外语学习中情感因素的调查与研究

外语学习中的情感因素主要是指学生们对外语学习所产生的情绪与感受,主要包括学习者的态度,动机与需求,自尊、自信与冒险心及焦虑情绪等。本文笔者通过对农村学生与城市学生的外语学习中的情感策略调查及分析,论述了对外语学习产生正面影响(如自信、冒险心等)的情感因素和一些对外语学习会产生极其负面的影响(如焦虑)的情感因素。并说明了外语教师除了传授知识和学习策略外,还应注重学生的情感教育。注意培养学生的学习动机,利用多元智能理论指导,培养学生的自信心缓解学生焦虑情绪。     

网络环境下英语听说学习策略的调查研究——以铜仁学院英语专业为例

英语听说学习策略是学习者在英语听说网络教学中学习所使用的特殊行为和技巧。以铜仁学院英语专业学生为研究对象,通过问卷,调查英语听说课网络教学中学习者英语听说学习策略的使用情况。调查发现,英语听说学习策略使用频率的高低反映出学习者是否在听说训练中充分利用网络优势,选择和利用各种网络资源,通过不同学习手段来实现他们的学习目标;不同英语听说水平的学习者对学习策略的使用存在显著差异,但学习策略的使用对英语听说水平并没有明显影响;学习者在运用某一英语听说策略的同时会使用其他多项英语听说策略,它们之间存在较大的相关性。     

基于XGBoost的航空器动态滑行时间预测方法研究

对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost 的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost 算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoos...     

弱模型依赖通用智能姿态控制技术

超高速跨域飞行、敏捷机动等是新一代飞行器发展方向,而长时高速飞行产生的气动外形变化带来的气动参数大范围改变等问题,都对控制系统设计提出了更高的要求。为提高飞行器对模型不确定性的适应能力及控制方法对不同外形、复合执行机构的通用性,深入研究了弱模型依赖的通用智能姿态控制技术,分层次地开展了基于深度学习(DL)的自适应姿态控制、基于深度确定性策略梯度算法(DDPG)的通用姿态控制、弱模型依赖的多维复合控制等技术研究,显著提高了控制系统的鲁棒性和通用性,对人工智能技术在飞行器姿态控制中的应用具有一定的指导意义。     

高校师德建设实践探索——以西安航空学院为例

师德建设是高校师资建设的重要内容。以西安航空学院已开展的工作为基础,从加强思想理论建设,建立完善各项相关规章制度,创建学习型组织等方面出发,探索构建高校师德建设的长效机制,推进高校师德建设向纵深方向发展。     

浅论戏剧在外语教学中的应用

探讨了将戏剧教学应用于外语课堂教学的具体实施步骤与方法,并结合实际教学效果阐述了戏剧表演在外语课堂教学中的潜在功能。实践证明戏剧教学不仅有利于学生对语言知识的深度学习和可理解输入,而且可以提高学生学习的自主性和交际能力。它是第二语言掌握的有效方法之一。     

Adaptive level of autonomy for human-UAVs collaborative surveillance using situated fuzzy cognitive maps

Collaborating with a squad of Unmanned Aerial Vehicles (UAVs) is challenging for a human operator in a cooperative surveillance task. In this paper, we propose a cognitive model that can dynamically adjust the Levels of Autonomy (LOA) of the human-UAVs team according to the changes in task complexity and human cognitive states. Specifically, we use the Situated Fuzzy Cognitive Map (SiFCM) to model the relations among tasks, situations, human states and LOA. A recurrent structure has been used to learn the strategy of adjusting the LOA, while the collaboration task is separated into a perception routine and a control routine. Experiment results have shown that the workload of the human operator is well balanced with the task efficiency.     

Deep reinforcement learning for six degree-of-freedom planetary landing

This work develops a deep reinforcement learning based approach for Six Degree-of-Freedom (DOF) planetary powered descent and landing. Future Mars missions will require advanced guidance, navigation, and control algorithms for the powered descent phase to target specific surface locations and achieve pinpoint accuracy (landing error ellipse <5 m radius). This requires both a navigation system capable of estimating the lander’s state in real-time and a guidance and control system that can map the estimated lander state to a commanded thrust for each lander engine. In this paper, we present a novel integrated guidance and control algorithm designed by applying the principles of reinforcement learning theory. The latter is used to learn a policy mapping the lander’s estimated state directly to a commanded thrust for each engine, resulting in accurate and almost fuel-optimal trajectories over a realistic deployment ellipse. Specifically, we use proximal policy optimization, a policy gradient method, to learn the policy. Another contribution of this paper is the use of different discount rates for terminal and shaping rewards, which significantly enhances optimization performance. We present simulation results demonstrating the guidance and control system’s performance in a 6-DOF simulation environment and demonstrate robustness to noise and system parameter uncertainty.     

论领导干部的表达力

领导干部的表达力,不仅是个人的人力资本,更是组织的宝贵财富。其现实表现具有策略性。通过个人的学习和组织的文化引领,可以实现角色转换、认同、超越,进而改善和提高表达力。