关键词： 自主建构   绘本故事   《英语》   学习环节   译林版   提升过程   课堂教学   协同建构  

摘要： 让学习发生,区别于让“教授”发生,它立足学习环节,强调学生的自我需要和自主建构,以提升课堂的价值功效。课堂,只有在学习发生的时候才能成为富有意义的场域;课堂教学,只有在学习发生中才能成为学生能力和素养的提升过程。在英语绘本教学中,教师可借助文本固有的趣味性,通过个体自主建构、同桌合作建构、小组协同建构和自由创意建构等具有素养进阶意义的建构策略让学习在课堂上发生。

关键词： 强化学习   自主水下机器人   底层控制   自主控制   无模型  

摘要： 近年来,强化学习方法得到了广泛的关注,并已在控制领域取得了一定成果.自主水下机器人(AUV)能完成复杂多样的水下任务,是海洋探索开发任务中的关键设备,强化学习技术的发展为AUV的智能化控制提供了新的思路.本文着眼于强化学习与AUV控制的交叉领域,重点介绍了强化学习在镇定控制和跟踪控制等底层控制任务方面的应用.为此,我们首先对强化学习框架进行了简要介绍,并在其后对强化学习在AUV控制领域面临的挑战以及最新的进展进行了概述.最后,我们详细介绍了两种针对AUV的无模型强化学习控制方法,希望能够为此类控制器的设计和使用提供参考.

关键词： 大学数学   不及格   学习方法   教学能力  

摘要： 在高等教育过程中,大学数学作为基础性课程占据着重要的地位。自普通高等教育扩招以来,大部分学校学生整体素质下降,且学生个体差异加大,大学数学课程不及格人数在逐年增加。文章以湖北H大学为例,通过调查研究,从学校角度和学生个人角度分析了大学数学课程不及格的原因,同时建议学生应该改善自身学习方法,教师应提升教学能力及方法,学校应强化管理职能,通过三方共同努力,提升人才培养质量。

关键词： 学生自主学习   层次   情趣化   习惯化   仪式化   意义化  

摘要： 学生自主学习的行为发生和持续进行需要其从外在行为到思想意识的参与、习惯与认同,教育者需要按照相应的发展需要层次化推进学生自主学习,具体实践如下:情趣化吸引学生初步参与;习惯化养成学生行为自觉;仪式化强化学生自觉意识;意义化生成学生实践动力。

关键词： 网络表示学习   随机游走   复杂网络   浅层神经网络  

摘要： 随着神经网络技术的快速发展,面向复杂网络数据的网络表示学习方法受到越来越多的关注,其旨在学习网络中节点的低维度潜在表示,并将学习到的特征表示有效应用于基于图的各种分析任务。典型的浅层随机游走网络表示学习模型主要基于节点结构相似和节点内容相似,不能同时有效捕获节点结构和内容的相似信息,因此在结构和内容等价混合的网络数据上表现较差。为此,探索了节点结构相似和节点内容相似的融合特征,提出了一种基于无监督浅层神经网络联合学习的表示方法SN2vec。实验分别利用节点结构和内容等价混合的Brazilian air-traffic,American air-traffic,Wikipedia数据集在多标签分类和降维可视化任务上进行验证。结果显示,SN2vec在多标签分类任务中的Micro-F1值优于现有的浅层随机游走网络表示方法,并且可以较好地学习到潜在结构表示一致的节点。

关键词： 零样本学习   语义空间   映射加强   数据增强   余弦相似度   对比损失  

摘要： 基于语义空间的类别描述信息进行零样本学习的难点是语义特征和图像特征之间存在偏差。对此提出一种基于语义空间信息映射加强的零样本学习方法。在词向量训练时进行数据增强,并将语义空间输出词向量连接全连接层进行语义分析加强并生成语义特征向量。图像使用VGG16卷积神经网络模型提取图像特征向量,结合语义特征向量进行余弦相似度匹配,基于对比损失得到改进的损失函数。实验结果表明,与使用属性特征进行零样本学习的方法对比,该方法的正确率提升了5.5%。

