关键词： 自动驾驶   深度强化学习   特征编码   驾驶干预   经验回放  

摘要： 针对当前自动驾驶领域中深度强化学习(deep reinforcement learning,DRL)所面临的高计算性能需求和收敛速度慢的问题,将变分自编码器(variational autoencoder,VAE)和近端策略优化算法(proximal policy optimization,PPO)相结合。通过采用VAE的特征编码技术,将Carla模拟器获取的语义图像有效转换为状态输入,以此应对DRL在处理复杂自动驾驶任务时的高计算负担。为了解决DRL训练中出现的局部最优和收敛速度慢的问题,引入了驾驶干预机制和基于驾驶员引导的经验回放机制,在训练初期和模型陷入局部最优时进行驾驶干预,以提升模型的学习效率和泛化能力。通过在交通路口左转场景进行的实验验证,结果表明,在驾驶干预机制的帮助下,训练初期模型的性能提升加快,且模型陷入局部最优时通过驾驶干预,模型的性能进一步提升,且在复杂场景下提升更为明显。

关键词： 低轨星座   边缘计算   博弈论   多智能体强化学习  

摘要： 博弈强化学习作为人工智能领域的新兴范式,是当前解决低轨星座边缘计算问题的主流方法。融入博弈论的多智能体深度强化学习方法为复杂、动态、不确定性的星座边缘计算问题提供了新思路。通过梳理总结卫星组网、任务卸载以及资源调度3种卫星边缘计算主要研究方向,详细阐述了博弈强化学习范式基础,并从博弈模型、深度Q网络、深度确定性策略梯度以及近端策略优化等方面分别阐述了3种研究方向上的典型应用现状,最后对该领域的前沿挑战进行分析,期望为博弈强化学习范式与低轨星座边缘计算领域的交叉融合研究提供参考。

关键词： 整合运用   小学语文课程   特定情境   深度学习   语文课堂   跨学科教学   项目化学习   创新式  

摘要： 跨学科教学可引导学生从不同角度学习与理解课程知识,而项目化学习可使学生依托特定情境形成独特的知识感知,两种教学方法均可有效提升教学质量。小学语文课程在教学改革期间,可创新式引入跨学科项目化学习方法,通过整合运用跨学科、项目化学习两种教学模式而构建高质量语文课堂,使学生能深度学习语文知识,并在项目活动中学以致用。

关键词： OBE   应用型本科   学习方法   学习评价   可持续学习能力  

摘要： OBE理念下的教学,其实质是以学生学习为中心的教学。在我国高等教育进入普及化的背景下,生源质量和结构出现新的变化,保障人才培养质量就显得尤为迫切。本文依据OBE教育理念,探讨了应用型本科学生学习设计的策略,包括学习目标的设计、内容的选择、课堂教学的实施、评价与反馈以及学习目标的达成测量等,以期为应用型本科高校教师就如何保障好人才培养质量提供参考。

关键词： 单分子运动   无监督学习   模型细胞膜   胆固醇  

摘要： 单分子运动追踪是研究软物质体系尤其是生命体系动力学过程和分子相互作用的重要方法,但如何理解生命体系中单分子运动行为的复杂性仍是一个巨大的挑战.针对这一问题,本工作提出了一种可对单分子轨迹进行高效识别和分类的、基于无监督学习的“两步归类法”:首先利用熵约束最小二乘法对扩散轨迹的受限程度进行区分,继而通过统计检验将非受限轨迹划分为亚扩散、正常扩散和超扩散等不同运动模式类型.利用该方法,本工作解析了DOPC模型细胞膜和活细胞膜内的单分子扩散运动特征,揭示了胆固醇成分对二者的差异影响.结果显示:模型膜和活细胞膜均包含多种不同的扩散模式;在DOPC模型膜体系中,胆固醇成分会阻碍膜内的分子扩散运动,且阻碍程度与胆固醇含量正相关;在活细胞体系中,分子运动速率显著低于模型膜体系,并且,胆固醇的去除会进一步减慢分子扩散速率.本研究有助于从单分子运动角度深入理解生物分子运动行为的复杂性及其对体系环境的依赖性.

