基于伪阻抗学习的神经网络状态估计方法

针对反向传播算法收敛速度慢，且常收敛于局部极小值的缺陷，讨论了伪阻抗学习算法；并利用神经网络的学习能力和非线性特性，讨论了非线性动态系统的状态估计方法。     

高考成绩、状态及调整

学习状态是提高学习成绩的关键,那么如何调整我们的学习状态和考试状态呢?本文论述了使人的神经系统彻底放松、大脑兴奋点转移、忘却学习、考试的活动,作为调整的方法。     

人际交往自我状态分析

人类社会的本质就是社会交往。人类生活的内容都是通过交往形式体现出来。学习社会交往是人生重要的学习内容。遗憾的是人们在与别人交往时总是念念不忘别人应该怎么样，却忘记了自己应该怎么样。所以人们在社会生活中，交往行为经常遭到失败。本文通过交往双方的自我状态分析，阐明交往过程的心理本质，进而提高人们的社会交往能力，促进心理健康的发展。     

采用迁移学习的小样本锂电池荷电状态估算方法

针对锂电池荷电状态(SOC)估算面临的大型数据集获取困难和训练速度慢的问题，结合深度学习和迁移学习提出一种小样本锂电池荷电状态估算方法。基于卷积-长短期记忆网络(CNN-LSTM)构建深度神经网络结构。在源域上采用K折交叉验证对NASA数据集进行划分，选取SOC估计性能最优的网络，利用目标域内具有多种工况和温度条件的Panasonic小样本数据进行迁移学习。为了提升方法的整体性能，分析了网络超参数对SOC估计结果的影响。实验结果表明：在相同的迭代次数下，该方法在不同的工况下可以较准确地实现小样本电池SOC估计，相较于非小样本迁移学习处理方法的均方根误差降低了47.29%。     

做阳光老师——两则故事带给我们的启示

教育是人格对人格的教育，是心灵对心灵的感化。如果教师有良好的心理状态，就会感染学生的学习状态，并对学生的一生产生积极的影响。反之，则会引起学生的“师源性”心理障碍，甚至可能给他们一生带来痛苦。美国心理学家吉诺特曾说过，“在经历了若干年的教师工作之后，我得到了一个令人惶恐的结论：教育的成功和失败，我是决定性的因素。我个人采用的教育方法和每天的情绪，是造成学习气氛和情境的主因。     

体育教学中学生的学习兴趣及心理状态分析

体育教学中学习兴趣是学生学习的内在动力，也是教学工作成功的关键，那么如何提高体育教学效果和培养学生的学习兴趣，掌握学生的心理动态，笔者认为教学内容、方法、手段以及教与学的配合等方面因素应与当前高校体育教学发展相适应．     

浅谈课堂引入

课堂引入犹如乐曲的“引子”，戏剧的“序幕”，起着集中注意、酝酿情绪、渗透主题、将学生带入良好学习状态的作用。好的引入可以激发学生学习数学的兴趣、动机，调动学生学习的积极性；同时也可以使学生学习的思维由浅入深、由表及里有层次地进行，利于学生接受和理解，符合学生的思维规律。我校进入新课改后，我在这方面做了大胆尝试，采用了以下方法进行新课引入：     

模糊神经网络观测器在变压器状态监控中的应用

把模糊集合理论与神经网络技术相结合设计模糊神经网络观测器，并对变压器运行状态进行动态监控。基于神经网络技术克服了模糊规则产生对专家的依赖性及模糊集的非自适应性的问题，隶属函数的自适应及模糊规则的自组织通过神经网络的自学习和竞争获得。该方法实现了变压器运行状态监控中模糊规则的自动确定和隶属函数的动态调节，通过实例分析验证了该方法的有效性和实用性。     

大学生学习困难群体教育管理的路径新探

多方面的原因造成高校不同程度的存在学习困难学生。本文在总结和分析学习困难大学生形成原因及心理状态的基础上,试图探求适应新形势的大学生学习困难群体的教育管理思路和方法。     

后进生转变方法探讨

本文分析了后进生学习数学心理状态并探讨了使后进生转变的方法.     

基于RBFNN的强化学习在机器人导航中的应用

在复杂连续环境下,强化学习系统的状态空间面临维数灾难问题,需要采取量化的方法,降低输入空间的复杂度。径向基神经网络(RBFNN:Radial Basis Function Neural Networks)具有较强的函数逼近能力及泛化能力,由此提出了基于径向基神经网络的Q学习方法,并将其应用于单机器人的自主导航。在基于径向基神经网络的强化学习系统中,用径向基神经网络逼近状态空间和Q函数,使学习系统具有良好的泛化能力。仿真结果表明,该导航方法具有较强的避碰能力,提高了机器人对环境的适应能力。     

