上下文感知的深度弱监督图像哈希表示学习方法

针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

兵力组织适应性设计问题研究

构建适应战场环境的兵力组织是提高我军战场对抗优势的重要途径。针对兵力组织的适应性设计问题,从兵力组织的描述方法、适应性设计方法和效能评估方法 3个方面梳理了国内外的研究现状。其中,兵力组织描述方法包括计算数学组织理论、图论和网络、多Agent系统、Petri网和信息理论;兵力组织适应性设计方法包括基于三阶段思想的适应性设计方法、基于粒度计算思想的适应性设计方法和基于扩展三阶段思想的适应性设计方法;兵力组织效能评估方法包括理论评估方法和实验评估方法。对涉及的各种组织描述方法、适应性设计方法和效能评估方法进行了详细的分析介绍,并总结了当前研究存在的不足。     

混合式学习背景下在线学习策略的缺失及补偿

混合式学习已经成为当前教育趋势,对于混合式学习中的在线学习研究成果越来越丰富。本文通过网络平台问卷调查了混合式学习模式下大一新生在线学习情况,发现在线学习的最主要障碍之一是在线学习策略缺失,导致学习过程不顺畅。文章指出,针对在线学习的管理策略和元认知策略两方面,教师可以通过教学管理的具体手段给予干预,培养学生的在线学习策略,提高其学习效率,真正实现课堂教学和在线学习的高效融合。     

基于神经网络的超精密机床伺服进给非线性模型辨识

以双轴Ｔ型结构的超精密金刚石车床的伺服进给系统为研究对象,采用自构造神经网络技术,建立了系统的非线性动态数学模型,为系统非线性控制与补偿提供参考模型     

师生心理场探析

教育、教学的双边活动构成了师生心理场。本文从心理学与社会学的角度对师生心理场的运行机制作了简单的介绍,进而从"教"与"学"的双向活动中对师生心理场的诸多因素进行分析和评价,并就"教"与"学"活动在理论与实践的结合上做了一定的探索。     

战术互联网的网络重组方法

战术互联网的网络重组是在网络节点或通信链路发生故障,或受到安全威胁时,保证网络强壮性的重要手段之一。根据战术互联网特殊的移动网络环境,提出基于作战指挥原则的组织重组方法和基于遗传算法的链路重组方法。仿真实验结果证明了这些方法的有效性。     

基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

THE CONCEPT OF NUCLEAR LEARNING

This article seeks to elucidate the concept of nuclear learning. It explores both the “nuclear” and the “learning” aspects of the concept. On the nuclear side, it distinguishes between learning basic facts about nuclear arms and drawing inferences about the larger implications of those facts. On the learning side, it discusses three issues: whether to use the term in a normative or value-neutral manner; the difference between learning that leads to a change in means versus learning that leads to a re-evaluation of ends; and whether learning only takes place at the level of individuals or whether there can also be learning by collective entities. The article argues there is no universal best answer to these questions and that the particular concept of learning that should be employed depends on the goals of the analyst. If the goal is to reduce the chances of nuclear war, however, one type of learning that will be important to consider is whether there is shared, cross-national learning.     

Learning in counterinsurgency: what do we really know?

Since the publication in 2002 of John Nagl's Learning to Eat Soup with a Knife, organizational learning has been widely presumed an important ingredient for success in counterinsurgency. But sampling the literature from before and after this time shows remarkably little analytical treatment of the issue of learning and even confusion over what it may mean. This article considers the theories, hypotheses, research strategies, threats to validity, methods of measurement, treatments of time, and general lack of statistical analysis in the work to date and recommends a course for future research.