基于属性分类的GDCS资源完全部署策略

针对工业应用,从控制的角度提出分层分布式的资源发现机制,研究网格环境下分布式控制系统的资源部署策略,建立不同应用需求下相应部署策略的数学模型。对于与属性无关资源的部署问题,由于数量充足,其部署策略视为静态匹配过程,可根据数学模型求出最优解;但受属性的限制,可供选择的资源数量不足,只能在数学模型的基础上,结合启发式算法,求得近优解。

工作记忆中的积极效应:情绪效价与任务相关性的影响

积极效应指相比于年轻人,老年人更倾向于优先加工积极情绪刺激而非消极情绪刺激。近年来工作记忆的研究发现积极效应会受到情绪效价与任务相关性的影响:情绪效价作为任务相关属性的研究支持工作记忆中存在积极效应,具体表现为老年人对积极情绪刺激记忆的增强,以及对消极情绪刺激记忆的减弱;情绪效价作为工作记忆任务无关属性的研究相对较少,且未发现一致的积极效应,提示情绪效价及任务相关性均为影响工作记忆积极效应的关键因素。脑成像的研究初步表明,工作记忆中情绪加工上的年龄效应与背侧执行系统和腹侧情绪系统的随龄功能变化有关。社会情绪选择理论与双竞争模型对工作记忆中的积极效应具备较大的解释力,而动态整合理论尚缺乏实证研究支持。未来研究可进一步探究老年人工作记忆不同阶段情绪加工的特点,澄清不同情绪材料内在编码过程上的差异对积极效应发生机制的潜在影响,探讨情绪效价及任务相关性影响工作记忆积极效应的关键神经环路,并揭示情绪工作记忆训练提升老年人认知功能与情绪体验的内在机制及其潜在应用价值。

变异理论与概念教学中正反例的开发策略

概念的例子分正例和反例两种,正例具有概念所有的相关属性,反例减少或增加了一条或多条概念的相关属性。以变异理论提出的几种变与不变的范式为方法论基础,提出概念正反例的三条开发策略:正例开发的策略是相关属性不变,无关属性要变化;反例的开发策略是相关属性要变化,无关属性不变;相互匹配的正反例的开发可以互为线索,相互启发。

结合多尺度特征与混淆学习的跨模态行人重识别

跨模态行人重识别研究的重难点主要来自于行人图像之间巨大的模态差异和模态内差异。针对这些问题,提出一种结合多尺度特征与混淆学习的网络结构。为实现高效的特征提取、缩小模态内差异,将网络设计为多尺度特征互补的形式,分别学习行人的局部细化特征与全局粗糙特征,从细粒度和粗粒度两方面来增强网络的特征表达能力。利用混淆学习策略,模糊网络的模态识别反馈,挖掘稳定且有效的模态无关属性应对模态差异,来提高特征对模态变化的鲁棒性。在大规模数据集SYSU-MM01的全搜索模式下该算法首位击中率和平均精度(mean average precision,mAP)的结果分别为76.69%和72.45%,在RegDB数据集的可见光到红外模式下该算法首位击中率和mAP的结果分别为94.62%和94.60%,优于现有的主要方法,验证了所提方法的有效性。