关键词： 强化学习   Q学习   启发式搜索   Shaping函数   路径规划  

摘要： 该文旨在研究人工智能领域的强化学习问题。在处理优化问题的过程中,强化学习具有不依赖于模型信息的特点,在信息产业和生产领域逐步获得应用,并取得了较好的效果。然而,传统的强化学习算法通过随机探索获得优化行为,存在学习速度慢、收敛不及时的问题。为了提高强化学习的效率,提出一种方法,让Agent利用自身学习得到的知识,指导和加速其以后的学习过程。将Q学习和启发式Shaping回报函数结合起来,利用记忆的知识加速了Agent的学习过程。另外,证明了采用启发函数与不使用启发函数在策略优化上的一致性。针对一个路径规划问题,采用了学习过程中生成的势场函数作为启发函数,通过启发函数对强化学习的探索过程给予指导。在实验中对该方法进行了验证,分析了采用不同参数带来的不同效果,并提出了一个解决死点问题的方法。结果表明,该方法对强化学习过程有明显的加速作用,并能取得优化的搜索路径。

关键词： 跨学科主题学习   义务教育课程方案   知识   教学  

摘要： 综合课程着眼于学科之间的“联系”,却削弱了知识掌握的深度。单一学科的教学能够保证知识传授的深度,却又无法顾及学科之间的“联系”。“跨学科主题学习”意在超越二者各自的局限,通过学科之间的联系与合作,来加深学生对知识的直观理解,并让学生“知其然更知其所以然”,以此促进学生对知识的深度掌握。要做到高质量的“跨学科主题学习”,需要摒弃“生成”的路子,要求教师精心选择教学内容,合理组织教学材料,并科学地进行教学设计。

关键词： 小样本学习   深度学习   自监督学习   特征聚合   数据扩增   自注意力  

摘要： 小样本学习可以从较少的样本中学习出各类样本的特征,但是由于低数据的问题,即样本数量较少,如何更加准确地提取图像中的重要特征信息,以及更好地学习图像中目标对象的特征和更精准地判断未标记样本与支持集类别的相似度,成为关键。提出一种基于多图特征聚合的小样本学习方法MGFAN。具体来说,该模型通过多种数据增强方法对原图进行扩充,然后使用一个自注意力模块去获取原图以及不同扩展图之间的重要特征信息,以此获得关于图像更为准确的特征向量。其次,在模型中引入关于预测图像不同扩增方式的自监督学习任务作为辅助任务,促进模型的特征学习能力。最后,采用多个距离函数来更加精准地计算样本间的相似度。在3个标准数据集miniImageNet,tieredImageNet和Stanford Dogs中,使用5-way 1-shot以及5-way 5-shot实验设置中的实验表明,MGFAN方法可以显著提高分类器的分类性能。

关键词： 逆向强化学习   生成对抗模仿学习   多模态   模式塌缩   余弦相似度  

摘要： 生成对抗模仿学习(generative adversarial imitation learning,GAIL)是一种基于生成对抗框架的逆向强化学习(inverse reinforcement learning,IRL)方法,旨在从专家样本中模仿专家策略.在实际任务中,专家样本往往由多模态策略产生.然而,现有的GAIL方法大部分假设专家样本产自于单一模态策略,导致生成对抗模仿学习只能学习到部分模态策略,即出现模式塌缩问题,这极大地限制了模仿学习方法在多模态任务中的应用.针对模式塌缩问题,提出了基于余弦相似度的多模态模仿学习方法(multi-modal imitation learning method with cosine similarity,MCS-GAIL).该方法引入编码器和策略组,通过编码器提取专家样本的模态特征,计算采样样本与专家样本之间特征的余弦相似度,并将其加入策略组的损失函数中,引导策略组学习对应模态的专家策略.此外,MCS-GAIL使用新的极小极大博弈公式指导策略组以互补的方式学习不同模态策略.在假设条件成立的情况下,通过理论分析证明了MCS-GAIL的收敛性.为了验证方法的有效性,将MCS-GAIL用于格子世界和MuJoCo平台上,并与现有模式塌缩方法进行比较.实验结果表明,MCS-GAIL在所有环境中均能有效学习到多个模态策略,且具有较高的准确性和稳定性.

