基于网络的高校田径专业教师教学能力发展性评价模式研究

通过查阅资料和调查问卷,对田径专业教师教学能力发展性评价模式进行研究.根据模糊数学的原理,对各指标体系的权重和运算进行了严格控制,得出被评价教师教学能力的量化指标.将发展性田径专业教师的教学能力评价模式转换为网络的形式,可以让被评价教师及时得到反馈信息,不断促进自身发展.     

基于双转移网络的深度特征重排图像修复算法

为对图像中大面积缺失区域进行合理的结构修复和精细的纹理填充,提出了一种基于双转移网络的深度特征重排图像修复算法.首先提取缺失图像的特征并还原图像纹理细节;然后根据编码器特征估计缺失内容,提出基于解码器特征的内容损失函数,减少全连接层的解码器特征与缺失区域编码器特征之间的距离,保证合成图像语义的准确性和结构的合理性.在公...     

基于异或运算对等网模型Kademlia研究

讨论了一种新颖的基于异或运算的对等网模型Kademlia。相比其它对等网模型,该模型采用异或运算,简化了节点路由及定位算法,并且通过消息交换提高了节点间连接的可靠性,使得系统能够灵活地处理查询,提高了查询速度。另外Kademlia使用了平行的、异步的查询请求来避免节点失效所带来的超时时延,保证了在节点频繁变化的情况下模型仍然能够有效地处理节点的请求。     

融合动作剔除的深度竞争双Q网络智能干扰决策算法

为解决战场通信干扰决策问题,设计了一种融合动作剔除的深度竞争双Q网络智能干扰决策方法.该方法在深度双Q网络框架基础上采用竞争结构的神经网络决策最优干扰动作,并结合优势函数判断各干扰动作的相对优劣,在此基础上引入无效干扰动作剔除机制加快学习最佳干扰策略.当面对未知的通信抗干扰策略时,该方法能学习到较优的干扰策略.仿真结果...     

基于最小跳数改进的三维DV-Hop定位算法

节点定位技术在三维无线传感器网络应用中发展迅速,DV-Hop定位算法通过计算节点间的距离来对节点进行定位,针对这种定位算法存在依赖网络节点分布情况、定位精度低且不稳定等缺点.提出一种基于最小跳数修正的三维DV-Hop定位算法,使得节点间的跳数更加精确.仿真结果表明,改进的双通信半径定位算法比传统的三维DV-Hop算法具...     

网络教学资源开发中的Web3D技术应用研究

针对当前网络教学系统在真实环境的营造、实时交互性等方面存在的不足,文章简述了Web3D技术的发展历程,主要实现技术及一般开发步骤,并以实例的方式研究了VRMLJ、ava、Cult3D等Web3D技术在网络教学资源建设和开发中的具体应用.更好地满足了远程教育、教学系统中对网络教学资源的网络化、三维形象化、强交互性等功能要求.     

基于澳大利亚火灾有向网络节点属性的链路预测研究

从2019年9月开始,澳大利亚发生毁灭性的山火并迅速蔓延,火灾问题引起了世界范围的广泛关注.针对火灾的持续蔓延,本文利用Jaccard系数算法,根据节点的气候、温度、降水量、风速、植被、地形等属性来计算节点的属性相似度,然后根据澳大利亚火灾网络中节点的经度、纬度以及风向属性来构建澳大利亚大火的有向网络,将节点的属性相似...     

基于时频融合卷积神经网络的股票指数预测

传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降。为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法。首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性。进一步结合时序卷积神经网络(TCN),构建了时频融合的卷积神经网络模型。最后在6个实际数据集上与8个基准方法进行比较,实验结果表明该方法具有更高的预测精度和更好的解释性。     

基于特征加权的神经网络集成及其应用

泛化能力是机器学习关注的基本问题之一.特征加权是特征选择的更一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能,已经成为普遍的提高学习器的泛化能力的方法之一.该文提出一种基于特征加权的神经网络集成方法FWEART,该方法通过自适应遗传算法的优胜劣汰机制为输入属性确定了特征权值,提高了集成中各个体Category ART网络的精度和差异度,从而提高了神经网络集成的泛化能力.在UCI标准数据集上验证了有效性后,FWEART被应用在地震序列类型预报上,取得了较好的预报效果.     

供应链网络设计的健壮性指标

为了建立供应链健壮性和基本网络参数之间的关系,介绍了一种系统化方法来量化供应链网络的健壮性指标设计.在供应链总连通矩阵和可到达性矩阵基础上,提出了系统化的网络健壮性指标设计方法,该方法同时考虑了网络结构的健壮性和网络功能的健壮性.研究结果表明,所提出的方法是有效的.