基于学习积分的自主管理教学法实践研究

中国大学的学风普遍有懈怠的现象,大学生缺少积极学习的态度和自主学习的习惯,激发大学生的学习积极性,成为高校教师的重要课题。即时型行为激励可以引导学生自主管理式学习,激发学生的学习动机和驱动力。这种新颖的教学改革,主要是针对学习小组和个体的学习行为表现进行日常积分考核,按照积分规则进行加分或者减分,形成小组和个人的学习积分排名,公平、公开、透明的竞赛机制,激发大学生好胜心和学习潜能,推动大学生课堂上的良性互动,个体学业和整体学风得到明显提升和好转。

基于actor-critic框架的在线积分强化学习算法研究

针对轮式移动机器人动力学系统难以实现无模型的最优跟踪控制问题,提出了一种基于actor-critic框架的在线积分强化学习控制算法。首先,构建RBF评价神经网络并基于近似贝尔曼误差设计该网络的权值更新律,以拟合二次型跟踪控制性能指标函数。其次,构建RBF行为神经网络并以最小化性能指标函数为目标设计权值更新律,补偿动力学系统中的未知项。最后,通过Lyapunov理论证明了所提出的积分强化学习控制算法可以使得价值函数,行为神经网络权值误差与评价神经网络权值误差一致最终有界。仿真和实验结果表明,该算法不仅可以实现对恒定速度以及时变速度的跟踪,还可以在嵌入式平台上进行实现。

求解时变凸二次规划的变参积分动态学习网络

凸二次规划问题在许多领域都有着广泛的应用,系统分析、组合优化等诸多科学问题和工程问题都可以表述为二次规划问题后求解.为了高效地求解线性等式约束下的时变凸二次规划问题,本文提出了一种基于误差积分设计的新型变参积分动态学习网络.该网络引入时变指数型设计参数,具有灵活和自适应调整的特点.理论分析证明变参积分动态学习网络在使用单调递增的奇激活函数时有全局收敛性质和较强的鲁棒性.除此之外,变参积分动态学习神经网络还具有灵活的控制策略和超指数级收敛速率.仿真实验结果表明,使用不同激活函数的变参积分动态学习网络比传统的微分神经网络(即梯度神经网络,零化神经网络和变参收敛微分神经网络)有更好的收敛性质.

基于积分强化学习的四旋翼无人机鲁棒跟踪

针对系统模型动态不确定和受外部干扰的四旋翼无人机位置轨迹跟踪控制问题,提出一种新的基于积分强化学习的鲁棒轨迹跟踪控制方法。建立四旋翼无人机原系统与参考轨迹的增广系统,将四旋翼无人机的鲁棒轨迹跟踪问题转化为镇定问题。通过使用带有折扣因子的价值函数,将无人机增广系统的鲁棒镇定问题转化为四旋翼无人机的最优控制问题,从而兼顾到四旋翼无人机的跟踪误差和整体性能。基于积分强化学习方法,构建了单网络演员-评论家结构对最优价值函数进行估计,进而实现对四旋翼无人机控制器的在线求解。对四旋翼无人机系统跟踪误差的稳定性及单网络结构权值的收敛性进行了严格的数学证明,仿真结果验证了所设计控制方案的优越性和鲁棒性。

带状态约束的事件触发积分强化学习控制

为克服全状态对称约束以及控制策略频繁更新的局限,针对一类具有部分动力学未知的仿射非线性连续系统的最优控制问题,提出一种带状态约束的事件触发积分强化学习的控制器设计方法;该方法是一种基于数据的在线策略迭代方法;引入系统转换将带有全状态约束的系统转化为不含约束的系统;基于事件触发机制以及积分强化学习算法,通过交替执行系统转换、策略评估、策略改进,最终系统在满足全状态约束的情况下,代价函数以及控制策略将分别收敛于最优值,并能降低控制策略的更新频率;此外,利用李雅普诺夫函数对系统的稳定性进行严格的分析;通过单连杆机械臂的仿真实验说明算法的可行性。

