建构主义教学模式对大学生学习方式影响研究

建构主义教学模式对大学生学习方式有重要影响,通过实证研究方法,研究了课堂环境下建构主义教学模式与大学生学习方式之间的内在关系。研究结果表明：以互动性、自主性为特征的建构主义教学模式与深层学习方式显著正相关,教学模式中的自主性对深层动机和策略的影响均显著高于互动性,且自主性可以更为有效地促使学生采用深层学习方式。     

Relevant experience learning: A deep reinforcement learning method for UAV autonomous motion planning in complex unknown environments

Unmanned Aerial Vehicles (UAVs) play a vital role in military warfare. In a variety of battlefield mission scenarios, UAVs are required to safely fly to designated locations without human intervention. Therefore, finding a suitable method to solve the UAV Autonomous Motion Planning (AMP) problem can improve the success rate of UAV missions to a certain extent. In recent years, many studies have used Deep Reinforcement Learning (DRL) methods to address the AMP problem and have achieved good results. From the perspective of sampling, this paper designs a sampling method with double-screening, combines it with the Deep Deterministic Policy Gradient (DDPG) algorithm, and proposes the Relevant Experience Learning-DDPG (REL-DDPG) algorithm. The REL-DDPG algorithm uses a Prioritized Experience Replay (PER) mechanism to break the correlation of continuous experiences in the experience pool, finds the experiences most similar to the current state to learn according to the theory in human education, and expands the influence of the learning process on action selection at the current state. All experiments are applied in a complex unknown simulation environment constructed based on the parameters of a real UAV. The training experiments show that REL-DDPG improves the convergence speed and the convergence result compared to the state-of-the-art DDPG algorithm, while the testing experiments show the applicability of the algorithm and investigate the performance under different parameter conditions.     

大型民用飞机应急撤离模型与仿真方法研究

在元胞自动机模型和行人流模型基础上,解决了飞机疏散模型中的元胞严重冲突问题,实现了模型元胞速度动态可变和对不同出口的流量控制,针对多出口状态下准确地模拟绕过复杂障碍物等要求,建立了基于大型飞机环境特点约束的网格吸引力概率模型,并通过应用某型飞机客舱布局作为算例进行了乘客应急疏散的过程模拟。最后在DELMIA平台下对人员的疏散行为进行建模并实现三维演示验证,模型的仿真过程接近真实情况,仿真结果和现有疏散实验结果相吻合。     

AFDX流量管制信用量设置的模型检查

航空电子全双工交换式以太网（AFDX）实时通信中,交换节点采用信用量令牌桶（creditedtoken bucket）进行流量管制。分别对基于帧和基于字节的信用量令牌桶流量管制进行时间自动机建模,并构建模型的并发交互场景;采用测试自动机,进行有界活性（bounded liveness）模型检查。通过形式化验证,发现流量管制通过约束突发度限制多路复用输出排队的时延抖动,但信用量值的设置必须考虑输入虚拟链路（VL）的时延抖动,否则可能导致已经聚合的流量中属于不同VL的帧的先后次序被破坏,反而造成更大的时延抖动。通过分析时延抖动对信用量设置的影响,归纳并给出流量管制信用量设置的注意事项。     

自学习自适应INS／Doppler组合导航系统

本文通过引入文［１］提出的自学习适应Ｋａｌｍａｎ滤波，而将氢此组成的具有自学习功能的智能组合导航系统直接建立在噪声分布密度的异步自学习估计上，由于此时的ＬＡＫＦ在每次重复滤波实验后可离线异步地学习模型与量测噪声的统计特性，从而可有效地避免滤波发散现象并能确保实时性。文中结合某飞行器，对ＩＮＳ／Ｄｏｐｐｌｅｒ组合导航系统进行了仿真研究，所得结果十分满意。     

人工智能在OODA 循环中的应用

当前人工智能(AI) 是商业和工业，甚至军事应用领域中最热门的流行语。军事国防领域也已经将人 工智能发展成为了一种技术，并应用到军事作战和决策系统中。最初OODA 循环是最知名的空战战术模型， 后来发展成为各国空军的作战方法。OODA 循环对于任务的定义和决策过程的理解起到了重要的作用。本文主 要研究了人工智能在OODA 循环决策中的应用。讨论了未来OODA 循环各阶段中所需的AI 作用和技术，包 括可解释的人工智能和基于学习的人工智能。     

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。     

Safety lifetime analysis method for multi-mode time-dependent structural system

It is important to determine the safety lifetime of Multi-mode Time-Dependent Structural System(MTDSS). However, there is still a lack of corresponding analysis methods.Therefore, this paper establishes MTDSS safety lifetime model firstly, and then proposes a Kriging surrogate model based method to estimate safety lifetime. The first step of proposed method is to construct the Kriging model of MTDSS performance function by using extremum learning function. By identifying possible extremum mode o...     

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...