非聚集化背景下大学生自主学习能力影响因素研究——以旅游与酒店管理专业学生为例

在疫情常态化背景下,各高校在疫情防控期间均开展了非聚集化自主学习。本研究以旅游与酒店管理专业的大学生为例,旨在了解疫情防控期间,大学生在非聚集化条件下自主学习情况,分析背后的影响因素,以期为高校提升大学生自主学习能力找到有效的解决方案提供依据,从而切实提高大学生自主学习能力。     

推进认知域作战装备发展的几点思考

当代作战方式在不断地发生变化,尤其是在舆论战争、法理战争等多样化的方式出现后,作战也逐渐由物理域发展到认知域,并成为当代战争的重要形式。认知域作战是在一定空间范围,从精神层面进行干扰,以此来实现对敌方战斗力瓦解的效果,可以说是现阶段人类战争的最高层次。本文将认知域作为基础,深入研究推进认知域作战装备发展的建议。     

推动党史学习教育常态化长效化实现路径的思考

推动党史学习教育常态化长效化是贯彻落实党中央、习主席决策部署和持续巩固拓展党史学习教育成果的必然之举,也是建设马克思主义学习型政党的长期任务。推动党史学习教育常态化长效化,需要各级党组织提高政治站位、强化组织领导、创新方式方法,也需要引导鼓励党员个人自主学研,把党史学习教育成效转化为干事创业的不竭动力,满怀信心奋进新征程、建功新时代。     

“学习强国”平台在大学生党史教育中的应用研究

“学习强国”平台内容权威、资源丰富、形式新颖,是开展大学生党史教育的宝贵资源。但在具体运用中还存在一些需要改进的地方,可从加强宣传推广、革新党史教育工作理念方式、创新教育引导与考核机制等方面优化“学习强国”运用于大学生党史教育中的路径,助推党史教育走深走实。     

无奇点三维攻击时间控制滑模导引律

为研究导弹在视场角约束下的三维攻击时间控制问题,提出一种三维非线性滑模导引律.利用攻击时间误差设计滑模面,推导出三维形式的俯仰和偏航加速度指令;通过对所设计制导律进行简单修正,解决了零初始前置角引起的奇点问题;从数学上证明了该导引律的稳定性和收敛性,讨论了导引律相关参数的取值范围,分析了与纯比例导引法、解耦三维导引律之...     

ADS-B安全问题研究综述

ADS-B作为下一代航空运输系统的核心正在成为雷达的替代品,它要求飞机定期广播其精确的地理位置,从而提高飞机的安全性。但ADS-B协议缺乏安全机制,使得ADS-B信号在传输过程中容易受到网络攻击,易造成信号干扰或缺失,严重威胁航空安全。综述了ADS-B国内外发展情况,在总结ADS-B存在的安全问题基础上分别分析了ADS-B传输过程、ADS-B硬件和软件、ADS-B数据3个维度,指出在人工智能技术领域,尤其是机器学习中的深度学习方法是该问题的解决途径之一。     

高校辅导员的职业形象与工作状态——基于知乎平台文本数据的质性研究

随着我国高等教育学生培养模式的演变与大学生心理健康教育重要性的突显,高校辅导员除思想政治教育和价值引领的主要职责外,更多承担起了大量的学生日常事务管理,其工作越来越呈现出了琐碎性、重复性、职业上升通道狭窄、导生关系紧张的明显特点。本研究基于知乎平台的文本数据,采用扎根理论的分析思路,对高校辅导员的职业形象及其工作状态进行刻画。研究发现：（1）在辅导员制度良性运行的情况下,辅导员与学生之间呈现出主体关系的平等性与沟通交流的友好性,但是一旦辅导员制度的运行走向异化,师生关系趋向紧张;（2）辅导员处于高校学生管理的第一线,尽管诸多问题的根源并非辅导员本身的工作失职,学生也容易将对制度规则、管理模式的不满泛化地转移至辅导员的身上,双方缺乏理解;（3）辅导员职责早已超越了行政事务性工作的范畴,作为院校与学生的中介点,辅导员身处于多元诉求与多重利益的交合处。平衡与协调多元主体之间的不同诉求成为辅导员工作的重点与难点。对此,要更加关注高校辅导员群体,从建立科学的多方参与工作评价机制与打造专业化、职业化的发展体系两方面对现有辅导员制度加以完善,将院校行政系统评价与学生群体评价相结合,同时加强辅导员的专...     

大学生在线学习行为投入对学习效果的影响研究

在线行为投入作为学习投入的关键部分,是影响学习效果的重要因素,但关于在线行为投入与学习效果之间的关系的研究尚不明确。文章通过梳理相关文献将在线行为投入分为参与、交互、专注、坚持四个维度,并在智慧教室云课堂平台上以“摄影基础”课程为例,研究采集了32名大学生在线课程行为投入过程性数据,运用SPSS分析了大学生在线行为投入与学习效果之间的作用关系。结果显示,“参与”维度中指标与学习效果呈相关性,但是存在无效行为参与;“交互”维度中部分指标与学习效果呈现相关性,但学生整体交互程度较低;“专注”维度部分指标和“坚持”维度与学习效果之间具有一定的强相关性,说明提升学习者的学习品质有助于提升学习效果。     

导弹突防后弹道机动调整策略强化学习

针对弹道导弹中段突防后飞行弹道与标准弹道产生较大偏离的弹道机动调整问题,建立了机动调整时机策略最优化模型。设计了机动调整逆序Q学习算法,采用Tile coding逼近器编码状态特征空间,并对其进行线性逼近。构建了Q学习算法与蒙特卡罗方法相结合的逆序更新策略机制,以对导弹机动调整最优时机进行训练。仿真测试分析结果表明,在给定场景参数下,通过10 000代强化学习算法训练得到的策略能够可靠地使用最少机动次数控制导弹突防后飞行弹道的调整决策,验证了方法的有效性。     

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。