关键词： 脑机接口   运动想象   深度学习   卷积神经网络   Adaboost   长短期记忆网络   小波相干分析  

摘要： 随着科学技术的发展和数据分析能力的进步,脑机接口技术(Brain-Computer Interface,BCI)日益趋于成熟,被广泛应用于医疗康复、航空航天和生活娱乐等各种领域当中,并且是当下工程技术和医疗康复领域热门的研究课题。本文采用深度学习的方法对自发式脑电信号中的运动想象(Motor Imagery,MI)脑电进行实验研究,主要研究工作如下:(1)提出了一种基于改进小波软阈值的消噪方法。针对脑电信号采集过程中常会出现干扰噪声的问题,本文在传统的小波软阈值消噪方法上采用了新的小波阈值选取规则和阈值函数,以信噪比和均方根误差作为评价指标。和传统阈值处理方法对比,改进的软阈值算法不仅改进了传统方法的不足,还得到了更高的信噪比和更低的均方根误差。(2)提出了一种基于增强卷积神经网络模型的运动想象脑电识别方法。首先采用STFT获取脑电时频图。其次构建CNN模型并加入dropout层防止网络训练过拟合,采用带动量的随机梯度下降算法加快参数更新。然后将CNN模型和改进的Ada Boost算法结合,多个预训练CNN模型作为基学习器,改进的Ada Boost算法会根据分类误差率自动更新基学习器,将学习后的基学习器线性组合得到增强卷积神经网络模型。最后采用增强模型和投票法对测试数据进行分类。在BCI CompetitionⅣData Set 2b上对增强模型进行了验证,在仅选用每位受试者前三组数据情况下的平均准确率为76.4%,平均标准偏差为3.7%,都优于其他两种传统方法;在选用所有数据的情况下得到的kappa值为0.63,相较于竞赛优胜者的kappa值提高了0.3。实验结果证明增强卷积神经网络模型在运动想象脑电识别中是有效的,可以增强分类模型的鲁棒性,有利于改善分类效果。(3)提出了一种结合CNN和LSTM的多通道运动想象脑电识别方法。首先采用小波包变换筛选ERD/ERS相关特征频带,利用滑动窗裁剪方式延时间维度获取多帧图像。然后构建CNN模型,通过CNN将多帧图像转换为特征序列矩阵并作为LSTM模型输入;构建LSTM模型,隐藏层采用Bi LSTM单元,使得编码在获取从前往后时间序列关联信息同时还可以获取时间序列从后到前的信息。最后用组合的CNN-LSTM网络模型对测试数据进行分类。在BCI CompetitionⅣData Set 1上对模型进行了验证,选取的四位受试者的平均分类准确率为87.4%,平均标准偏差为2.7%,都优于其他对比模型。实验结果证明模型能够有效的提高二分类准确率,并且具有较强的鲁棒性。(4)提出了一种基于小波相干分析的CNN-LSTM模型脑电识别方法。为了提取通道之间更多关联信息和提升模型准确率,从脑功能网络角度出发,根据小波相干分析获取通道之间的关联信息,实验结果得到平均分类准确率为90.3%,平均标准偏差为2.5%,准确率提升了2.9%。实验结果证明模型得到了进一步优化,改善了模型的分类性能。

摘要： 教育部办公厅近日印发《关于学习宣传贯彻实施新修订的教育法的通知》(以下简称"《通知》"),就做好新修订的教育法的学习宣传和贯彻实施工作作出部署。《通知》要求,要充分认识教育法修订的重大意义。教育法是教育领域的基本法,是全面依法治教的法律基础。此次教育法修订,是贯彻落实党的十九大精神、全国教育大会精神的重要举措,是对教育基本法律制度的进一步完善。修订的五个条款,

摘要： 人们常说"失败乃成功之母",是因为从失败中可以积累经验与教训,避免再次犯错。但倘若失败的次数多了,便容易形成一种"习得性无助"的心理状态,即把失败归结为必然,甚至自我放弃。相反,成功的体验可以给人带来自信与喜悦,激发人的进取精神与追求成功的欲望。对于学生而言,学习是他们生活中极为重要的部分,

