一种改进的适应性超媒体学习单元模型

在netUniversité这一平台上,结合IMS LD标准建立学习单元模型,并以此标准根据新的教学需求对已有模型进行改进.将HBDI 全脑模型结合入学习内容管理工具,利用设计时工具Reload Editor和运行时工具CopperCore Player构造学习单元模型.     

大学英语课堂教学有效任务的设计

本文探讨了目前在英语教学界影响较大的任务型教学法中任务的设计与运用,介绍了在课堂教学中的一些有效任务及其优越性。     

基于DHNN人工神经网络的指纹识别技术

给出一种基于DHNN人工神经网络的人的指纹识别技术 ,讨论了DHNN实现指纹识别的基本原理 ,在一定领域内不失为一种有效的识别手段。     

A fault diagnosis model based on weighted extension neural network for turbo-generator sets on small samples with noise

In data-driven fault diagnosis for turbo-generator sets, the fault samples are usually expensive to obtain, and inevitably with noise, which will both lead to an unsatisfying identification performance of diagnosis models. To address these issues, this paper proposes a fault diagnosis model for turbo-generator sets based on Weighted Extension Neural Network (W-ENN). W-ENN is a novel neural network which has three types of connection weights and an improved correlation function. The performance of the proposed model is validated against Extension Neural Network (ENN), Support Vector Machine (SVM), Relevance Vector Machine (RVM) and Extreme Learning Machine (ELM) based models. The results indicate that, on noisy small sample sets, the proposed model is superior to the other models in terms of higher identification accuracy with fewer samples and strong noise-tolerant ability. The findings of this study may serve as a powerful fault diagnosis model for turbo-generator sets on noisy small sample sets.     

一种小天体探测器绕飞轨道主动抗扰控制方法

针对小天体绕飞探测过程中,探测器受到的非球形引力摄动及太阳光压等多源扰动问题,结合绕飞探测的周期性特点,提出一种小天体探测器绕飞轨道主动抗扰控制方法。首先,通过迭代学习控制对小天体探测器受多源扰动影响产生的误差进行抑制,然后设计扰动观测器估计系统总扰动,构造自适应律实时估计扰动上界,进而设计控制律对总扰动进行主动补偿。最后以243Ida作为目标天体进行绕飞探测仿真分析,结果表明该控制方法能更加有效地提高小天体探测器的轨道跟踪控制精度。     

基于深度学习的目标检测框架组件研究

深度学习与计算机视觉的结合给目标检测研究领域带来了全新的检测模式,通过对基于深度学习的目标检测网络分析研究,目标检测网络框架可模块化地拆分为特征提取网络、多尺度融合和预测网络三个部分。从组成目标检测网络模块化的角度对各个模块进行了详细的分析综述,并给出了如何根据实际需求来构建适合的模型框架建议,为基于深度学习的目标检测方法研究提供参考。     

空间机器人操作：一种多任务学习视角

利用空间机器人辅助、代替航天员完成在轨服务操作是近年的技术发展趋势。基于学习的空间机器人操作以深度神经网络为控制器载体,对非结构化太空环境适应能力强,在高轨、地外、深空等场景具有良好应用前景。目前,无论是空间机器人操作,还是地面机器人操作,多数研究只关注单一任务学习问题。立足一种多任务学习新视角,针对空间机器人操作面临的多任务适应性要求高、精细化要求高、不确定性强问题,首先分析了在轨服务的多样化任务需求。其次,全面综述了机器人操作多任务学习算法与应用相关工作,分析了开展空间机器人操作多任务学习的难点挑战,给出了关键技术发展建议。相关关键技术的突破将有助于提升空间机器人系统的自主性、鲁棒性,进而助力中国在轨服务技术向无人全自主方向推进。     

高超声速飞行器滑模控制参数整定方法设计

本文针对高超声速飞行器滑模控制人工试凑的参数整定方法较为繁琐、效率低的问题,改进了连续动作学习自动机（Continuous action reinforcement learning automata, CARLA）算法并将其应用于滑模控制参数整定问题中,改进后的算法通过对回报函数的设计有效克服了常规CARLA算法收敛速度慢、易受干扰、求解效率低的问题。该算法引入控制性能指标评价函数,在迭代中学习阶跃响应的经验数据,实现了控制参数自整定。仿真表明,对于阶跃响应问题,本文提出的算法能够在100次迭代中整定出一组高品质的控制参数,完成对给定指令的快速准确跟踪,与遗传算法、模拟退火算法相比,在求解速度上具有显著优势。由于该方法不依赖于模型,除了滑模控制器参数整定外对其他控制方法的控制参数整定问题也有一定适用性,具有推广应用价值。     

工学结合模式下《公差配合与机械测量》教学探讨

主要从工学结合模式下对高职公差课程的改革进行了探讨。通过优化教学内容,加强实践操作,改革教学方法,提高了学生对课程的学习兴趣及对所学知识的运用能力,取得满意的教学效果。     

基于网络学习共同体的高职学生实践学习效果研究

学生未来职业发展的知识面的拓宽和技能提升是职业技术学院开展实践教学的最终目标,而网络学习共同体则是实现该目标的一种全新的模式。这一模式作为一种为大学生提供丰富的实践学习资源和拓展了职业实践教学的方法,在国内外日益普及。本研究以高职学生在网络环境中所形成的学习共同体为研究对象,对其实践学习的效果进行了调研。研究结果发现：学生实践学习自我效能感显著提高;共同体成员间有交互,但交互强度不够;学生在职业角色扮演中实现了一定的转变。这些结论最终反映了网络学习共同体有助于提升学生的实践学习效果和工作经验,增强学生就业竞争力．为学生今后从事未来职业打下了基础。