关于教学过程中有效利用多媒体教学的思考

根据皮亚杰的建构主义学习理论,分析目前多媒体在大学外语课堂教学中存在的问题和多媒体教学的优势及弊端,提出多媒体教学应与传统教学方式相结合,发挥各种教学方式优势的教学策略,最大限度地提高多媒体教学的效果。     

遥测参数数据载荷状态判别集成学习方法

针对载荷单机设备遥测参数维度高、数据量大、存在类别不平衡、无法直观判别单机设备运行情况等问题,考虑到航天任务对可解释性的要求,提出一种基于信息增益参数特征选择和集成学习方法的载荷单机状态快速识别方法。采用统计量性质和信息增益子集搜索方法对遥测数据进行特征筛选降维,通过集成学习模型算法实现载荷单机设备状态的自适应识别分类。所提方法将信息增益的参数分类信息量评价准则和集成学习拟合能力强、类别不平衡下准确率高和抗噪能力强等优点相结合,兼顾模型特征和结果的可解释性,提供了重点参数发现功能。采用科学卫星任务真实载荷遥测参数数据对该方法进行了验证,整体识别准确率高于90%,少数样本亦可准确识别,整体效果可达到在轨任务要求,证明了所提方法的有效性和实用性。     

【专题】无人机空战决策技术研究进展

随着无人机相关技术领域的飞速发展,无人机迅速成为世界各国军事领域的研究热点。无人机自主决策作为无人机领域的核心问题,指的是无人机基于空战态势,利用数学优化理论、人工智能等方法,独立自主地生成机动动作控制指令以完成设定目标的过程。本文首先介绍了世界各国该领域的研究进展,并基于空战决策的求解思路,将决策方法分为三类：基于对策理论、基于专家知识以及基于启发式学习算法的决策方法。其次,针对基于对策理论的空战决策方法,阐述了从微分对策到矩阵对策的发展及联系;针对基于专家知识的空战决策方法,介绍了该类方法的建模方法,改进方向;针对基于启发式学习算法的决策方法,论述了各典型方法的适用条件、改进途径等。最后,对无人机空战决策的研究难点进行分析,并展望了未来的研究方向与趋势。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

支持向量机规则提取

支持向量机是一种黑箱模型,其学习到的知识蕴含在决策函数中,不仅影响了用户对利用支持向量机技术构建智能系统的信心,还阻碍了支持向量机技术在数据挖掘领域的应用。由于对支持向量机规则提取进行研究有助于解决上述问题,因此该领域正成为机器学习和智能计算界的研究热点。分析了具有代表性的支持向量机规则提取算法,并提出该领域未来的研究重点。     

多窗口谱图分析的低截获概率雷达信号识别

在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别.在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法.从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法.该算法采用Hermi...     

建构主义教学论与教学模式改革

建构主义学习观强调学习的建构性、社会性和情境性 ,对促进教学方法的变革将有重要意义。文章运用建构教学观辨证分析了传统教学模式 ,综合现代以知识为中心、以学生为中心和行为主义理论等现代教育思想 ,分析了传授———建构教学法、合作、探究学习方法。     

公安现役部队干部培训之我见

受普通教育影响,公安现役部队干部教育培训模式有普教化现象。根据干部学习特点,研究适应其教育培训的方式方法,在实践中创造性地运用多种教学方式和手段,有利于提高干部培训的效益。     

高中数学研究性学习的实践与研究

在中学开设研究性学习课程,是基础教育课程改革的具体目标之一。针对现有课程体系的弊端,重知识传授而轻过程和技能训练,重学科知识体系而不关心社会实践活动。重间接经验的传授而忽视学生的直接体验积累。为培养学生乐于探究勤于动手的学习精神,分析和解决的能力,本人在几年的教学实践中,不断探究,积累了一些经验。本文就此问题谈谈高中数学研究性学习的实践与体会。     

What you should know about approximate dynamic programming

Approximate dynamic programming (ADP) is a broad umbrella for a modeling and algorithmic strategy for solving problems that are sometimes large and complex, and are usually (but not always) stochastic. It is most often presented as a method for overcoming the classic curse of dimensionality that is well‐known to plague the use of Bellman's equation. For many problems, there are actually up to three curses of dimensionality. But the richer message of approximate dynamic programming is learning what to learn, and how to learn it, to make better decisions over time. This article provides a brief review of approximate dynamic programming, without intending to be a complete tutorial. Instead, our goal is to provide a broader perspective of ADP and how it should be approached from the perspective of different problem classes. © 2009 Wiley Periodicals, Inc. Naval Research Logistics 2009