基于积分强化学习的连续线性不确定系统最优控制分析

针对系统模型参数未知的连续系统,本文主要分析和验证鲁棒积分强化学习的必要性。该方法不要求连续线性系统参数完全已知,也不需要对动态模型参数进行进一步估计。首先,采用优化性能的最优控制问题,基于动态规划方法得到代数黎卡提方程;然后,利用积分强化学习方法,得到迭代贝尔曼方程,进一步利用积分强化学习算法,分析此算法在针对不确定系统时是否有效;最后,算例仿真验证在是否考虑不确定性存在状态下对连续线性不确定系统的影响。

基于微积分学习中JAVA的解题新方法

我国各阶段、各学科教学正在不断进行改革,数学这一学科也是其中的改革重点之一,其改革对教师和学生都起到了积极影响,微积分是大学数学中的一门课程,这一课程中解题是一项难点问题,常常令教师和学生很苦恼,但在不断的教学改革过程中,教学、学习、解题的方法正在不断被创新,给予了微积分解题新新的思路,这些方法的提出有效提升了微积分学习的效率,对学生微积分解题能力的提升提供了重要保障.

医务人员外出学习管理系统研制

外出学习是继续医学教育的主要形式之一,在医院人才培养和人才梯队建设方面发挥着重要作用。目前大多数医院的人员外出通过纸质或简单的办公自动化来进行管理,具有较大的局限和不足。医务人员外出学习管理系统通过将管理思想及管理规则与信息化手段相融合,最大程度发挥了管理的刚性,同时也将科研与教学紧密联系在一起,形成相互促进的良性循环。

“学习强国”平台在高校基层党建工作中的应用研究

"学习强国"平台是由中宣部宣传舆论研究中心制作,创立于2019年的学习平台,是全新的网络学习平台,是党的建设发展的重要组成部分。本文从"学习强国"平台的功能介绍、高校基层党建的现状、"学习强国"平台在高校基层党建的运用、提高"学习强国"平台在高校基层党建中使用的方法水平等几个方面,阐述并分析了"学习强国"平台在高校基层党建工作中的应用及对策。

学分银行积分激励机制构建:现状、路径与发展

激励机制是学分银行体系构建的重要内容,但目前业内缺乏对于学分银行积分激励机制的构建研究。研究基于激励教育相关理论,探讨我国学分银行激励机制的实践现状以及所面临的发展困境。围绕学分银行数据全生命周期,设计基于积分的激励机制方案,以大数据动态计算模型、激励机制实施场景、开放可信数字平台为核心设计实施路径,并对我国学分银行积分激励机制未来的可持续发展进路提出若干策略。

具有时变输出约束的非线性多智能体系统自适应最优包含控制

本文对具有时变输出约束和未建模动态的不确定严格反馈非线性多智能体系统,提出了一种最优包含控制方法.利用一种新型积分型障碍Lyapunov函数处理输出约束,利用动态信号处理未建模动态,利用动态面控制方法设计前馈控制器,结合自适应动态规划和积分强化学习方法设计最优反馈控制器,利用神经网络在线逼近相应代价函数,并设计权重更新律.理论分析证明了所有跟随者的输出收敛到领导者生成的凸包中,全部跟随者组成的闭环系统是半全局一致最终有界的,同时,跟随者的输出保持在给定的约束集中,代价函数达到最小.仿真结果验证了所提出方法的有效性.

