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     

高校音乐教学中学生乐感的培养

通过文献资料研究方法,对如何培养普通高校音乐教学中大学生的乐感进行探讨分析。在教学实践中学生乐感的培养,主要是通过提升学生的音乐欣赏能力,鉴赏水平,以及听唱练习等方法,发展学生的思维想象能力,提高学生的音乐感受能力和音乐理解水平,培养学生高尚的音乐情操以及对音乐的感知能力。音乐素养的提升是培养大学生音乐感知能力的有效途径和手段,大学生只有不断提升自己的素养,才能深刻、全面、准确的建立自己的音乐感知能力。     

基于工作过程的《制冷技术》课程教学设计

根据高等职业教育新的课程理念,对《制冷技术》课程的教学进行了改革。基于对实际工作过程的分析和思考,设计了学习情境,重构了课程内容,以学生为主体组织实施教学,创新了考核方法,有效地提高了教学效果。     

2+2+X大学英语教学模式下学生存在的问题与对策分析

自《大学英语课程教学要求(试行)》颁布以来,国内众多高校在构建学生自主模式等方面进行了一系列的改革探索。在新的时代要求下,自主学习能力的培养变得越来越重要。本文对学校中试行的2+2+X的大学英语教学模式中存在的问题进行分析,并就现阶段如何培养和提高我国大学生英语学习的自主性提出了几点对策。     

飞行学员英语自主学习情况调查及建议

通过定性和定量相结合的方法对飞行学员的英语自主学习情况进行了试验性研究。结果表明,飞行学员具有很强的自主学习意识,对英语学习态度积极,但学员自我管理能力较差,在学习中不善于制定计划,对学习环境和教师有很大的依赖,他们重视语言学习的过程而对语言学习的结果表示无所谓。此次调查为英语教师开展教学活动提供了建设性建议,教师应该督促学生制定计划,为学生创造英语学习环境,同时加大课堂语言输入量及输入的质量,对学生学习实施阶段性评价和终结性评价体系。     

试析马克思理论体系的两个思想资源

除了常说的三大理论来源以外,马克思的理论体系的形成还有很多丰富的思想资源,其中,基督教和<圣经>传统、古希腊神话和西方文学作品对马克思科学世界观、人生观、价值观的形成产生了深刻影响,马克思对他们采取了批判的借鉴的态度,从中汲取了丰富的营养,成为马克思理论体系重要的思想资源.     

将日本文化融入到二外日语教学的始终

每一种语言的形成和发展都与其社会环境密切相连，语言同时反映出一个国家和民族的历史和文化。从这个层面上说，教授语言同时也是在教授文化，学习语言的同时也是在学习文化。一个科学的语言教学体系，必须将文化教学紧密融入到语言的教学当中。鉴于当前的高校二外日语教学中鲜有独立开设日本文化课的情况，将日本文化融入到二外日语教学的始终，将会有效帮助学生在有限的学习时间里取得良好的学习效果。本文针对现阶段高校二外日语教学的特点，探讨了在日本文化背景下进行二外日语教学的重要性，并提出了一些文化导入的内容与方法。     

材料成型及控制专业“以赛促教，以赛促学”的教学改革探索

专业竞赛是培养学生创新能力和实践能力的一个重要手段。近几年来，我们组织材料成型及控制专业学生参加了各类竞赛，积累了经验，对材料成型及控制专业进行了以赛促教，以赛促学的教学改革探索。     

基于增量学习的高光谱图像目标检测

高光谱图像目标检测是高光谱图像分析中的重要研究内容之一。本文从经典有效的约束能量最小化算法出发,提出了一种基于增量学习的高光谱目标检测方法。当获得新的样本时,不需要重新计算所有样本的自相关矩阵即可对检测器模型进行更新,减轻了星上有限计算资源的负担。实验结果表明:本文提出的目标检测算法在压制背景光谱的同时可以更好地适应目标光谱,提高了算法的检测性能。     

Adaptive neural network control of nonlinear systems with unknown dynamics

In this study, an adaptive neural network control approach is proposed to achieve accurate and robust control of nonlinear systems with unknown dynamics, wherein the neural network is innovatively used to learn the inverse problem of system dynamics with guaranteed convergence. This study focuses on the following three contributions. First, the considered system is transformed into a multi-integrator system using an input–output linearization technique, and an extended state observation technique is used to identify the transformed states. Second, an iterative control learning algorithm is proposed to achieve the neural network training, and stability analysis is given to prove that the network’s predictions converge to ideal control inputs with guaranteed convergence. Third, an adaptive neural network controller is developed by combining the trained network and a proportional-integral controller, and the long-standing challenge of model-based methods for control determination of unknown dynamics is resolved. Simulation results of a virtual control mission and an aerospace altitude tracking mission are provided to substantiate the effectiveness of the proposed techniques and illustrate the adaptability and robustness of the proposed controller.