基于深度学习的对流天气下终端区流量预测方法

为提高对流天气下终端区流量预测的准确性和稳定性,提出了一种多输入深度学习模型(Multi-input deep learning,MICL).在前人研究的基础上,扩展了影响终端区交通流的天气特征集,涵盖天气预报数据和机场气象报告(Meteorological Report of Aerodrome Conditions...     

基于深度学习的语义级中文文本自动校对研究

中文文本校对技术在字词级和语法级层面已取得了较好的效果,但在语义层面还没有比较成熟的方法。为实现语义级中文文本自动校对,将深度学习技术引入自动校对。首先,出于中文文本语义级自动校对的需要,在现有已公开的中文校对测试集的基础上,加入语义错误样本数据,并通过数据增强技术,扩大语义差错数据规模,以使训练集及测试集中语义错误占比达到50%以上。其次,针对典型的语义错误类型,构建其对应的语义知识集,包括成语知识集、古诗词知识集、历史人物主要事件朝代年表知识集、敬谦词知识集、地理知识集等。在建立语义知识集的基础上,基于BERT预训练模型对数据集进行训练。最后,经过预训练,在初步确定模型之后,结合关键参数,进行微调,确定最终的自动校对模型。     

基于启发式学习的折叠舵展开安全优化控制

为了降低折叠舵面快速展开冲击的负面影响,提出了基于启发式学习的折叠舵展开阶段舵系统安全优化控制策略.建立折叠舵系统动力学模型,解析了舵面展开过程的运动耦合特性,利用动量定理计算了冲击时刻舵面转动速度.建立了包含折叠舵系统的控制模型,基于折叠舵展开的3个关键指标,规划了基于控制模型的启发式学习优化策略.经过仿真训练,舵系...     

计算机专业外语教学改革研究

计算机专业外语是计算机专业的必修课程之一,只有熟练掌握专业外语,才能有助于阅读英文科技文献,了解最前沿科技知识,编写专业资料,便于今后工作中更方便的交流沟通,迈进国际化。本文主要根据教师在专业外语教授过程中的现状以及存在问题,探讨几种计算机专业外语教学的改革方法。     

终身教育与高校图书馆的关系

终身教育和学习社会化是未来社会教育的两块基石，高校图书馆是实施终身教育的重要基地，图书馆改革和发展应以终身教育思想来整合。文中提出了：“实施终身教育，建立学习化社会”的高校图书馆改革和发展的新目标，同时从高校图书馆管理的开放化、读者大众化等方面提出了高校图书馆改革和发展的新思路。     

ELF视域下基于项目式学习的听说课堂创新——以“跨文化字幕组”为例

“一带一路”背景下,我国的英语教育应从“标准英语”的理念中解放出来,关注与英语非本族语者(NNESs)的跨文化交际,培养英语通用语(ELF)会话者。ELF视域下,大学层次的听说课堂教学应当注重输入素材的多元化以及输出情境的真实交际性,而项目式学习(PBL)则与这些内在要求高度契合。文章以“跨文化字幕组”这一项目为例,探讨通过PBL实现听说课堂教学创新的可行性。     

基于高职扩招生源的课程教学设计逻辑起点与变革

随着高职扩招规模的增长,扩招生源已成为高职院校生源的重要组成部分,其主要学习特征和需求存在明显的差异性,对课程教学设计提出了新要求.课程设计者应厘清课程教学设计的总体思路,明确教学对象分析是课程教学设计的逻辑起点.建立以"学生为中心"的课程设计理念,采用"企校合建"模式,确定教学目标、重构教学内容、序化课程结构、创新教...     

基于时序建模的卫星故障检测方法

为解决当前卫星故障检测面临的依赖规则库、多元特征融合不足以及数据正负样本分布不均衡等问题,从卫星数据的时序特性出发,提出基于时序建模的卫星故障检测方法与半监督模型,实现卫星数据规律的有效挖掘与数据驱动的故障检测。考虑卫星数据间的时序关联,提出基于长短期记忆神经网络的卫星故障检测方法,并引入滑动窗口机制实现卫星数据的有效预测与故障检测。考虑卫星数据多元特征参数间的关联关系,引入时间卷积和自编码器神经网络,同时建模不同时刻、多元特征参数间的依赖关系,实现融合多元特征参数进行卫星故障的有效检测。以某型号卫星电源分系统为实验对象,仿真结果表明,所提算法和模型在关键指标方面优于BP神经网络等传统故障检测方法和模型。     

天基边缘智能光学遥感技术构想

边缘计算对智能遥感载荷的应用有着重要的作用,能极大促进人工智能解决方案的部署,研究边缘计算与智能遥感载荷在多方向的深度融合技术,实现海量数据下复杂需求的实时响应,是全面推进天基物联网智能化建设的必要一环。文章在研讨天基边缘智能遥感应用模式的基础上,提出天基边缘智能遥感的总体构想,分析了天基边缘智能遥感系统构建中的核心问题及需要解决的关键技术,并探讨了天基边缘智能遥感在今后发展中可能存在的问题与带来的挑战。     

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。