基于关系模式与深度强化学习的DS数据去噪模型

远程监督(Distant Spervision，DS)数据集中存在大量错误标注的数据，而现有的DS数据集去噪方法通常只考虑针对具有标签的数据进行去噪，没有充分利用无标签数据，导致去噪效果不佳。本文提出一种新型DS数据去噪模型——Pattern Reinforcement Learning Model (PRL模型)：首先利用基于关系模式的正样例抽取算法提取DS数据集中高质量的有标签数据；然后利用Filter-net作为分类器，提取DS数据集中高质量的无标签数据；最后将高质量的有标签数据和无标签数据作为深度强化学习(Reinforcement Learning，RL)方法的训练数据集，获得去噪效果更好的远程监督数据集。将PRL模型应用于New York Times(NYT)数据集，并以去噪后的数据集来训练PCNN+ONE、CNN+ATT、PCNN+ATT 3个模型。实验结果表明，经过PRL模型对数据集进行去噪后，这些模型的性能得以提升。因此，PRL模型是一种轻量的数据去噪模型，可以提升基于深度神经网络模型的性能。     

Deep Reinforcement Learning Based Mobile Robot Navigation:A Review

Navigation is a fundamental problem of mobile robots, for which Deep Reinforcement Learning(DRL)has received significant attention because of its strong representation and experience learning abilities. There is a growing trend of applying DRL to mobile robot navigation. In this paper, we review DRL methods and DRL-based navigation frameworks. Then we systematically compare and analyze the relationship and differences between four typical application scenarios: local obstacle avoidance, indoor navigation, multi-robot navigation, and social navigation. Next, we describe the development of DRL-based navigation. Last, we discuss the challenges and some possible solutions regarding DRL-based navigation.     

多智能体系统中具有先验知识的Q学习算法

为了提高多智能体系统中的典型的强化学习——Q学习的学习效率和收敛速度,充分利用环境信息和相关的专家经验,提出了具有先验知识的Q学习算法。利用模糊综合决策方法处理专家经验和环境信息得到Q学习的先验知识,对Q学习的初始状态进行优化。典型的足球机器人系统中的仿真实验结果表明:该算法使学习过程建立在较好的学习基础上,从而更快地趋近于最优状态,其学习效率和收敛速度明显优于普通的Q学习。     

不确定信息下交通信号灯控制策略的模拟与分析

利用GLD交通模拟软件对交通信号灯控制策略进行模拟试验, 分析了最长等待队列、 相对最长等待队列、 强化学习、 SARSA和遗传算法等交通信号灯控制策略. 针对主干道交通模型, 将道路饱和程度分为欠饱和、 中饱和与过饱和3种状态, 并分别在这3种道路饱和状态下, 研究车流信息确定与不确定时交通信号灯控制策略的性能差异. 实验结果表明, 控制策略的性能曲线能表现出各种程度的偏差, 其中全局控制策略的差异更明显, 即差异程度取决于策略对于交通流信息的依赖与敏感程度.     

粉喷桩桩芯压浆补强工程实践

粉喷桩是处理软弱地基的主要方法之一,本文从桩体本身和桩与土相互作用原理出发分析了水泥土搅拌法的加固机理,通过工程实例分析了产生质量问题的原因,并提出了压浆补强的处理方案。通过静载试验结果表明,采用压浆补强的处理方案能够有效地提高复合地基承载力。     

基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及，对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划，出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习（Inverse Reinforcement Learning，IRL）的电动汽车出行规划（Electric Vehicle Travel Planning，EVTP）方法，有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中；利用逆强化学习算法得到兼顾行走与充电的奖励；在学习策略上，采用Dueling DQN算法高效更新Q值，提升学习性能；采用部分充电策略以及分段充电策略，提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析，并结合基准方法进行对比，结果表明，基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能，且具备很好的迁移性。     

成都市天府广场下穿隧道基坑支护工程实录

近两年,国内在深基坑开挖的支护结构中,开始采用喷锚支护技术。该技术具有施工周期短,设备简单,工程造价低,边坡受力条件改善,加固效果显著等优点。文章通过天府广场下穿隧道基坑支护实例,结合工程实践介绍采用钢管喷锚网支护设计和施工的若干问题。     

浅谈施工过程中的“浮笼”问题

深长钻孔灌注桩施工过程中,可能出现"浮笼"现象,导致工程桩承载力降低,建筑物产生不均匀沉降等严重后果。主要分析了灌注桩施工产生"浮笼"顶笼"和"括笼"的原因以及工程预防措施,对防止和避免此类工程事故有重要的指导作用。     

基于强化学习的视频车辆跟踪

基于视频的车辆跟踪在交通监控领域有着重要的实用价值,强化学习是一种无监督的学习方法,具有搜索效率高的特性,将强化学习理论应用于视频车辆的跟踪,充分发挥了其搜索效率高的特性,实验结果表明基于强化学习的视频车辆跟踪,其跟踪情况稳定,跟踪准确率比较高,可以获得很好的跟踪效果。