鲁棒的低秩鉴别嵌入回归

局部保持投影（Locality preserving projection, LPP）在特征提取中得到了广泛的应用。但是,LPP不使用数据的类别信息,并且采用L2范数来进行距离测量,对异常值高度敏感。本文从监督的角度考虑LPP的权值矩阵,并结合低秩回归的方法,提出一种新的模型来发现和提取特征。利用L2,1范数来约束损失函数和回归矩阵,不仅降低了对异常值的敏感性,而且限制了回归矩阵的低秩条件。然后给出了优化问题的求解方法。最后,本文将该方法应用于多个人脸数据库和掌纹数据集进行了性能测试,并将实验结果与现有的一些方法进行比较,结果表明该方法是有效的。     

高职学生自主学习现状的调查与分析

根据课题组对长沙航空职业技术学院学生进行的”高职学生自主学习情况”调查,本文从高职学生自主学习现状出发,通过对相关数据的统计调查,了解学生自主学习状况。通过数据分析和总结,旨在培养学生的学习兴趣并激发学生的学习动机,培养学生的自主学习能力,促进学生在教师指导下主动地、富有个性地学习,使学生真正成为学习的主体,从而提高学习效率。     

基于变换空间近邻图的自助型局部保持投影

局部保持投影(LPP)是一种典型的降维方法,通过保持数据的内在几何结构,LPP能够获得潜在的判别能力.然而,传统LPP的性能取决于人工预定义的近邻图,并且严重依赖于最近邻标准在原始数据空间中的性能.因此本文提出了一种新的降维算法--自助型局部保持投影(sdLPP).该方法首先执行LPP获得投影方向,然后在其变换的空间更新近邻图,并重复LPP.另外,本文还提出了一种改进的拉普拉斯打分(Laplacian score)标准作为算法迭代终止和判别力的参考.最后,在几个公共的UCI和人脸数据集上验证了该方法的有效性.     

动态系统仿真软件System view及其在信号与电子系统中的应用

本文介绍了E1anix公司的开发研制的动态系统仿真软件System view及其工作流程，并在此基础上着重分析了System view在《信号与系统》和《通信原理》两门课程中的应用。进而阐明了这类课程引入仿真技术的重要性。     

基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。     

基于模糊补偿神经网络辨识器的发动机转速控制系统

提出了一种带模糊补偿的神经网络辨识器,并应用在某型涡扇发动机转速控制系统中。一个动态神经网络用于被控装置的在线辨识,然后根据被控装置的输出和参考模型的响应迭代出控制信号,具有4条简单规则的模糊逻辑块用于提高整个系统的闭环特性。试验结果显示,对比传统的机械-液压式控制器和模拟式电子控制器,提出的控制策略具有更好的瞬变特性及抗干扰特性,同时提高了系统的过渡过程品质,保证了航空发动机对高性能指标和高控制精度的要求。      

网络环境下大学生英语学习动机与成绩相关性研究

根据学习动机理论和建构主义的网络学习理论，以西北工业大学大二的英语网络班学生为对象，通过问卷调查的手段，结合四级成绩和最近一次的期末考试成绩对英语网络班学生的学习动机进行了分析，并探讨了英语网络学习环境下学生英语学习动机和英语成绩之间的关系，了解了网络教学过程中学生的非智力因素状况，为今后的教学活动提供参考。     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

改进人工神经网络方法在天然气产量预测中的应用

将改进的人工神经网络方法应用到油气田产量预测中,并与传统预测方法进行比较,结果表明该方法的精度和可靠性较高,为油气田开发方案的合理编制提供了科学依据.     

我国外语教学面临的新挑战及新对策

从当今社会环境、学生自主意识是否得到发挥、教师是否具有先进的外语教学理念三方面探讨了影响和制约当前我国外语教学发展的主要因素，旨在激发广大外语教学工作对我国外语教学现状的思考，共同探讨提高外语教学质量的新措施及新对策。