浅谈教师对数学学业不良生的影响

本文通过教师的信念、课堂教学、教师的问题意识三个方面的探讨,来论述教师对数学学业不良生的影响,希望通过教师的作用有效促进数学学业不良生的转化。     

信号稀疏分解理论在轴承故障检测中的应用

将信号稀疏分解理论引入到轴承故障检测问题中,提出新的轴承故障检测方法。通过字典学习的方式可有效实现轴承正常状态振动信号稀疏表示的超完备字典。利用该字典只适用于轴承正常状态信号稀疏分解的特点,将待分析信号在该字典上展开,通过比较信号稀疏表示误差与所设定阈值的关系来判断轴承对应的状态,从而实现轴承的故障检测。实验结果表明:当误差阈值设置合理时,该方法可有效地判断出轴承是否发生故障。     

深度视觉语音生成研究进展与展望

为了进一步推进深度学习技术驱动的视觉语音生成相关科学问题的研究进展,阐述了视觉语音生成的研究意义与基本定义,并深入剖析了该领域面临的难点与挑战;在此基础上,介绍了目前视觉语音生成研究的现状与发展水平,基于生成框架的区别对近期主流方法进行了梳理、归类和评述;最后探讨视觉语音生成研究潜在的问题和可能的研究方向。     

近似推理在水雷参数分析专家系统中的应用

为了尽快分析出未知水雷障碍参数,根据水雷战的特点,提出了建立未知水雷障碍参数分析专家系统的观点,对专家系统的设计方法进行了一定的探讨,并针对专家系统建立中的"瓶颈"问题,提出了基于Vague集插值近似推理的专家系统知识自动获取方法,在介绍推理过程的基础上给出了算例.从推理的结果来看,该方法具有较高的可信度,从而为专家系统的研制提供了一定的方法支持.     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。     

基于迭代学习观测器的卫星姿态滑模容错控制

为解决卫星上反作用飞轮存在安装偏差、故障及外部干扰情况下的姿态控制问题,提出了一种基于迭代学习观测器的姿态容错控制方法。该方法通过设计迭代学习观测器,以较小的计算量实现对执行机构发生的故障以及安装偏差进行精确的估计。并利用观测器的观测结果设计滑模控制器,使处于外部干扰条件下的卫星系统在执行机构发生故障的情况下可以快速稳定地完成姿态机动任务。进一步基于Lyapunov稳定性定理证明了迭代学习观测器及控制器的全局渐近稳定性。针对反作用飞轮存在不确定性及故障的情况下进行仿真,仿真结果表明,与同类容错控制方法相比,所提方法可以更加快速精确地对故障进行估计并完成姿态控制。     

现代教学原则在多媒体教学中的贯彻初探

现代教学原则是教师进行教学活动所应遵循的准则。从多媒体电子教案的教学内容选择、多媒体电子教案的演示设计与运用,以及多媒体教学中的教师主导作用和课堂交流3个方面,探讨了如何在多媒体教学中贯彻现代高等学校的教学原则,以充分发挥多媒体教学的优势、弥补其不足,提高课堂教学效果。     

基于科学计量的机器学习技术发展评估分析

机器学习是通过数据训练使机器获取新的知识和技能的计算机技术,是人工智能技术的核心和前沿领域之一。本文以Web of Science?核心合集收录的机器学习领域相关SCI论文和incoPat全球专利数据库收录的机器学习领域相关专利为数据源,运用科学计量方法对文献数据和专利数据进行时间、地域和机构分布分析,展示了机器学习领域研究实力的分布情况,并对机器学习的发展趋势进行了分析;然后利用主题聚类分析方法及可视化软件VOSviewer,挖掘出机器学习领域的关键技术、技术热点;最后对结果进行了总结分析,以期为我国机器学习发展布局提供参考和借鉴。     

Learning ‘Under Fire’: Israel’s improvised military adaptation to Hamas tunnel warfare

What organisational attributes enhance a military’s ability to effectively adapt on the battlefield? Upon the outbreak of war in July 2014 between Israel and the Palestinian militant group Hamas, the Israel Defense Forces (IDF) encountered an expansive network of tunnels from which Hamas was launching large-scale assaults into Israel. This article illustrates that the IDF’s ability to successfully adapt ‘under fire’ to this battlefield surprise was facilitated by several important attributes related to its organisational learning capacity: a dynamic, action-oriented organisational culture, a flexible leadership and command style, specialised commando units which acted as ‘incubators’ for learning and innovation, and a formal system to institutionalise and disseminate lessons learned.     

The military as a learning organisation: establishing the fundamentals of best-practice in lessons-learned

The post-Cold War era has witnessed the rapid expansion of organisational learning initiatives within NATO militaries, especially formal “lessons-learned” processes. The effectiveness of national lessons-learned processes in recalibrating military activity to the demands of ongoing operations has been highly-differentiated. However, the academic literature on military change and practitioner guidance has been slow to investigate the key features of best-practice in military learning. This article breaks new ground by drawing upon the literature on dynamic organisational capabilities to explore the fundamental organisational processes and activities which are necessary to implement successful lessons-learned. It examines, in particular, the organisational features which facilitate “knowledge transformation”: the effective combination of new knowledge gained from intra- and inter-organisational learning with existing organisational knowledge. The article concludes by highlighting several potential future empirical and theoretical research agendas in military learning and the importance of engagement between lessons-learned practitioners and organisational learning scholars.