关键词： 高校   党史学习教育   图像叙事   思想政治教育  

摘要： 开展好党史学习教育是高校落实立德树人根本任务的必然要求。党史本身所具备的“故事性”以及传播技术、视觉媒体的加速助推,让图像叙事法成为高校开展党史学习教育的必选方法、首选方法。高校党史学习教育中运用图像叙事能够凸显党史“故事性”本色,推动高校党史学习教育走深走实,传承中国共产党叙事方式优良传统,形成叙事教学合力。在教育者、教育对象和教育内容方面,高校党史学习教育中运用图像叙事存在突出的现实难点,实践中应着力从多个方面完善党史图像叙事路径:遵循叙事规律与贴合学生实际相结合,强化叙事价值引领;甄选图像与创作图像相结合,丰富叙事资源库;图像叙事与文本叙事相结合,练实叙事基本功;多主体与多平台联动,汇聚叙事力量;引进来与走出去相结合,拓宽叙事路径。

关键词： 动态对抗学习   运动想象   脑电信号   域适应   协方差矩阵对齐  

摘要： 解码运动想象脑电(EEG)信号是构造脑机接口(BCI)的关键技术之一。然而,脑电样本采集成本高、个体差异大,且信号具有时变性强、低信噪比等特点,构建跨被试模式识别方法成为了研究的关键。为此,提出一种跨被试动态多域对抗学习方法。首先采用样本协方差对齐和全局域鉴别器适应样本集边缘分布,随后采用多个类别子域鉴别器适应样本集条件分布,并自适应学习多域鉴别器的对抗系数。基于动态多域对抗学习策略,所提出的动态多域对抗网络(DMDAN)模型可学习到被试域间有泛化能力的深度特征。在BCI Competition IV 2A和2B公开数据集上的实验结果表明,DMDAN模型提高了跨被试域不变特征的学习能力,与现有对抗学习方法DRDA(Deep Representation Domain Adaptation)相比,在数据集2A和数据集2B上的平均分类准确率分别提高了1.80和2.52个百分点。可见,所提出的DMDAN模型提升了跨被试运动想象脑电信号解码性能,在不同数据集上具有不错的泛化性。

关键词： 数字技术创新   并购   机器学习  

摘要： 数字技术创新是数字经济发展的动力之源,并购重组是企业获取数字技术、进行数字化变革的高效方式。本文运用文本分析和Word2Vec算法构建数字专利词库、通过机器学习模型对数字技术进行细分,从并购视角探究数字技术创新能否为企业带来价值。本文利用2011—2020年沪深A股上市公司数据,研究发现:目标公司拥有的数字专利越多,企业并购所产生的累积超额收益率越大,即数字技术创新能显著提升并购公司的市场价值;目标公司拥有的数字技术能显著提升并购企业的生产效率、数字技术创新以及商业模式创新;对于处在知识产权保护较强地区、受到分析师关注较高以及拥有首席技术官的并购公司而言,数字技术的这种价值提升效应更明显;就数字技术类别而言,目标公司拥有的云计算技术和通信网络技术是驱动并购公司价值提升的可能原因,且最具价值的数字技术类别存在行业异质性。本文不仅丰富了数字技术创新的相关研究,也为强化数字技术与实体经济的深度融合提供了政策参考。

关键词： 固体推进剂   HTPB   颗粒级配   机器学习   神经网络   力学性能  

摘要： 固体推进剂中AP颗粒的级配不同会导致力学性能相差巨大,为了探究AP颗粒的粒度值和质量分数对端羟基聚丁二烯(HTPB)推进剂力学性能的影响规律,采用机器学习的方法对推进剂的力学性能进行仿真预测,降低了实验成本并提高了预测效率。首先,对不同级配的HTPB推进剂进行拉伸试验,得到不同温度下抗拉强度和伸长率;其次,以拉伸试验结果为样本进行机器学习,分别构建了反向传播(Back Propagation,BP)神经网络、粒子群算法优化的反向传播(Particle Swarm Optimization Back Propagation,PSOBP)神经网络和遗传算法优化的反向传播(Genetic Algorithms Back Propagation,GABP)神经网络对推进剂的力学性能进行预测。结果表明,力学性能与颗粒级配的内在关系较为复杂,并非简单的线性关系。PSOBP和GABP可以用于预测不同级配下HTPB推进剂力学性能,并且GABP神经网络可以更好地预测推进剂的力学性能变化。

