基于跨模态近邻损失的可视-红外行人重识别

可视-红外跨模态行人重识别任务的目标是给定一个模态的特定人员图像,在其他不同模态摄像机所拍摄的图像集中进行检索,找出相同人员对应的图像。由于成像方式不同,不同模态的图像之间存在明显的模态差异。为此,从度量学习的角度出发,对损失函数进行改进以获取具有更加辨别性的信息。对图像特征内聚性进行理论分析,并在此基础上提出一种基于内聚性分析和跨模态近邻损失函数的重识别方法,以加强不同模态样本的内聚性。将跨模态困难样本的相似性度量问题转化为跨模态最近邻样本对和同模态样本对的相似性度量,使得网络对模态内聚性的优化更加高效和稳定。对所提方法在全局特征表示的基线网络和部分特征表示的基线网络上进行实验验证结果表明：所提方法对可视-红外行人重识别的预测结果相较于基线方法,平均准确度最高可提升8.44%,证明了方法在不同网络架构中的通用性;同时,以较小的模型复杂度和较低的计算量为代价,实现了可靠的跨模态行人重识别结果。     

基于深度强化学习的固定翼无人机编队协调控制方法

由于运动学的复杂性和环境的动态性,控制一组无人机遂行任务目前仍面临较大挑战。首先,以固定翼无人机为研究对象,考虑复杂动态环境的随机性和不确定性,提出了基于无模型深度强化学习的无人机编队协调控制方法。然后,为平衡探索和利用,将ε-greedy策略与模仿策略相结合,提出了ε-imitation动作选择策略;结合双重Q学习和竞争架构对DQN（Deep Q-Network）算法进行改进,提出了ID3QN（Imitative Dueling Double Deep Q-Network）算法以提高算法的学习效率。最后,构建高保真半实物仿真系统进行硬件在环仿真飞行实验,验证了所提算法的适应性和实用性。     

一类MIMO非线性系统的局部化自适应控制

针对一类不确定多输入多输出非线性系统,提出了一种局部化鲁棒自适应控制方法.提出的方法采用了指令滤波反推进行虚拟控制律的迭代设计.使用局部化逼近器对未知函数进行在线逼近.引入谱半径,避免了控制系数矩阵的估计必须非奇异的假设.对于固有逼近误差和外部扰动,采用自适应边界控制进行补偿.在自适应律中引入局部化σ修改,保证了边界参数估计的有界性,同时克服了全局遗忘特性.稳定性分析证明了提出的控制方法能够保证闭环系统的所有信号有界.仿真实例进一步验证了提出方法的有效性.     

课堂学习共同体视野下高职生的主体性培养

当前高职教育教学实践大多忽视学生主体性培育,造成学生主体性残缺不全,这种现实违背了素质教育的宗旨。为改变这种状况,结合公共英语课程教学实践,英语教师借助于课堂学习共同体,探索对高职生进行主体性培育的路径。英语教师要走下讲台,为学生主体性发挥创设环境;提供实践活动情境,唤醒学生主体意识;借助于小组合作学习,促进学生主体参与,发展主体性能力;开展元认知策略训练,激发学生的自我主体性培育。     

基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

你的热情会带领你成为更好的自己

《无戏言》这本书讲述11位中国游戏界大佬的人生逆袭故事。11位主人公都是中国目前游戏界的领军人物,但是他们每一个人的经历都是特别的,有男性有女性,有曾经的中专物理教师,有梦想成为航海家的人,有一路顺利晋升当上CEO,也有创业失败多次的人。     

关于实施动态学习评价促进高职英语课堂有效教学的行动研究

在高职英语课堂上,动态学习评价的具体方法主要包括为学生建立学习档案,通过问卷调查,了解学生学习意愿,举办座谈之类的活动,及时了解学生的学习情况等。动态学习评价在高职英语课堂上主要表现在教师要注意发挥多媒体在教学中的作用,组织英语演讲和角色扮演之类的活动,提高学生的综合能力。总之,动态性学习评价能够及时记录和了解学生的学习情况,能在很大程度上促进高职英语教学水平的提高。     

图模型与学习算法结合的贝叶斯网络自动建模

针对纯数据驱动的贝叶斯网络结构学习算法的准确度和效率较低的问题,提出了一种融合多信号流图模型与K2学习算法的贝叶斯网络自动建模方法。该方法利用多信号流图模型能够描述信号之间传递与依赖关系的能力,结合K2学习算法在结构学习中的优势,实现了专家知识与数据驱动方法有效融合的贝叶斯网络结构自动学习算法。通过与常用网络结构学习算法的对比实验证明,该融合算法显著降低了结构学习对学习范围和训练数据规模的要求,具有更高的学习准确度和运算效率。采用真实系统实例阐述了该融合算法的应用过程,验证了算法的实用性。