基于卷积—反残差和组合注意力机制的航天器多余物检测

航天器密闭电子设备内腔多余物给航天器飞行安全带来了巨大隐患。由于多余物体积小、与设备内常规组件形态结构相似且易被其他组件遮挡,采用现有的方法对其进行检测时误检、漏检频发。为解决上述问题,提出一种基于卷积—反残差和组合注意力机制的航天器密闭电子设备多余物检测网络RPDN。首先,网络通过构建卷积—反残差模块,保证了多余物细粒度特征的完整性;其次,设计组合注意力机制,增强了多余物特征的表征能力;最后,结合多尺度特征融合模块与目标检测层从多维度进行目标预测。实验结果表明RPDN在各项评价指标上均取得了良好的效果,mAP达到92.16%,检测效率达到了13FPS,实现了航天器密闭电子设备内腔多余物高效、精准检测。

基于深度学习的时间序列分类研究综述

时间序列分类(TSC)是数据挖掘领域中最重要且最具有挑战性的任务之一。深度学习技术在自然语言处理和计算机视觉领域已取得革命性进展,同时在时间序列分析等其他领域也显示出巨大的潜力。该文对基于深度学习的时间序列分类的最新研究成果进行了详细综述。首先,定义了关键术语和相关概念。其次,从多层感知机、卷积神经网络、循环神经网络和注意力机制4个网络架构角度分类总结了当前最新的时间序列分类模型,及各自优点和局限性。然后,概述了时间序列分类在人体活动识别和脑电图情绪识别两个关键领域的最新进展和挑战。最后,讨论了将深度学习应用于时间序列数据时未解决的问题和未来研究方向。该文为研究者了解最新基于深度学习的时间序列分类研究动态、新技术和发展趋势提供了参考。

疼痛者社会经济地位对他人认知共情的影响

西方研究发现疼痛者的社会经济地位会影响他人对其疼痛的认知共情,但缺少中国社会背景下的研究,也缺少对其内部机制的探索。本文基于刻板印象内容模型提出能力水平感知的中介作用,分别以普通人和医学专业人员为被试进行实验。研究1中,普通人对低社会经济地位的疼痛者认知共情程度低,且能力感知在其中起中介作用;研究2发现,疼痛者社会经济地位并不会影响中国医学专业人员的认知共情,这可能是由于中国社会背景下医学专业有素质培养和职业要求,与西方情况存在现实差异。

一类中立型比例时滞神经网络的全局渐近镇定性

研究一类中立型比例时滞神经网络的全局渐近镇定性.首先,采用状态反馈控制器,利用同胚映射定理,分析了控制器作用下的系统平衡点的存在唯一性;其次,通过一个非线性变换将比例时滞神经网络变换为等价的常时滞变系数神经网络;然后,通过构造Lyapunov泛函和运用不等式分析技巧,得到系统全局渐近镇定性的判定准则;最后,通过数值算例及其仿真验证了所得结论的有效性.

基于人工神经网络的多模型目标跟踪算法

针对在目标跟踪中单模型跟踪算法难以应对目标运动形式的变化,而多模型跟踪算法存在结构固定、跟踪精度被非匹配模型削弱且模型切换缓慢的矛盾,文章提出了一种基于人工神经网络的多模型目标跟踪算法。通过分析目标几种基本运动模式的轨迹特点,归纳出目标运动轨迹的特征向量。利用训练好的BP神经网络对滑窗里的轨迹段进行运动模型识别,按结果进行跟踪模型切换,达到使跟踪算法实时适应目标运动状态的目的。仿真结果证明了该算法的有效性,且与传统的多模型算法相比,具有结构更加简单、更强的灵活性和拓展性的特点。

浅析大数据时代下的军事院校教学改革

随着大数据技术的蓬勃发展,军事院校教育教学工作在信息化时代背景下,迎来了新的机遇与挑战。该文通过阐述大数据的价值及其对军事院校教学改革的影响,本着以部队需求为导向,以构建三位一体的新型军事人才体系为目标,对新时期的军事院校教学改革进行积极探索,结合自身教学实践,从教学模式转变、教学资源优化、教学保障建设等方面提出了几点建议和思考,加强新时代的军事人才队伍建设,为培养高素质的军事人才奠定基础。

