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。     

机载阵列雷达抑制运动杂波的学习算法

一种称为自适应空时处理器(STP)的线性滤波器是一种相对比较新的方法，它使机载阵列天线雷达目标检测概率达到最大。理论上，全自适应STP可以实时获得最优解(一种维恩滤波器)。但是，实际上全自适应STP也存在一些问题。首先，线性滤波器的加权数可能非常大。其次，单一加权矢量的计算复杂度大约为O(MN)^3。再次，STP为线性滤波器但却工作在非线性不稳定的环境中。这些问题导致采用空时处理器传统技术的实时、最佳处理是现行计算技术内所不及的。为使运动杂波对目标检测的影响最小，本文探讨了人工神经网络和几种学习算法的可应用性。人工神经网络是一种自适应、并行、分布式处理系统，可以实时完成复杂计算。学习算法的机理是为了存储新的信息或变更信息，人工神经网络中的长期存储器要不断更新而又不被破坏。由于学习算法既能在系统的使用期内保留信息又能变更信息，所以对雷达系统的计算要求降到了最低，同时还能适应环境的变化。     

身份学说与语言学习

本文从第二语言习得的身份学说与语言学习的关系的角度,阐述了在第二语言的学习过程中,学习者因个人在年龄、性别和接受能力等方面的差异、所处社会环境及文化背景的迥异,使得他们对语言的掌握程度不尽相同,由此强调实际语言教学中要注重因材施教。     

谈计算机专业英语的学与教

文章从计算机专业英语的特点入手，着重讨论了学习与讲授这门课程的方式以及应注意的问题。同时，对双语教学进行了简要的介绍。旨在如何更好的促进计算机专业英语的学习与教学工作，并为双语教学的顺利开展打好基础。     

卓越绩效评价准则

为了引导组织追求卓越绩效，提高产品、服务和经营质量，增强竞争优势，促进经济持续快速健康发展，根据《中华人民共和国产品质量法》、国务院颁布的《质量振兴纲要》的有关规定，特制定《卓越绩效评价准则》。本标准参照国外质量奖的评价准则，结合我国质量管理的实际情况，从领导，战略，顾客与市场，资源，过程管理，测量、分析与改进，以及经营结果等七个方面规定了组织卓越绩效的评价要求，为组织追求卓越绩效提供了自我评价的准则，也可用于质量奖的评价。本标准与GB／T 19001的最大差别在于它不是符合性的评价依据，而是为组织提供追求卓越绩效的经营管理模式，强调战略、绩效结果和社会责任。本标准的制定和实施可帮助组织提高其整体绩效和能力，为组织的所有者、顾客、员工、供方、合作伙伴和社会创造价值，有助于组织获得长期成功，并使各类组织易于在质量管理实践方面进行沟通和共享，成为一种理解、管理绩效并指导组织进行规划和获得学习机会的工具。     

基于小波神经网络的双足步行机器人步态规划控制器

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足，本文提出了一种基于广义小波其函数网络的神经元集聚模型，这种小波神经网络不仅收敛速度快，非线性逼近能力更好，而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

一种鲁棒性增强的机载网络流量分类方法

针对机载网络高度动态、高度不稳定造成流量监测设备难以在有限的监测周期内完成完整数据流负载特征的提取，限制了基于深度学习的流量分类方法的应用问题，提出了一种鲁棒性增强的机载网络流量分类方法。通过数据预处理及缺失样本处理方法将数据流映射为灰度矢量集合，基于完整的数据流训练数据集实现鲁棒性增强的长时递归卷积神经网络（RE-LRCN）分类模型的训练，在线上分类阶段，通过分类模型实现样本缺失数据流负载空间特征及数据流时序特征的提取，并进行数据流分类。通过在数据包缺失的流量测试数据集上的实验结果表明，所提方法可以有效抑制数据包缺失对分类准确性能的恶化。