关键词： 微通道热沉   性能预测   机器学习   随机森林  

摘要： 本文提出使用机器学习方法快速准确地预测歧管-二次流混合结构微通道热沉的泵功率和总热阻。将混合结构微通道热沉的结构特征参数进行了无量纲化,利用计算流体动力学的方法获得数据集。测试了不同机器学习算法在混合结构热沉性能预测任务上的表现。结果表明在数据集有限的情况下,随机森林算法能准确地学习到无量纲结构参数与泵功率和总热阻之间的映射关系。本文研究结果将有助于微通道热沉的优化设计。

关键词： Active Learning   Metamodel   SteamTurbine Exhaust Hood  

摘要： It is well known that the efficiency of a steam turbine is affected by the pressure recovery performance of its low-pressure exhaust hood,and therefore,parametric analysis of the exhaust hood is of great importance in the steam turbine design *** recent years,computationally inexpensive metamodels have been widely used in the parametric analysis of exhaust ***,the prediction accuracy of metamodels is highly dependent on the number and distribution of sample points in the design *** purpose of active learning is selecting informative samples sequentially to obtain an accurate metamodel within a reasonable computational ***,the impact of active learning on the accuracy of metamodels such as exhaust hood parameter analysis has not been fully ***,this paper investigates and compares four representative active learning methods on the parametric modeling of turbine exhaust hoods,and the comparison results highlight the advantages of active learning and the analysis of the exhaust hood based on the metamodel with the highest accuracy.

关键词： 病原生物   有意义学习体验   实验教学   混合式教学   新冠防控  

摘要： 文章根据Dee ***“有意义学习体验”教学理论,对病原生物实验线上线下混合式教学进行探索,并通过提供“丰富的学习经历”的复杂实验教学单元,拓展病原生物实验教学的深度和广度,旨在提升中医药专业学生在未来职业生涯中应对突发传染病的能力。文章还对该教学模式用于新型冠状病毒肺炎疫情防控的可行性和必要性进行了探讨。

关键词： Sentinel数据   遥感   红树林   机器学习  

摘要： 红树林和生态环境保护、生态平衡和生物多样性息息相关。使用Sentinel-2A数据获取海南省东寨港红树林保护区的遥感影像,对数据进行预处理,提取光谱特征、纹理特征和湿度特征,基于K近邻(K-nearest neighbor,KNN)、随机森林(random forest,RF)、决策树、支持向量机(support vector machine,SVM)和反向传播神经网络(back propagation neural network,BPNN)方法,通过多次实验提取出海南省东寨港红树林区域,并探讨了机器学习方法中不同类型分类器在提取红树林过程中的优缺点。结果表明:(1)Sentinel-2A的Band8A、Band11、Band12波段组合能够较好突出红树林特征,结合湿度特征和纹理特征可以提高红树林的分类精度;(2)基于机器学习方法能够准确提取红树林区域,其中,SVM分类精度最高,达到92.31%,BPNN、RF分类精度分别为88.46%、90.38%,Kappa系数表明分类结果具有良好的一致性;(3)比较不同机器学习方法对红树林的分类效果,发现SVM和BPNN等非线性方法能提取出更准确的红树林区域,KNN、决策树、RF等容易造成红树林的错分和漏分。利用SVM和BPNN提取红树林具有识别准确度高、无损图像信息等优点。

关键词： STEM教育   幼儿教育   科学素养   学习方法   应用意义  

摘要： STEM教育强调将多学科知识综合运用到实践活动中,其实施目的在于培养具有创新精神、变革精神和辩证思维能力的未来人才。STEM教育理念与幼儿教育“支持和满足幼儿通过直接感知、实际操作和亲身体验获取知识”的要求相契合,且对幼儿教育具有一定的启发作用。幼儿教师应立足幼儿科学素养培养目标,合理开展STEM教育。文章从STEM教育理念概述入手,分析STEM教育理念应用于幼儿教育面临的困难,提出立足STEM教育理念培养幼儿科学素养的策略。

关键词： 反馈神经网络   支持向量机   高斯处理   柴油-天然气双燃料发动机  

摘要： 为了提高六缸重型柴油-天然气双燃料发动机的性能、减少污染物排放,使用反馈神经网络、支持向量机和高斯处理3种先进的机器学习方法来建立以发动机的转速、扭矩、柴油预喷提前角、柴油预喷比例和天然气替代率作为输入,以NO_(x)、CO_(2)和比油耗作为输出的预测模型,对比3种机器学习模型的预测结果。结果表明:高斯处理(Gaussian processing, GP)模型的预测精度最高,其输出变量的总体决定系数分别为0.960 1、0.991 9和0.993 5,相比于反馈神经网络(feedback neural network, FNN)和支持向量机(support vector machine, SVM),NOx预测精度分别提高3.7%和2.6%,CO_(2)排放预测精度提高约3%,比油耗(brake specific fuel consumption, BSFC)预测精度分别约提高4%和8%;GP模型预测NO_(x)、CO_(2)和BSFC的总体均方相对误差均小于0.13,总体平均绝对百分比误差均小于0.1%。