摘要： "静心教学,潜心育人,把所有的爱献给学生",这是谢燕一直践行的教育理念,她将如涓涓细流般的爱,浇灌在学生心田,必将影响他们一生。"想当一名好老师,用自己的热情、激情、爱心、耐心去感染身边的每一名学生。"说起从教初心,谢燕眼里都是光。但刚接触教学时,她也曾遇到过不少难题。是为师者的仁爱与耐心让她坚持了下来,并在不断探索中感受着教育的魅力。刚接手一年级时,也是谢燕第一次当班主任。

关键词： 逆强化学习   正则化   深度学习   视觉导航   极限学习机  

摘要： 当前,机器人等无人平台的应用广泛,而如何赋予机器更高的自主性与智能性是当前研究的重要目标。移动机器人导航控制一直是机器人最基础的任务之一,经典导航控制方法环节复杂,需要大量的人力物力资源。如何让机器人在导航控制中能够自我学习和适应,提升导航控制的智能性,是一个值得研究的问题。基于强化学习的视觉导航方法不需要精确估计机器人的实时位置,能够基于当前观测的图像输入实现端到端的动作输出,这种方法类似于人类的思维方式,通过在环境中不断的试错训练调整自身策略,从而提高导航控制能力。然而当前,强化学习方法依旧面临诸多问题,不断的试错使得强化学习对数据的利用率较低,需要花费大量时间进行训练;针对不同任务难以对奖励函数进行合适的设置;对场景变换的适应和迁移能力较差等等。而模仿学习能够利用专家数据为智能体提供一定的指导借鉴,从而提升强化学习的训练效率与适应性。模仿学习常见的方法有很多,其中逆强化学习方法是通过从专家轨迹或专家策略当中学习奖励函数,从而指导策略的更新。本文主要针对上述问题,对基于视觉的端到端机器人导航控制问题展开研究。本文的主要研究工作如下:（1）针对移动机器人的视觉导航控制问题,运用逆强化学习方法改善导航控制的性能。针对机器人导航控制任务中奖励函数较难设置、训练效率不高的问题,利用逆强化学习能够从专家轨迹中学习奖励函数的特点来帮助智能体在训练时获得更好的奖励反馈,从而指导智能体在训练时加快学习效率,提升导航控制的准确性。通过在AI2-THOR仿真平台的不同环境场景中设置多个目标点进行导航控制,测试提出方法的性能。结果表明,与随机智能体、基于强化学习的导航方法等方法相比,提出的基于逆强化学习的移动机器人导航控制方法具有更快的收敛速度,机器人导航到目标点的实际路径长度有所缩小,导航控制的SPL（Success Weighted by Path Length）有所提升,使得导航控制的轨迹更加接近于最优路径。（2）针对移动机器人视觉导航控制的泛化性和迁移性能,提出结合极限学习机的逆强化学习导航控制方法和基于奖励网络的逆强化学习导航控制方法。不同的专家轨迹有不同的起点、终点和路径,利用逆强化学习方法结合专家轨迹所得到的奖励函数在用于新的场景和目标点时效果会有所下降,从而限制了模型的适应性与迁移性,即此方法的泛化性能依旧较差。因此通过一定量的专家轨迹与其所对应的奖励函数,分别利用极限学习机和设计的奖励网络实现从状态中预测专家的奖励函数值,从而能够在没有对应目标点专家轨迹的未知任务中也提供更好地奖励反馈。通过设置新的目标点与新的场景两个任务对方法进行性能测试。实验结果表明,与基于强化学习的导航控制等方法相比,所提出的两种导航控制方法提升了在新任务上的导航准确率,缩小了与实际路径长度的误差,提升了SPL,证明了所提出的两种方法在改善泛化迁移性能上的有效性。（3）将正则化方法应用于基于极限学习机和奖励网络的逆强化学习导航控制方法上,进一步增强方法的泛化性能,同时减小算法的复杂度,提升训练速度和效率。利用特征降维和多响应稀疏回归的正则化方法对基于极限学习机的导航控制方法进行优化,利益熵正则化方法对基于奖励网络的导航控制方法进行优化,同样设置新的目标点与新的场景对方法进行性能测试。实验结果表明,与没有正则化的导航控制方法相比,所提出的基于正则化的极限学习机和奖励网络的逆强化学习导航控制方法减小了训练时间,加快了训练速度,同时进一步提升了方法对新场景任务的泛化迁移能力。

