大学生英语自主学习能力培养策略

学生自主学习能力的培养是当今教学改革的主要内容之一。为全面提高学生英语的综合应用能力,教师必须帮助学生确立学习目标,正确引寻学习策略,培养良好的学习习惯,从而提高他们的自主学习能力。     

胸部X光片多特征融合的冠状病毒诊断

针对目前网络模型从X光片提取的特征过于单一,并且监督学习网络太过依赖疾病诊断标签,得到的X光片特征不利于冠状病毒诊断。提出一种胸部X光片多特征融合的冠状病毒诊断框架Covid-19Net。使用EfficientNet网络作为提取X光片特征的主干网络,采用教师—学生对比学习网络优化X光片特征,利用X光片肺分割生成的肺掩膜图像特征和X光片中提取关键点特征,聚合X光片提取的多种特征进行冠状病毒诊断。实验结果表明,Covid-19Net方法可以提高冠状病毒诊断性能。     

小数据集下基于DRKDE-ICSO 的BN结构学习

为了解决在小数据集条件下进行数据拓展时产生数据高度相似的问题,提出了基于降维核密度估计的小数据集拓展方法,从而得到较为准确的拓展数据。另外,针对鸡群优化算法求解效率低下和收敛性不足的问题,提出改进的鸡群优化算法进行结构学习:在雄鸡的位置更新公式中引入莱维飞行,使鸡群算法具有更强的跳跃能力;采用指数递减的动态调节惯性权重,以加速局部搜索和提高收敛速度;通过引入最优个体引导策略,增加找到较优位置的概率。实验结果表明,所提算法在小数据集条件下,BIC评分、准确率及汉明距离等指标均优于MCMC算法、BPSO 算法、CSO 算法、ADLCSO-I算法和SA-ICSO 算法。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle,UAV）对目标捕获能力,进而提高多UAV协同搜索效率,提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm,ICEGA）的多UAV协同目标搜索方法。首先,根据环境的先验信息,在原概率图基础上引入标志位,建立基于双属性矩阵的待搜索环境概率模型,提高环境和目标的信息感知准确度;其次,定义UAV的飞行规则并结合目标先验概率图信息,建立UAV运动模型及确定最大收益的目标函数;最后,建立分布式UAV之间的信息交互模型,运用ICEGA算法优化产生最优协同决策输入航向角集合,在线实时滚动优化产生最优协同路径。实验结果表明,基于双属性概率图结合ICEGA算法更能够保证最优路径的产生,使得UAV能够准确地搜索到目标;同时,对比仿真验证了ICEGA算法能够提高UAV之间的协同性,保证了路径可行性及提高了目标搜索效率。     

中距协同空战决策过程二次聚类重构与评估

未来空战将以中距空战为主,找出导致中距空战结果的原因是开展贴近实际的中距空战智能决策需解决的重要问题。针对空战训练过程中记录数据分布的复杂特点,建立了中距协同空战训练评估模型,提出了基于高阶导数聚类和相对模糊熵聚类的二次聚类方法,计算编队协同决策集,实现编队中距协同空战决策过程重构。以编队协同搜索和协同机动决策的角度,寻找编队协同决策与中距空战结果的相关性,并通过实例评估验证了聚类算法的合理性。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

可重构视频阵列处理器测试平台设计与实现

针对可重构视频阵列处理器的设计要求及传统测试方法测试视频编解码系统时速度慢、精度低和可观测性不强的问题。开发了基于Qt的用户界面,设计实现了以现场可编程门阵列(Field programmable gate-array,FPGA)为核心的软硬件协同测试平台。在PC端实现以软件仿真为基础的数据传输与图像重现,在FPGA端实现以可重构视频阵列处理器为基础的视频编解码算法并行映射。实验结果表明,在工作频率为100 MHz时,FPGA与PC之间可正确传输数据并满足算法测试时不同测试用例的更换需求,具有较好的可观测性。     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

高校产教融合演进趋势的可视化智能分析

分析我国产教融合、协同育人的发展现状和发展趋势,可以为高校深化落实发展产教融合、协同育人项目提供参考和建议文章基于高校人才培养方案和产教融合协同育人新工科项目申报书以及中国知网2016至2020年的产教融合、协同育人领域文献,利用可视化分析软件从词频、研究热点、现状、研究演进方向方面对文献进行分析研究表明我国学者对于产教融合、协同育人项目的研究集中于开展校企合作、建立产学研三位一体合作平台,深化人才培养模式改革,引进企业工程师为高校导师,等等很多高职院校开始落实产教融合协同育人这一新工科项目,然而湖南高校对于产教融合、协同育人的研究和实践却是不够的,需要加强研究和引进最新成果,促进产学融合,加强校企合作,加大新工科项目落实力度