基于时空特征融合的TCNformer船舶航迹长期预测

船舶轨迹预测在多种海事任务中发挥着重要的作用,虽已提出了多种时序模型解决航迹预测的问题,但船舶轨迹固有的异构型和多模式仍然面临诸多挑战,且在轨迹长期预测任务中存在较高的预测误差。针对船舶轨迹长期预测的实际应用需求,设计了1种新的AIS数据离散高维表示方法和1种新的损失函数,并将预测问题建模为分类问题,结合时间卷积网络(Temporal Convolutional Network,TCN)和Transformer模型搭建了1种新的模型,称为TCNformer,利用融合的时间维度特征和空间维度特征,通过有效捕捉AIS数据的长期依赖性,预测未来几个小时船舶位置。在公开的AIS数据集上的测试表明,所提方法相较于其他时序模型预测性能提升2倍,最长预测时间范围延长约3.8倍,满足船舶航迹长期预测的要求。

项目式实验教学法助推卓越工程师教育培养计划

高等教育作为卓越工程师培养计划的主阵地,对于加强创新人才培养起着举足轻重的作用,实验教学是培养学生工程素质的重要教学环节,也是理论知识转化为实践应用的关键步骤。根据"以学生为中心"的教学理念,基于项目式学习和实验教学的特点,提出项目式实验教学法,树立全新教学理念,改革实验教学方法,创新教学模式,建立科学的实验考核机制。实施效果表明,该方法可以提升学生的工程实践能力,内化理论知识,有效助推卓越工程师培养计划。

6G大规模无人机网络中基于动态拓扑模型的路由算法研究

随着无线通信以及无人机(UAV)技术的日益发展,利用无人机移动性、稳定性、广覆盖等优势,建立一个覆盖并连接广袤区域内各种无线终端的大规模“无人机云”,成为未来6G无线通信网络的一个重要的发展方向。如何在无人机云组成的复杂网络拓扑中快速精准地规划出最优路径,成为一个亟待解决的问题。因此,该文利用重力场中的梯度原理设计了一种旨在适用于多种路由方案的新型动态网络拓扑模型,基于此模型实现了复杂拓扑网络下路由路径的计算及选取。这种模型利用梯度本身的特性以实现路径的优化,以适用于未来6G应用中可能出现的高密度高覆盖性无人机群的通信需求。仿真结果表明,该文提出的拓扑模型及路由方法在链路通信质量及平均能耗方面优于目前应用及研究的诸多路由方案。

专业基础实践课的教学改革探索

专业基础实践课存在教学手段单一、设施配置不足、管理与考核制度不完善、教师对创新实践不重视等问题。针对这些问题,在各层次的实验环节中,要科学落实实验教学内容和教学设计,引导学生积极参与实验学习,激励学生主动获取对应的基本技能,提高学生的综合技术应用能力,最终完成包括三课堂联动、递进式实践教学、制定各阶段实践教学总体计划与要求、完善实践教学保障体系、建立实践教学评价体系、建立竞赛培养机制等教改工作。

教师支持与学习投入的分析模型研究——基于在线学习的实验教学背景

基于在线学习的实验教学过程中积累的调查大数据,详细分析了教师支持的三个维度和学习投入的五个维度,对于教师支持与学习投入的关系,提出一种高效的研究模型,通过对教师投入和学习投入的大数据比较,分析均值、方差、相关系数等数据,结果表明路径系数均达到p>0.05的显著水平,证明自主支持、认知支持和情感支持对学习投入存在显著影响。