关键词： 度量学习   图像检索   样本合成   最小生成树   关系约束  

摘要： 度量学习主要研究数据样本间准确的距离关系度量方法。深度度量学习将度量学习与深度学习相结合,通过神经网络强大的函数拟合能力,训练获得网络模型,将其作为度量函数来准确度量样本间的相似关系。目前,深度度量学习已作为机器视觉领域中的一项重要研究内容,在图像检索、图像细粒度分类及人脸识别等多个方向均发挥关键作用。近年来,一系列难样本合成方法被提出,该类方法可根据原始数据生成模型难以分辨的难样本,进一步提升度量模型的训练效率与性能,在深度度量学习研究中取得良好效果。本文主要研究基于难样本合成的深度度量学习,分别对现有方法中存在的3个研究难点进行深入分析并提出了相应的解决策略。本文的创新工作和主要研究内容如下:(1)针对难样本合成过程中样本全局分布关系考虑不充分的问题,本文利用图结构来学习样本数据间的全局关系。区别于很多现有方法使用随机采样策略,本文构造最小生成树结构采样器对样本合成过程进行约束,使得合成样本符合原始数据分布,更有利于模型的训练。(2)针对合成样本提供的优化信息不明确的问题,本文以数据类中心作为样本优化方向参考点,在难样本合成过程中构造角度损失约束,以此在度量空间中构造更为明确的合成样本生成区间,从而鼓励原始样本在优化过程中向其聚类中心方向移动,进而提升模型综合性能。(3)针对模型训练时合成样本利用不充分的问题,本文根据每一轮训练中模型的收敛情况,为合成样本的损失值添加自适应动态权重系数,使得合成样本可依据模型训练结果自动调节其在总损失中的贡献率,进一步增强合成样本对模型训练的促进作用。综合上述3方面工作,本文提出基于位置关系感知难样本合成的深度度量学习方法RHSGML(Relationship-aware Hard Sample Generation based Deep Metric Learning),通过在Cars196、CUB-200-2011和SOP三个经典数据集上,与Triplet Loss、Angular Loss、N-pair Loss、HDML等7个优秀深度度量学习方法的实验对比,以及多角度自比较实验评估,验证了RHSGML的有效性与优越性。

摘要： 语文是一门极为重要的学科,小学是学生打基础的关键时期,在此时培养学生的语文学习兴趣能够有效提高学生的学习效率。因此,如何在小学阶段教会学生写作,是小学语文教学的重要任务。作文是小学语文教学的重点,但此时学生刚接触作文,不具备丰富的基础知识和娴熟的写作能力,这不仅给教师的教学增加了难度,也让学生的学习步履维艰。因此,如何更好地教会学生写作技巧,引导他们发现写作的乐趣,是教师需要探索的课题。本文结合实际教学经验,从贴近生活、鼓励阅读、培养兴趣三个方面入手,分析提升学生学习效率的策略,供同仁参考。