基于积分强化学习的助力型人-机协同搬运研究

日常实践中存在大量人类与人类之间的繁重物件转移和搬运操作,人们需要共同将此类物体笨拙地搬运至目标位置,这都需要耗费大量的时间和人力。随着协作机器人的广泛应用,这些简单、耗时又耗力的任务,都可让协作机器人作为人类的同事,以自然又高效的方式无缝地协同工作,就像人类与人类一样。为此,针对人-机协同搬运中位置精度低,所需操作者交互力过高等问题,提出了一种基于积分强化学习的助力型人-机协同搬运方法。根据人-机协同搬运的动力学模型,重点分析协同搬运的全流程。提出协同搬运的内外环数学模型,然后采用基于积分强化学习的自适应阻抗控制,来实现人与机器人的协同搬运。最后通过人-机协同搬运的实验,验证了所提出方法的有效性。

医院落实“三会一课”制度的问题及对策研究

在新时代加强公立医院党的建设总要求下,加快落实“三会一课”制度,为医院基层党组织建设提质增效。通过实地访谈、采用因果分析法考察医务党员参与“三会一课”的现状及问题,并提出加强落实“三会一课”制度的针对性策略。建立科学完善的党员参与“三会一课”情况的评价体系,基于激励理论的视角,融合“互联网+”技术、党员积分考核等形式,形成党员学习管理的正向激励机制。经过方案试点,该机制兼具实用性和可推广性,能够加快促进“三会一课”制度化、信息化、规范化,切实提高党员参与“三会一课”的有效性,进一步提升公立医院党建工作质量。

基于广电网络的电视交警微信小程序开发与应用

电视交警微信小程序作为电视交警综合服务平台的移动端应用之一,上线了简便快捷的车驾管业务功能,通过大小屏联动的学习积分框架设计,增加用户参与度,丰富平台流量转化形式,实现了“优化大屏、拓展小屏,推动线上线下融合发展”的总体目标。本文对基于广电网络的电视交警微信小程序的开发及应用进行了全面介绍,同时还总结了相关技术创新点。

“慕课+项目”双螺旋翻转教学法改革实践

当前,大学课堂教学普遍存在着教学方法僵硬、课堂效果枯燥、学生不积极参与等现象,严重影响了课堂教学质量,不利于学生成长发展、学风建设和人才培养。通过持续多年尝试“项目+慕课”双螺旋翻转教学法的探索研究和实践应用表明,采用慕课自主学习、真实项目实践、互动翻转、自主管理、学习积分、模拟竞赛等多种措施,能够调动学生的学习积极性和参与感,显著改善课堂教学效果和提升教学质量。

同伴学习表现积分对优化初中英语课堂评价的导向作用

苏州市木渎实验中学实行'双分制'的教学评价模式中'同伴学习表现'积分,从预习、合作、展示、点评和纪律五项具体内容评价学生,清晰直观,很好的解决了英语课堂中遇到的此种尴尬。本篇论文将从木渎实验中学的'双分制'模式出发,探讨同伴学习积分对优化初中英语课堂评价的导向作用。

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划(ADP)理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习(SNIRL)算法进行求解,该算法简化了积分型强化学习(IRL)算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性。

坚持“三贴近”创新理论教育工作

党的十六大提出，要“形成全民学习、终身学习的学习型社会，促进人的全面发展。”这就要求我们的党组织要成为学习型的党组织，我们的干部要成为学习型的干部，我们的党员要成为学习型的党员，我们的职工要成为学习型的职工。

引用竞争机制，打造小学英语课堂别样精彩

在小学英语中运用竞争机制可以提高小学生学习英语的积极性，可以激发学生的创造性和创新精神，鼓励先进督促后进，还可以帮助英语教师建立良好的课堂气氛。

数据驱动的多智能体网络鲁棒包容控制

针对输入受限的受扰多智能体网络,提出具有领航层、估计层、控制层和跟随者层的新型鲁棒包容控制方案.首先,设计有限时间估值器获得跟随者的期望状态,然后基于包容误差引入非均方折扣代价函数,从而将鲁棒包容控制问题转换成受限最优控制问题.并应用Laypunov拓展原理证明得到的最优控制策略使得网络实现一致最终有界稳定.在系统动态完全未知的情况下,采用提出的积分增强学习算法和执行器–评价器结构,在线得到近似最优控制策略.仿真结果验证了理论方案的有效性和可行性.