关键词： 自监督学习   图对比学习   特征增强   节点分类   图表示学习  

摘要： 图表示学习在处理图数据结构中起着非常重要的作用,但它面临着严重依赖于标记信息的挑战。为了克服这一挑战,提出了一种新的自监督图表示学习框架,通过使用对比学习方法,融合原始图的结构与属性以及频谱的高低频信息,在保留节点信息的基础上进行增强。同时,利用残差融合机制和无偏特征增强方法,在保证特征有效性的同时进一步减少增强样本的偏差。此外,在对比部分估计负样本为真的概率,并使用权重来度量负样本的硬度和相似度。通过在3个公开数据集上实验证明,在节点分类的下游任务中表现不仅优于当前最先进的无监督方法,而且还在多数任务中超过了以往的有监督方法。

关键词： 图表示学习   自动编码器   自监督   消息传递  

摘要： 图表示学习旨在通过监督或无监督方法学习图结构数据中节点的嵌入表示.对于无标签或缺乏可靠标签的图数据集,监督方法无法正常工作,现有的无监督方法也难以学得足够准确的节点嵌入.本文提出一种自监督的消息传递图表示学习方法(SMP-GL),使用多自动编码器生成并筛选基底嵌入,基于消息传递的思想通过自监督更新节点信息来学习图节点的嵌入表示,并通过对嵌入层的覆盖更新实现多级消息传递,在不使用标签信息的情况下大幅提高了节点嵌入的准确性.论文选用四个真实世界数据集和八个先进的基线方法进行对比实验,结果表明,本文模型不仅超过了以往先进的无监督方法,而且还匹配甚至在多数任务中超过了以往先进的监督方法,能够有效应用于无标签图数据集的表示学习任务.

关键词： 伽马射线暴   机器学习   统计分析  

摘要： 伽马射线暴(简称伽马暴)是发生在宇宙学距离上的高能爆发现象,红移的探测对于探究伽马暴的物理起源、爆发机制以及辐射过程都至关重要。截至目前,伽马暴的观测数量已经很多,但有确定红移的暴却很少。早期研究者通常采用一些物理参量之间的紧密经验关系反推伽马暴的赝红移,从而用于宇宙学研究,但利用这种方法获得的赝红移结果很不准确。在本文中,我们利用有监督机器学习算法对Swift卫星未测得红移的伽马暴进行红移预测。以Swift卫星在2005年3月至2022年5月期间观测到的所有伽马暴为研究样本,选择了瞬时辐射阶段的持续时间、时间积分流量、光子指数和X射线余辉平台辐射结束时的流量、结束时间、时间幂律衰减指数、平台结束后阶段的衰减指数、能谱指数、氢柱密度等物理量作为特征参量,运用随机森林、线性回归、最小绝对收缩与选择算子、核岭回归以及支持向量回归等算法作为机器学习基本算法,建立了SuperLearner集成模型,最后通过模型训练、交叉验证、模型预测,最终获得了128个伽马暴赝红移。机器学习预测的红移结果要比传统上用参量之间的关系进行预测的结果要更加准确。

关键词： 深度学习   学前教育   幼儿游戏   主体作用   陪伴者   幼儿园   合作者   价值取向  

摘要： “深度学习”和“有意义游戏”是游戏质量研究的两大关键点,也是提升学前教育过程性质量的适宜路径。作为幼儿游戏的合作者、支持者、陪伴者,教师应厘清游戏的价值取向和精神内核,理解、尊重、信任、珍视幼儿,进一步发挥幼儿的主体作用,支持幼儿在有意义游戏中得到适宜性发展。如何通过游戏有效支持幼儿深度学习,促进幼儿长足发展,是当今诸多幼儿园的研究方向之一。

关键词： 角色实践   主题统整   跨学科主题学习   角色形象  

摘要： 基于人才培养的需求,学科的综合趋势也越发明显,主题统整的跨学科学习,成为学校积极探索的一种课程学习样态。在跨学科学习活动中,教师打破传统的学科松散累加的形式,以主题内容为内在聚合点,通过个性化的角色形象设计,让每个学生找到属于自己的角色定位,并将相同的角色进行归组,借助学生对角色的理解、激活、实践,形成综合化学习的探究脉络,培育高阶思维,促进人的全面发展。