一种基于多Agent强化学习的多星协同任务规划算法

在分析任务特点和卫星约束的基础上给出了多星协同任务规划问题的数学模型.引入约束惩罚算子和多星联合惩罚算子对卫星Agent原始的效用值增益函数进行改进,在此基础上提出了一种多卫星Agent强化学习算法以求解多星协同任务分配策略,设计了基于黑板结构的多星交互方式以降低学习交互过程中的通信代价.通过仿真实验及分析证明该方法能...     

新课改背景下西部地区小学《科学》课程学与教的现状初探——以新疆石河子市为例

通过问卷调查结合访谈和观察,对石河子市小学科学课程学与教的现状进行调查,结果发现:学生对科学课具有浓厚的兴趣,且非常喜欢现行的教材,但因本区小学科学教师师资不足、专业素养不高,加之教学设备有限,教学资源匮乏,多数学校班级规模过大,导致实践环节得不到保障,影响了课程教学质量。据此,强化小学科学教师队伍建设,加大科学教育经费的投入力度,缩减班级规模,改善学习环境,是本区适应新课改提高科学课程教学质量的有效途径。     

试论英语地名在英语教与学中的重要性

地名蕴含着丰富的文化信息,是语言的文化词汇的一部分。地名几乎总是有理据的,所以它们记录了一部分民族文化。很多词典轻视地名,外语教学也常常忽视地名。本文论述名词、专有名词、地名、地名与普通词语之间的联系、英美两国的地名来源,说明地名在英语教与学中的重要性,以引起师生注意。     

低温等离子体用于高功率微波防护研究

等离子体对于高功率微波的攻击具有独特的防护效果。基于等离子体流体近似方法,利用COMSOL软件研究了高功率微波与柱状等离子体阵列相互作用过程中入射电场随时间的演变过程,分析了等离子体防护高功率微波的物理过程和作用机理。研究结果表明,入射的高功率微波会使等离子体参数发生剧烈变化,特别是其电子密度将急剧增加,从而使等离子体对入射的高功率微波表现出类似金属的电磁特性,最终实现对入射高功率微波的有效防护。此外,利用高频辉光放电产生柱状等离子体阵列,通过实验验证了等离子体对高功率微波的防护作用。最后,总结了基于等离子体的高功率微波防护技术需解决的主要问题。     

一种改进的BP算法

ＢＰ算法是目前应用极为广泛的神经网络算法,但它也存在一些不足。文中提出了采用共轭梯度法及黄金分割相结合的改进ＢＰ算法（ＭＢＰ）,自适应调整学习率,提高了运算速度,减少了迭代次数。最后将标准ＢＰ算法和ＭＢＰ算法进行了比较,仿其结果表明：ＭＢＰ算法的学习次数和收敛速度得到极大改善。     

引导学生积极参与数学课堂学习的探索与实践

树立新理念,创建和谐学习情境,唤醒学生的主体意识,让学生在积极的思维和情感活动中主动地参与教学过程就越来越显现出其重要性了,这也是新课程改革给我们提出的最基本的要求。本文从兴趣引路,激发学生主动参与的积极性;营造民主和谐的氛围,创造学生主动参与的环境;开展小组合作学习,构建学生主动参与的平台;体验成功的愉悦,培养学生的创新能力;正确运用评价,树立学生主动参与的信心等五个方面,阐述了在数学课堂教学中如何让学生主动参与学习。     

当代教师的基本素养

随着社会对人才培养质量要求的提高,对教师的素质有了更高的要求,要求当代教师具备教学反思的能力、终身学习的理念、执着的教育追求、高度的责任感、仁爱之心、宽容的情怀等基本素养。     

高性能异构加速器MiniGo算子优化方法

根据高性能异构加速器的特性和MiniGo的训练模式提出了一种高效的并行计算方法。对片上计算资源进行合理规划,实现异构设备之间的流水并行优化;根据异构设备间存在共享存储段设计了共享内存编码模式,减少数据传输开销;根据数字信号处理簇内具有多计算资源的特点结合算子计算-访存特性设计了不同的算子并行计算优化策略。同时,面向TensorFlow实现了一个易于使用的高性能计算库。实验结果显示,该方法实现了典型算子的多核并行计算。相对于单核,卷积算子加速比为24.69。相较于裁剪版8核FT2000+CPU,该方法训练和自博弈执行速度加速比分别为3.83和1.5。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

自然场景车标数据集的构建及其应用

车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然场景的全新数据集,包含多种采集环境下的10 324幅、67类车辆图像。基于此数据集开展应用研究,提出一个目标检测与深度学习相结合的车标识别方法,包括车标区域定位和车标种类预测两大步骤。实验表明,该方法对复杂背景有较强的适应性,在涉及30种车标的分类任务中达到89.0%的总体识别率。