关键词： 电视剧数据   播放指数预测   随机森林   决策树  

摘要： 在互联网高速发展的时代,对电影、电视制片等产业的发展来说海量的信息数据起着十分关键的作用,通过对这些数据的分析,可以更好地针对目标群体来制作影视剧,给企业带来更高的利润.毋庸置疑,在影视产业的发展中,大数据正发挥着越来越关键的作用.目前基于大数据对于电影票房的预测研究有很多,但是电视剧播放量的预测相对较少,本文选取爱奇艺网本地电视剧的数据,利用机器学习的几个方法构建模型(多元回归模型、贝叶斯模型、SVM模型、决策树模型和随机森林模型)对电视剧播放指数进行分类预测,最终通过比较可以看出随机森林模型的预测效果最佳,正确率达到了82.53%.对播放指数进行预测对于电视剧发行商如何选择拍摄电视剧的类型、设置电视剧集数、幕后花絮发布多少;视频播放网站选择何种电视剧上映、选择营销方法;广告商们将广告投放在哪部电视剧上等等,都有着一定的参考价值.

关键词： 强化学习   高斯过程   概率推理  

摘要： 不同于在结构化场景中工作的工业机器人,仿生机器人和特种机器人需要在不确定和非结构环境中工作,对其运动控制方法提出很大的挑战。由于机器人结构复杂,具有多变量耦合、强非线性、欠驱动等特性,且在与环境交互过程中引入碰撞、变结构等因素,传统的非线性控制方法存在建模困难、理论复杂以及预设场景不全面等问题,难以满足真实场景运动需求。因此,如何使机器人具备自我学习及运动控制能力具有重要的理论价值和实际意义。强化学习可以藉由机器人与环境交互试错避免复杂数学模型的构建,但无模型的强化学习方法需要大量的数据交互,而基于模型的强化学习方法由于模型的存在可以避免该缺陷。但基于模型的强化学习方法中的模型误差又是不可避免的,而基于概率推理的强化学习方法在摆脱大量数据交互的同时能够弥补由于模型误差所带来的模型不确定性,具有更好的使用性能。虽然基于概率推理的强化学习方法改善了模型误差所带来的模型不确定性,但该方法使用高斯过程作为概率动力学模型进行预测时效率较低,同时策略参数更新也需要大量的梯度计算,因此在计算性能上并不总能满足实际需求。针对上述问题,本文提出利用K近邻构建局部模型,并改变策略更新方法共同改善计算效率。本文主要的研究内容包括:1.首先,针对高斯过程数据训练和预测中计算效率的问题,提出了使用K近邻算法构建局部高斯过程,并将其与不同的改进高斯过程方法进行了计算性能对比,表明局部高斯过程能够提高整体的计算性能。2.而对于依靠梯度进行策略评估所存在的大规模求导,则提出使用黑盒优化方法进行策略更新,从而摆脱了策略评估对梯度信息的依赖,并改用高斯过程等作为策略形式,丰富了策略形式,提高了策略评估的计算效率。3.在经典的动力学场景中进行实验验证,搭建了仿真环境,从概率动力学模型和策略更新方法两个方面进行了对比实验,实验表明本文所提出的局部高斯过程能够对测试输入进行有效预测,并能够提高计算效率,而基于黑盒优化的策略评估方法结合复合高斯过程也能够大大提升其整体的计算效率。4.最后,在具有建模困难、控制复杂的气动仿生机器人实物平台上(硬件平台主要由气动人工肌肉、视觉传感器和以太网模拟量输入输出模块等构成,软件环境主要包括图像处理算法和强化学习算法)进行了相关对比实验和时间性能分析,实验结果表明了本文方法解决实际问题的有效性,而时间性能分析则表明了本文方法的计算高效性。

关键词： 合作   学习   批判思维   高中   物理实验   教学  

摘要： 在我国新课程改革背景下,合作学习已经成为了当下高中物理教学的重要教学方法之一。高中物理教师通过采用合作学习的方式,可以帮助物理教师减轻自己的授课压力,提高自己的授课质量,同时可以为学生营造出轻松舒适的物理课堂授课氛围,与学生建立起良好的师生关系,加强与学生的互动,确保物理教学课堂的开放性与物理教师与学生对话的有效性。在高中生们的物理学习课堂上,实验教学一直以来都是物理教师教学的重点内容,因此,物理教师必须要坚持合作学习的教学方式,从而提高学生的物理实验效果。