一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

基于网络的大学英语“1+X”课程体系构建研究

构建科学、系统、个性化的大学英语课程体系是高校大学英语改革的关键因素。基于相关的外语习得与教学理论,结合本校的教学条件和本校学生的现实基础,对构建有利于改善大学英语教学效果和提高教学质量的个性化教学体系做了详细论述及深入探讨,期望能推动大学英语教学改革的纵深发展。     

基于多模态组合互补性学习的时尚兼容度预测模型研究

在时尚单品兼容度预测研究中,多模态特征间的互补性以及融合特征对于视觉特征的相关性问题未得到充分挖掘。针对这个问题,提出多模态组合互补性学习的时尚兼容度预测模型。该模型由四部分构成：特征提取网络使用ResNet18提取视觉特征和LSTM提取文本特征;然后使用联合表征网络将视觉特征与文本特征映射到相同的多模态嵌入空间中,减小模态间的差异性增强互补性;考虑到互补融合特征对于视觉特征的相关性问题,特征融合网络使用了组合模块分别组合了视觉特征和多模态特征;最后使用类别感知的映射方法将多模态特征映射进基于类别感知的嵌入空间中分析时尚服装的兼容度。实验仿真结果表明,该模型在消融实验以及在时尚兼容度预测的相关评价指标上均有提升和优化。     

基于多任务辅助学习特征的瞳孔中心检测

眼动跟踪技术在航空领域极具潜力,其作为关键的信息获取和人机交互手段,可用于精确的目标瞄准、飞行员状态监测,对飞行安全和作战精准意义重大。而瞳孔中心检测作为核心技术,决定了眼动追踪系统的鲁棒性和准确性,本文提出一种基于多任务辅助学习特征的瞳孔中心检测算法,模拟人类视觉系统的多任务辅助学习特性,引入多任务模块,实现从粗到精的瞳孔中心检测,并通过试验验证了本文方法的有效性和先进性,从而提高了眼动跟踪的精度和准确性,为航空领域的各项任务和操作提供了更精确、高效和安全的手段。     

基于自适应记忆长度的多尺度模态融合网络

为了更好地利用点云和光学图像在自动驾驶领域的互补感知优势,提出了一种双模态融合网络MerNet。网络采用点云特征和光学图像特征并行编码的结构,在每一个编码阶段通过基于残差映射和膨胀点注意力机制的融合模块将光学图像特征单向融合到点云特征支路。设计了一种多尺度膨胀支路的级联空洞卷积模块,以加强点云的上下文联系,并在并行支路上采用瓶颈结构来降低上下文模块的参数量。为进一步优化参数更新过程,提出了一种自适应变历史记忆长度的优化算法,考虑了不同梯度变化趋势下历史梯度的贡献值。研究了一种基于交叉熵损失的协同损失函数,通过交叉比对不同模态的预测标签,并通过设定阈值筛选对比模态的预测特征,突出不同传感器的感知优势。在公开数据集SemanticKITTI上对MerNet进行了训练和验证,实验结果表明：提出的双模态网络能够有效提升语义分割性能,并使算法更加关注驾驶环境中的高危险性动态目标。同时,提出的上下文模块还能够降低64.89%的参数量,进一步提高算法的效率。     

中航空天发动机研究院有限公司完成质量体系建设首次集中工作

加速中航空天发动机研究院有限公司(以下简称研究院)质量体系建设,2013年6月24日至7月5日,研究院所属研究院所6位专家与本部9位质量管理员组成质量体系文件编制组(以下简称编制组),在北京首次集中工作。通过两周紧张而有序的团结协作,研究院确定了研究院本部产     

具有自学习功能的机载火控系统故障诊断系统研究

研究了一种应用于机载火控系统的具有自学习功能的故障诊断系统.首先介绍了系统的总体结构;然后通过分析火控系统的结构建立了层次诊断模型,并通过示例对诊断系统中知识的表达方法、推理方法等问题做了详细的分析;最后详细描述了系统的自学习机制.应用具有自学习功能的故障诊断专家系统,可实现综合化机载火控系统的智能故障诊断.     

基于多标签协同学习的跨域行人重识别

跨域是行人重识别的重要应用场景,但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题,提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示,以引导构建更关注行人前景区域的局部特征,达到语义对齐的目的,减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征,利用协同学习平均模型生成行人重识别模型的多标签表示,减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型,提高行人重识别模型的识别能力。实验结果表明：在Market-1501→DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上,与NRMT方法相比,平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%,多标签协同学习方法具有显著的优越性。     

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。