正常数据进行数量平衡，以满足真实电站SCADA系统环境中异常数据量少的特点。接着使用降噪自编码网络对平衡后的数据进行约简，消除无关或冗余特征以降低检测模型的训练时间。最后在AWID数据集上进行了大量对比实验，结果表明，所提的数据约简方法可有效地降低数据维度，降低了检测时间；与其他基于浅层学习算法的检测分类器相比，本文所提方法在检测准确度和误报率方面也体现出了更优性能。     

基于支持向量机的Webshell黑盒检测

Webshell是一种基于Web的网站后门程序。当前已有的Webshell检测方法都需要根据脚本程序源代码来检测,因此只能部署在服务器主机上,而且只能检测本机的网站代码。本文通过分析Webshell的HTML页面特征,提出了一种基于支持向量机(Support vector machine,SVM)分类算法的黑盒检测方法。该方法是一种有监督的机器学习系统,对先验网页的HTML页面进行学习,可以在未知脚本源代码的情况下对Webshell进行检测。实现结果表明,该方法在黑盒的条件下达到了较高的准确率和极低的误报率,并且取得了与白盒检测方法相近的检出率,可以部署在基于网络的入侵检测系统中,同时监测多台服务器是否包含Webshell,从而帮助监控入侵趋势和网络安全态势。     

网络控制系统的随机状态反馈控制

通过网络形成闭环的反馈控制系统称为网络控制系统，其特征是系统各组件之间可以通过网络交换信息。基于线性时不变被控对象的网络控制系统的离散随机模型．讨论了网络控制系统在两种离散性能指标下系统的随机最优状态反馈控制器的设计。定义了网络控制系统的随机稳定性、均方稳定性和均方指数稳定性，并证明了这两种最优控制器均可使网络控制系统均方指数稳定。最后，以网络控制下的釜式反应器为对象进行了仿真研究，结果表明了本方法的正确性和有效性。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

互联时代的深度学习理论与研究生英语口语能力培养

语言学习的最终目的是与人交流。培养学生的英语口头表达能力与学术英语写作能力是研究生阶段英语教学的重要任务和主要目标。在认知心理学、深度学习法和多元学习理论的指导下,着眼于如何运用多种有效的语言学习方法和训练策略,引导学生合理利用互联网络学习资源,结合个体学习需求(Need Analysis)和合作行为,通过深度语言学习(Deep Language Learning)进行基于内容或语言项目的探究(the Content-based/Project-based Study),促进英语口笔头输出能力和发展参与学术交流的能力。     

基于网络平台的大学英语自主学习现状与对策研究

基于网络平台的大学英语自主学习对大学英语教学产生了积极的影响。通过问卷调查发现,存在着学习目标不明确、学习内容不系统、自我监控能力较差等问题。应通过加强对学生自主学习策略的培养,落实学生的主体地位,加强网络监控来提高自主学习的效率。