瞄准实战化需要推进基础实验教学中心建设

针对实战化教学训练改革需要,提出了"向培养学员能力聚焦、向部队应用实际贴近"的基础实验教学中心建设指导思想,在分析了当前基础实验教学存在的贯彻落实先进实验教学理念还不够深入,实验教学内容体系还不够完善,实验教学方式与方法有些陈旧或僵化,实验教学队伍能力素质还不适应改革发展需要,以及实验教学与创新实践成果不够显著等主要问题的基础上,联系实际探讨了突出课程建设、方法改革、队伍培养3个重点,加强软件建设;增强开放管理、创新竞赛、拔尖人才3个意识,注重学员个性化培养;紧盯动手实践、自主实验、创新自信3个关键词,建立特色文化品牌;把握夯实基础、有所作为、质量核心3个原则,坚持走内涵发展之路。

大学物理实验供给侧改革探索与实践

将供给侧改革这一方法论应用于大学物理实验课程教学改革,从培养学生学习能力和创新能力入手,系统分析了大学物理实验课程在实验项目、教学内容、教学方法和教学能力等多方面存在的供给侧问题,提出了4点对策,并结合课程改革进行了创新课程标准、新编《大学物理实验》教材、创新课堂教学模式、培养"双师型"教学队伍、开展创新实践活动五方面实践。

虚拟士兵三维追逐算法研究

针对当前路径规划算法的研究主要集中在平面上,这些算法已难以胜任大规模三维仿真中智能体导航任务的情况,提出了几种实现虚拟人三维追逐的算法,介绍了这些算法的基本思路,研究了基于物理引擎的虚拟人视觉模拟及地型钳位技术,并综合这些技术,成功地为几个项目加入了智能虚拟士兵,取得了令人满意的效果。

深度学习在信息推荐系统的应用综述

信息推荐是电子商务等信息系统中最重要的技术之一,深度学习是目前最热门的机器学习算法,研究人员对如何利用深度学习完善信息推荐技术开展了大量工作,但是相应的研究总结较少.文中对深度学习在信息推荐领域的相关研究进行全面回顾,首先阐述了信息推荐的内涵及其存在的主要问题,然后详细介绍国内外学者通过深度学习解决上述问题的方法和策略,最后指出深度学习在信息推荐领域下一步的研究重点.本文的梳理对理清深度学习应用脉络,为后续研究提供参考和未来推荐个性化信息服务的发展具有一定意义.

随机受限玻尔兹曼机组设计

为提高受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)数据学习能力和抑制训练的特征同质化问题,提出一种随机受限玻尔兹曼机组(Random-RBM Group,R-RBMG)设计.对观测数据进行随机维度组合,在随机维度组合的基础上构建子RBM群组并实施训练,随后依据神经网络的层数选择模型特征组合方式,针对浅层结构设置为均值组合方式,针对深层模型设置为隐单元叠加方式.理论分析表明,随着组内模型数目的增加,R-RBMG所要学习的训练目标将逐渐接近于标准RBM的训练目标,并且能够有效减少特征同质化带来的影响;实验结果表明,与衰落机制相比,R-RBMG能够有效提高RBM的特征学习能力,应用所组建的浅层结构和深层结构特征,将MNIST(Mixed National Institute of Standards and Technology)数据库实验的分类准确率分别提高了2%和0.4%.

自主角色导航技术综述

自主角色导航技术是影响角色行为真实性的关键性因素。通过全面对比分析机器人路径规划、飞行器航路规划、虚拟人足迹规划、自动制导武器制导技术等研究成果,研究可用于角色导航的全局路径规划、局部路径规划所使用的主要算法,简要介绍了各算法的基本原理及优缺点。提出了两种模拟视觉的实现思路,研究了基于模拟视觉的角色仿生导航方法,最后对导航技术的发展作了总结和展望。