实例推理中遗传训练算法用于机械失效模式识别的研究

采用实例推理和遗传算法相结合的方法，研究了航空机械零部件失效模式识别的问题。对用于识别的失效属性的选择、检索相似度计算、训练用遗传算法的适应度函数设计以及训练策略的影响进行了较为详细的描述。应用测试表明，对包含分布均衡的3种模式的情况取得了高于74．67％的识别率，所获得的最佳权值向量对另外2种模式具有很好的识别精度（大于73．3％），对混合多模式情况也具有较好的推广能力。验证了该方法对航空零部件失效模式的识别是可行的。     

基于神经网络在线建模的非线性动态系统中传感器故障检测方法

本文提出一种基于神经网络在线建模的动态非线性系统中传感器故障检测方法，它首先利用神经网络在线建立动态非线性系统的超前一步预测模型，然后利用神经网络对传感器的预测输出和传感器实际输出之差与一预定阈值比较以检测传感器故障。本文的优点是可以检测多个传感器故障，同时由于采用在线学习方式，非常适于航天器自主系统传感器故障检测的需要。此外，故障检测阈值的选取也比较简单。为了验证本文方法，仿真了一控制系统中同时发生漂移故障的两个传感器故障检测过程。结果表明，方法十分有效。     

英语习得与人为目的语环境的创造

"语言习得"与"语言学习"是外语教学理论研究中的两个重要概念,克拉申认为只有"习得"来的语言才能成为流利的口头表达,而"学习"只能起"监查"作用。在"学习"的条件下,通过营造人为目的语习得环境,以用为本,立足实践,学习者同样可以达到习得外语的目标。     

短纤维补强硅橡胶包覆材料研究

介绍了短纤维对橡胶补强的特性和机理。研究了四种纤维对用作火箭推进剂包覆材料的室温硫化（ＲＴＶ）硅橡胶力学性能的影响，分别考查了不同长度的碳纤维和不同添加量的高硅氧玻璃纤维补强后硅橡胶作用效果。     

Seeing the Forest or the Trees? Shifting Categorical Effects in Map Memory

People use spatial and nonspatial information to structure memory for an environment. Two experiments explored interactions between spatial and social categories on map memory when mediated by retrieval (Experiment 1) and encoding (Experiment 2) demands. Participants studied a map depicting business locations (including proprietors' race). In Experiment 1, participants completed two memory tasks, one globally focused and the other locally focused. The global task compressed, while the local task expanded, within-category similarity. Furthermore, processing styles carried over to the subsequent task. Experiment 2 emphasized either the spatial or social category during encoding, which increased that category's weighting in memory. These results extend the work of Maddox, Rapp, Brion, and Taylor, suggesting that retrieval and encoding demands can shift how these categories affect spatial memory.     

光学遥感图像船只目标检测识别技术

船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展，高分遥感卫星陆续发射，基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果，成为主流研究方向，但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果，对这些问题进行了归纳总结，并对未来光学遥感图像船只检测技术的发展进行了展望。     

基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间，提高空管部门间的协作效率，采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发，分析航空器在进近管制空域飞行时间产生差异的原因，提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签，基于提出的重要特征，采用岭回归、支持向量机、随机森林和神经网络算法，建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例，对4种机器学习模型进行训练、验证和测试，对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明，对于航空器进近飞行时间的预测，基于随机森林的模型表现出了最高的预测性能，模型的泛化能力最好、精确度高，回归效果越显著；进场状态是影响航空器进近飞行时间的最重要因素，而进场点和进场高度特征则对结果的贡献度最大。     

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题，提出了一种基于循环神经网络的故障诊断方法。对卫星姿态控制系统建模，进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据。设计六种异构的循环神经网络，对故障数据进行故障诊断和分类, 分别从网络深度、反馈单元、激活函数和训练算法对比网络效果。带有门循环单元的 (gate recurrent unit，GRU)深层循环神经网络训练效果更好，其故障诊断准确率达到了95.7%。结果表明对于时序的卫星数据，门循环单元和带有一定深度的循环神经网络故障诊断效果更优。     

识别无人机的无人值守光电告警系统

无人机的高速发展不仅为人类的生活带来了便利,同样也引发了各类安全问题。为此,近年来,我国重大涉密工业场所和交通枢纽为保障运行安全,积极建设了针对无人机的安防系统。光电告警系统是最重要的安防系统组件之一,其目的是识别目标和取得法律证据。介绍了一种针对无人机的无人值守光电告警系统,能够同时输出可见光和红外图像信息,并且能够自动识别目标类型。这套系统已经在我国重要的工业场所中成功应用,并取得了阶段性的成果,其成功的运行为后续智能化光电告警平台的发展奠定了基础。     

面向智能感知的小样本学习研究综述

小样本学习指只利用目标类别的少量监督信息来训练机器学习模型。由于其实用价值，学术界和工业界提出很多针对该问题的解决方案，但是目前国内缺少该问题的综述。本文对国内外学者提出的小样本学习算法及基于小样本学习的目标检测算法进行了系统的总结和探索。首先，给出了小样本学习的问题定义，列举其与其他一些经典的机器学习问题之间的联系，同时从理论上阐述小样本学习问题面临的挑战；接着，对基于小样本学习的图像分类进行了概述，并对其中代表性的工作进行介绍与分析；在此基础上，重点针对基于小样本学习的目标检测，特别是零样本条件下的目标检测问题，详细介绍和分析了现有的研究工作；最后，立足于现有方法的优缺点，从问题设定、理论研究、实现技术以及应用场景等几个方面对小样本学习的未来发展进行了展望，期望为该领域后续的研究工作提供启示。