学习迁移理论在地理教学中的应用

在地理教学中运用学习迁移理论,不仅有助于学生构建完整的知识体系,而且有助于学生素质的提高和全面发展,对学生学习迁移能力提高有很大的促进作用。地理教师在教学中必须充分重视和运用迁移理论,达到“为迁移而教”的教学境界。     

基于IRT的自适应学习管理系统设计

从新一代网络教育标准体系的架构入手,结合学习管理系统标准,提出了用标准格式绑定学习单元的方法,并且结合项目反应理论,实现了自适应学习管理和跟踪。标准化的结构设计有利于教育资源在不同系统间的交互、共享和重用,而自适应的学习跟踪使得远程网络教育过程更符合人的学习规律,能够有效地提高学习效率.     

进化计算在机器学习中的应用研究

采用进化计算思想研制机器学习实际系统，利用隐含并行机制及并行规则触发策略实现多目标优化技术。针对航天员模拟训练评分标准具体任务，采取灵活的多层次动态编码方案，建立多种简洁且完备的进化操作。利用信度分配组桶策略实现竞争机制，依赖进化算法搜索、发现并选择适当规则，引入启发知识产生缺省规则层次以实现多种隐式目标。设计并实现了遗传进化机器学习系统ＧＥＭＬ－１，该系统具有良好的鲁棒性和柔顺性。本文的遗传进化机器学习方法，可推广应用于各种军用专家系统和军事决策支持系统的研制，从而为人工智能在军事上的应用提供新的设计方法和实现途径。     

跨模态行人重识别的对称网络算法

针对模态间差异,提出基于对称网络的跨模态行人重识别算法,该网络将基于概率分布的模态混淆与对抗学习结合,通过对称网络产生模态不变特征,从而达到模态混淆的目的;针对外观差异和模态内差异,使用不同隐藏层的网络卷积特征构造混合三元损失,提高网络的特征表征能力.RegDB和SYSU-MM01数据集上的大量实验结果表明了该方法的有...     

自燃火灾原因分析认定专家系统的设计特点

结合武警学院科研项目"自燃火灾原因分析认定专家系统"(简称FSAIES)的研制工作,介绍FSAIES系统的基本结构,并通过实例详述了适合于系统开发的知识获取和知识表示方法,重点介绍了系统采用的推理机制和学习功能.     

纯方位跟踪时利用方位变化规律检测目标机动问题

针对纯方位跟踪中目标变向变速机动导致方位信息可能出现的非平滑变化,首先推导出观测平台与目标均匀速直航时目标方位变化的准确规律,运用最小二乘估计法选取了模型参数并设定了阈值的大小,并设计出具体的算法流程,通过仿真计算,对本算法的可行性进行了验证。结果表明,方位变化规律作为目标机动检测的证据具有一定的可行性,但在一些特殊的态势下,检测灵敏度不高,并对这些态势时行了分析。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

多约束强化学习最优智能滑翔制导方法

为提升复杂飞行任务下滑翔制导的自主性,提出一种基于最优制导与强化学习的多约束智能滑翔制导策略。引入三维最优制导以满足终端经纬度、高度以及速度倾角约束。提出基于侧向正弦机动的速度控制策略,研究考虑机动飞行的终端速度解析预测方法。针对速度控制中机动幅值无法离线确定的问题,研究基于强化学习的智能调参方法。该方法基于终端速度设计状态空间,以机动幅值设计动作空间,设计综合终端速度误差与滑翔制导任务的回报函数,采用Q-Learning实现机动幅值的智能调整。仿真结果表明,智能滑翔制导方法能够高精度满足终端多种约束,并能有效提升复杂任务下的自主决策能力。     

Ballistic response of armour plates using Generative Adversarial Networks

It is important to understand how ballistic materials respond to impact from projectiles such that informed decisions can be made in the design process of protective armour systems. Ballistic testing is a standards-based process where materials are tested to determine whether they meet protection, safety and performance criteria. For the V₅₀ ballistic test, projectiles are fired at different velocities to determine a key design parameter known as the ballistic limit velocity (BLV), the velocity above which projectiles perforate the target. These tests, however, are destructive by nature and as such there can be considerable associated costs, especially when studying complex armour materials and systems. This study proposes a unique solution to the problem using a recent class of machine learning system known as the Generative Adversarial Network (GAN). The GAN can be used to generate new ballistic samples as opposed to performing additional destructive experiments. A GAN network architecture is tested and trained on three different ballistic data sets, and their performance is compared. The trained networks were able to successfully produce ballistic curves with an overall RMSE of between 10 and 20 % and predicted the V₅₀ BLV in each case with an error of less than 5 %. The results demonstrate that it is possible to train generative networks on a limited number of ballistic samples and use the trained network to generate many new samples representative of the data that it was trained on. The paper spotlights the benefits that generative networks can bring to ballistic applications and provides an alternative to expensive testing during the early stages of the design process.     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。