大学生优柔寡断、适应性、自我调节学习与学业拖延的关系研究

研究旨在探索优柔寡断人格、适应性、自我调节学习与大学生学业拖延的关系,揭示学业拖延的影响机制,对大学生学业拖延的干预提供启示。选取1654名大学生开展了问卷调查,结果显示:(1)大学生学业拖延行为在中等偏下水平,学业拖延改变倾向在中等偏上水平,功能性拖延水平在中等水平;(2)优柔寡断与拖延行为呈正相关,情感适应性、自我效能与拖延行为呈负相关;优柔寡断、自我调节策略与拖延行为改变倾向呈负相关,适应性、认知策略与拖延行为改变倾向呈正相关;优柔寡断与功能性学业拖延呈负相关;自我调节学习与功能性学业拖延呈正相关;(3)大学生适应性在优柔寡断影响一般学业拖延行为中起到中介作用;自我调节学习、适应性在优柔寡断影响拖延行为改变倾向中起到中介作用;自我调节学习在优柔寡断影响功能性学业拖延中起到中介作用。     

在“厘清思想”中始终保持不可撼动的思想定力

习主席关于"当前最紧要的是把四个带根本性的东西立起来"的重要论述,是对古田会议思想建党、政治建军这一核心思想的创新和继承,是对马克思主义中国化的具体运用和丰富发展,是一篇巩固党对军队绝对领导地位的文件,是一篇新时期马克思主义纲领性文献的军事篇,为我们紧紧围绕实现强军目标探索思想强军的新途径新方法理清了思路、提供了遵循。     

以“五个起来”推动《纲要》落地生根

新修订的《纲要》为夯实强军兴军根基、统领基层建设、检验基层工作提供了基本法规依据,但要促使《纲要》落地生根,切实做到党委依纲决策、机关依纲指导、基层依纲履职,还必须在学、建、创、合、实五个方面下功夫。在对比差异中"学起来"。要采取通读原文、新老比照、逐字逐句的学习方法,重点对180余处修改点进行解读,帮助大家明确新规定、新提法、新要求。一是对比目标学。围绕基层建设目标新增加的3个方面16条     

基于元学习的作战行动效能评估标准数据生成方法研究

部队作战行动效能评估难度大的主要原因是缺乏科学可靠的评估标准数据。为了选择适当的算法生成评估标准数据,建立了基于元学习的评估标准数据生成方法总体框架,并提出集成近似排序树方法来建立作战行动数据集元特征与算法性能排序的映射关系形成元知识,从而辅助指挥决策人员选择适当的算法生成评估标准数据。     

潜艇水下回转运动稳定性分析

水下回转运动是潜艇常用的运动形式之一,属于潜艇转向运动的重要研究内容。回转运动过程中,潜艇受力复杂,容易出现分岔等非线性现象,潜艇运动稳定性变差。运用同伦延拓法、分岔理论和李雅普诺夫运动稳定性理论分析了潜艇水下回转运动稳定性,并通过数值仿真试验验证了分析结果的正确性和分析方法的有效性,为潜艇运动稳定性的研究提供了思路。     

面向无人驾驶的野外道路可通行区域检测

针对野外非结构化道路中存在的环境背景复杂、道路类型多变、没有清晰车道线、没有规则道路边界等难点,提出一种基于语义分割的可通行区域检测方法。对所选取的数据集进行处理,将数据集标注为可通行区域、难通行区域、不可通行区域、天空4种类型;应用双边语义分割网络Bisenet进行4种类型的分割;再应用C-均值聚类算法进行可通行区域部分的提取以及二次分割,进而实现更精细的可通行区域检测。通过验证,该方法具有良好的检测效果,平均交并比达到78%,高于传统的方法。在野外道路无人驾驶方面具有一定的实际应用价值。     

联合战役兵棋AI体系框架设计及关键技术分析

深度强化学习在游戏智能决策领域取得了令人瞩目的突破。多智能体深度强化学习、分层深度强化学习等领域的研究工作正将深度强化学习研究引向深入。由于联合战役兵棋博弈复杂的问题构成难以仅依靠深度强化学习方法解决,因而需要将人的知识经验有机融入强化学习过程中。对深度强化学习算法进行综合分析,并系统总结梳理联合战役兵棋AI的军事运用需求,在此基础上设计联合战役兵棋AI的体系框架并就框架中的相关技术进行探讨。     

学习雷锋“十个一”

在毛泽东等老一辈革命家为雷锋同志题词60周年之际,习近平总书记对深入开展学雷锋活动作出重要指示。“60年来,学雷锋活动在全国持续深入开展,雷锋的名字家喻户晓,雷锋的事迹深入人心,雷锋精神滋养着一代代中华儿女的心灵。实践证明,无论时代如何变迁,雷锋精神永不过时。”原总参军训和兵种部政委田永清曾把雷锋精神总结为“十个一”:“一辈子”的奉献精神、“一颗心”的“傻子”精神、“一块砖”的敬业精神、“一颗钉”的学习精神、“一团火”的助人精神、“一滴水”的团结精神、“一线光”的磊落精神、“一把油”的奋进精神。     

基于方位-频率解算目标运动要素的航路选择

基于方位-频率解算目标运动要素解算方法可实现水下观测平台不机动解算目标运动要素,但接敌航路仍影响目标运动要素解算精度及平台隐蔽性。建立了方位-频率目标定位模型,通过仿真分析了不同初始目标舷角下,水下观测平台采用不同接敌航路情况下目标运动要素解算收敛速度和精度,并从保持水下观察平台隐蔽性的角度,探究了不同初始态势下应选择的航路。     

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习（SAC）算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。