大数据理论与技术基础课程线上教学改革实践研究

对大数据理论与技术基础课程的线上教学改革实践进行研究。在开课前要进行一系列的准备:对学生进行调查,明确教学目标,制订教学方案,选择教学平台。从调查结果来看,学生前期均学过C语言、统计学等课程,已经具备了一定的数学基础和相关专业知识基础,并且对大数据处理技术具有较高的学习欲望,比较热衷于大数据在各领域的应用。考虑到单独使用一种教学平台或方式可能存在一定局限性,课程组决定采用“录播+直播+研讨”的方式进行线上授课,录播课以千聊为主,直播课以钉钉为主。在教学过程中,要始终围绕课程目标来预设讲授的重点内容框架,选择适合学生的教学方法,结合实际案例形象生动地阐述现有大数据技术、平台及框架。在教学方法的改革过程中,教师要把握好对课程内容的调整力度,加深对课程的探索,不断优化教学方法。

关于新时代背景下新教员如何上好——堂课的思考

新教员是高校师资队伍的重要组成,是承担教学工作的新生力量。由于新时代背景下军队院校教育提出新的理念,因此新教员如何及时响应并上好一堂课至关重要。该文首先介绍了新时代军事教育方针,并针对此给出教学策略及建议,然后深入分析了新教员课堂教学常见的问题,提出详细的对策和解决方法,最后对新教员自身能力素质培养与提升的途径和方法谈了几点体会。以期对高校新教员入职后在教育教学工作方面的快速成长有所助益。

Maneuvering Target Tracking Algorithm Based on Muti-paramter Sequential Extended Kalman Filter

Based on the information theory,the performance of maneuvering target tracking can be improved by increasing the input information( observation vector).In this paper,the estimations of radial acceleration and radial velocity obtained in the signal processing are introduced into the measurement vector by coordinate transformation.In order to solve the problem of high nonlinearity of the radial acceleration,radial velocity and the state vector,a new algorithm of multi-parameter sequential extended Kalman filter( MSEKF) is proposed.The tracking performance of this algorithm is tested and compared with the other tracking algorithms.It is shown that the proposed algorithm outperforms these algorithms in strong and weak maneuvering environments.

大数据背景下高校学生的服务型精准化管理模式探索

高新技术的迅速发展推动教育与技术的深度融合,使得高校教育不断改革以适应新背景下教育信息化的发展潮流。学生管理工作作为高校教育改革的重中之重,是高校开展一切工作的基础,是决定高校能否可持续健康发展的关键。该文分析了大数据时代下传统学生管理工作面临的挑战,提出要与时俱进,将学生的个性化培养融入管理工作,利用大数据的优势就高校学生的服务型精细化管理举措提出了几点针对性建议,以提高学生管理工作的有效性和科学性。

高校大数据课程教学运用线上线下混合教学模式研究

线上教学可以对学科知识进行延伸拓展,而线下教学能了解学生学习情况并精准指导。文章简述高校传统教学模式存在的问题及线上线下混合教学模式的重要性,并从充分利用线上教学平台、线下教学有效运用现代信息技术、利用在线教学平台对线上线下教学进行追踪以发现问题并改正等方面,探讨运用线上线下混合教学模式的策略。

正念训练对大学生睡眠和焦虑抑郁情绪的干预效果

目的探究线上、线下正念训练对改善新冠肺炎疫情后大学生焦虑抑郁情绪和睡眠质量的效果评价,为提高大学生心理健康程度提供参考。方法于2020年9月,采用随机整群抽样法选取华北理工大学1 203名大学生进行抑郁自评量表(SDS)、焦虑自评量表(SAS)和匹兹堡睡眠质量指数量表(PSQI)筛查,符合入组标准者103名,随机分为线上组(64名)和线下组(39名),干预后评估大学生焦虑抑郁情绪和睡眠质量改善程度。结果线上线下正念训练干预后大学生SAS、SDS、PSQI得分均低于干预前,差异均有统计学意义(t值分别为5.57,5.31,3.99;4.88,5.02,5.88,P值均<0.01)。线上、线下两种干预训练,对睡眠质量改善程度差异有统计学意义(t=-2.55,P<0.05)。大学生焦虑、抑郁、睡眠3种症状合并越少,正念干预症状缓解率越高,3种症状并存缓解率≤25%,2种症状并存缓解率<40%,仅有1种症状缓解率100%。结论线上、线下正念训练皆可作为干预睡眠、焦虑和抑郁情绪的有效手段;线下正念训练对于改善大学生睡眠质量优于线上;正念训练对于单一症状者缓解效果更为明显。