关键词： 兵棋   联合作战态势知识   图嵌入   知识表示学习   元路径  

摘要： 为将基于离散符号的兵棋联合作战态势实体知识表示为机器更加容易学习、处理和应用的形式,根据兵棋联合作战态势实体知识的特点,提出一种基于图嵌入的兵棋联合作战态势实体知识表示学习方法。该方法采用基于元路径的多层异构图嵌入模型,对想定场景中的兵棋联合作战态势实体及其关系知识进行表示学习,将其映射为连续向量空间中的稠密实值向量,从而有效揭示兵棋联合作战态势实体之间的全局隐含特征,为大规模联合作战态势知识的获取、融合与推理奠定良好基础。实验结果表明,基于图嵌入的兵棋联合作战态势实体知识表示学习方法针对性强,对于评估指标提升较大,为复杂兵棋联合作战态势知识的表示学习提供了可行范例。

关键词： 信号控制   动作奖惩系数   多指标系数加权   优先级序列经验回放   深度Q网络  

摘要： 利用深度强化学习技术实现路口信号控制是智能交通领域的研究热点。现有研究大多利用强化学习来全面刻画交通状态以及设计有效强化学习算法以解决信号配时问题,但这些研究往往忽略了信号灯状态对动作选择的影响以及经验池中的数据采样效率,导致训练过程不稳定、迭代收敛较慢等问题。为此,文中在智能体模型设计方面,将信号灯状态纳入状态设计,并引入动作奖惩系数来调节智能体动作选择,以满足相位最小绿灯时间和最大绿灯时间的约束。同时,结合短期内交通流存在的时序相关性,文中采用优先级序列经验回放(Priority Sequence Experience Replay,PSER)的方式来更新经验池中序列样本的优先级,使得智能体获取与交通状况匹配度更高的前序相关样本,并通过双Q网络和竞争式Q网络来进一步提升DQN(Deep Q Network)算法的性能。最后,以杭州市萧山区市心中路和山阴路形成的单交叉口为例,在仿真平台SUMO(Simulation of Urban Mobility)上对算法进行验证,实验结果表明,提出的智能体模型优于无约束单一状态模型,在此基础上提出的算法能够有效缩短车辆平均等待时间和路口总排队长度,控制效果优于实际配时策略以及传统的DQN算法。

关键词： 避险货币   因子模型   利率平价   随机森林模型   机器学习  

摘要： 今年伊始,新冠疫情在全世界范围内肆虐,对全球经济造成了沉重打击。在当前全球不确定性不断上升的背景下,如果人民币依旧能够持续升值并保持稳健(即成为避险货币),一方面将有效地减少资本外流从而保障我国金融安全与稳定,另一方面也能够极大地提升人民币的国际地位。本文通过一个类因子模型发现,影响一国货币汇率收益与避险价值的既包括本国因素,还包括本国经济联系密切的其他各国因素(本文称其为外国因素)和全球风险因素。随后,本文利用机器学习方法对此进行了实证检验,分析表明:(1)本国与外国因素均会对货币避险价值造成影响,其中利率因素的影响最为明显,而价格水平因素的影响程度则相去甚远;(2)多数基本面因素不会直接地影响货币避险价值,但会通过影响经济基本面的各类因素对其造成显著的间接影响;(3)本国利率水平、金融要素市场建设与资本市场开放情况对于货币避险价值具有重要意义,但其中大多数外国因素对货币避险价值的影响相对较小。

关键词： VR技术   情景化   理念要求   自主学习   现代计算机技术   教学方法   多元立体化   AI技术  

摘要： 国家教育部颁布的《大学英语课程教学要求》明确提出,以现代计算机技术为支持增强学生自主学习能力,以实现大学生英语学习个性化多元立体化的目标。以学生为中心的教学理念要求教学工作者及学生双方均要实现学生的学习者主体地位,学生在教师的辅助下,独立、批判并创造性地学习和使用语言。情景学习理论认为学习者必须参与人与环境的互动,外语的学习要求学习者能够将所学知识应用到真实生活生产实践中。内容与语言相结合的教学方法也提出将语言置于内容中学习,学习者在进行内容的学习中,将会更有效地习得作为内容载体的语言。计算机技术的发展,尤其是AI技术与V R技术在近年来的迅猛发展,为外语的情景化自主学习提供了可以依赖的技术基础。