OBE与CSE双视域下大学英语课程宏观与微观设计探索

大学英语教学质量的提升离不开宏观教育目标与微观教育过程的相互匹配。本文拟从基于产出的教育理念（OBE）和《中国英语能力等级量表》（简称CSE）双重视域,从宏观和微观层面对大学英语课程的学习产出进行定义、实现、评估和使用,以期实现学生在语言知识、能力结构和人文素养方面的全面提升。     

宁夏空管分局圆满完成“法规学习年”活动

2007年12月24日,宁夏空管分局组织104名干部职工进行了年度第二次法规学习考试,为分局开展的法规学习年活动画上了圆满的句号。     

基于深度残差网络的模拟电路软故障诊断方

航天电子电路的故障诊断一直是航天领域可靠性与安全性的一个热点研究课题,航天电子电路的故障将直接影响航天任务是否成功。提出了一种基于深度残差网络的模拟电路故障诊断方法。该方法使用短时傅里叶变换将电路的时域输出信号转换为二维电路图像,并将其作为神经网络的输入,再利用ResNet提取模拟航天电子电路的性能特征,确定元件的故障类型,完成电路的故障诊断。通过仿真验证了该方法的故障诊断性能。仿真结果表明,该方法能够实现高达99.1%的诊断准确率。     

基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了41%、25%、24%。基于高分二号卫星（GF 2）真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

基于U-Net的海洋锋智能检测模型

海洋锋作为海洋中两种不同性质的水体之间的边界,对渔业和海洋环境保护等许多领域有重要影响,如何快速准确实现海洋锋的自动检测和识别对于海洋监测和预报具有重要的科学意义。将深度学习图像分割网络与提取锋面特征的方法相结合,利用基于U-Net架构的实例分割模型,分别建立海洋锋区和锋面中心线的智能检测模型,同时在编解码过程中采用残差学习单元对模型特征提取网络进行改进。研究结果表明,锋面智能检测模型能够准确提取先前锋面检测算法所识别的锋区和锋面中心线特征,Dice系数分别达到了0.92和0.97,达到了很好的检测效果。同时,利用不同锋面阈值得到的样本数据对模型进行训练,比较结果表明,降低样本集阈值之后模型精度有了显著的提升。     

人工智能技术在宽域飞行器控制中的应用

针对人工智能技术在宽域飞行器控制中的两种应用技术途径进行了研究,其中包括利用深度神经网络辨识飞行器关键特征,实现控制增益的精准调度,提升对模型不确定性的自适应能力;以及利用深度神经网络建立神经网络动力学对飞行动力学的映射表达,实现“端对端”控制。最后对有待持续深入开展的人工智能应用研究进行展望。     

一种超低轨卫星干扰力矩与故障的估计及补偿方法

针对超低轨道卫星在轨运行时存在强烈大气阻力力矩以及姿态控制执行机构故障的情况,基于并行学习策略理论,提出了一种估计与补偿干扰和故障的方法。首先,作为参数辨识的一种思路,并行学习自适应辨识策略被引入到干扰及故障估计问题中,相较传统的观测器,该策略可将干扰和故障同时分别估计,并放松了对实时姿态信息及指令力矩信息的需求。然后,利用上述估计值设计姿态控制器以保证干扰及故障情况下实现卫星的高精度姿态控制。最后,通过对具体的任务过程进行数值模拟,验证了所提方法的有效性。