关键词： 视觉结算   增量学习   合成   渲染   目标检测  

摘要： 为了解决智能零售视觉结算任务中的增量学习问题,提出一个新颖的基于数据增广的三元组模型,由合成网络、渲染网络和检测网络组成。合成网络与渲染网络协同学习,将单品示例图像以数据增广方式生成分布接近真实数据的渲染视觉结算图像。在增量学习阶段,原有产品和新产品的示例图像协同学习,生成包含新产品的结算图像。所有渲染视觉结算图像被用于训练检测网络,训练好的模型能同时识别原有产品和新产品。试验结果表明,该模型具有相较于现有增量学习方法更优异的对抗灾难性遗忘能力,增量后的结算准确率为64.90%,遗忘率为3.63%,优于现有最佳方法的4.38%。

关键词： 增量学习   灾难性遗忘   参数优化   特征整合   知识蒸馏  

摘要： 针对深度网络模型在增量式场景下图片分类任务所产生的灾难性遗忘问题,提出一种自适应特征整合与权重选择的类增量学习方法。该方法以知识蒸馏作为基础框架,对前后任务模型的主干网络和分类网络的输出特征进行整合,利用蒸馏约束与自定义差异损失使当前模型具有历史旧模型的泛化能力。在增量学习阶段,对神经网络模型参数的重要性进行评价,学习新任务时,重要参数的改变会受到惩罚,从而有效防止新模型覆盖于以前任务相关的重要知识。实验结果表明,所提方法可以发掘模型的增量学习能力,有效缓解了灾难性遗忘。

关键词： 多智能体强化学习   强化学习   多智能体系统   群体协同   维度灾难  

摘要： 在自动驾驶、团队配合游戏等现实场景的序列决策问题中,多智能体强化学习表现出了优秀的潜力。然而,多智能体强化学习面临着维度灾难、不稳定性、多目标性和部分可观测性等挑战。为此,概述了多智能体强化学习的概念与方法,并整理了当前研究的主要趋势和研究方向。研究趋势包括CTDE范式、具有循环神经单元的智能体和训练技巧。主要研究方向涵盖混合型学习方法、协同与竞争学习、通信与知识共享、适应性与鲁棒性、分层与模块化学习、基于博弈论的方法以及可解释性。未来的研究方向包括解决维度灾难问题、求解大型组合优化问题和分析多智能体强化学习算法的全局收敛性。这些研究方向将推动多智能体强化学习在实际应用中取得更大的突破。

关键词： 课程组织方式   跨学科主题学习   生活问题导向的教育  

摘要： 义务教育课程体系中的跨学科主题学习属于课程建设范畴,不限于日常教学行为。它具有综合性、实践性、开放性的特点,是生活问题导向的教育,而非学科知识导向的学习。跨学科主题学习课程应当在学校层面统筹设计、整合实施,进一步促进课程形态、学校育人方式及相关教学制度的变革,实现真正意义上的课程协同育人。

关键词： 中学语文作业现状   设计特征   学习任务群  

摘要： 当前中学语文教师普遍缺乏作业设计意识,同时,新课程标准提出学习任务群教学,主张问题导向与任务导向,语文作业设计由此面临新的挑战。在此背景下,中学语文项目式作业设计有其积极意义,它回应减负增效的需要,能促进核心素养的落实,孕育创新精神与实践能力,具有真实体验性、任务实践性、学生主体性、过程多元性、知识整合性等特征。

关键词： 盾构隧道   机器学习   隧道施工   大数据   人工智能  

摘要： 随着盾构隧道工程信息化水平的提升,隧道掘进设备作业过程监测技术日益完善,记录的工程数据蕴含了掘进设备内部信息及其与外部地层的相互作用关系。机器学习因其数据分析能力强,无需先验的理论公式和专家知识,相较于传统的建模统计分析方法具有更大的应用空间。通过机器学习方法对收集的信息与数据进行深度挖掘并分析其内在联系,有助于提升盾构隧道工程建设的效率和安全保障水平。简述机器学习方法的基本原理,总结和分析机器学习方法在盾构工程中的应用研究状况,综述基于机器学习的盾构设备状态分析、盾构设备性能预测、围岩参数反演、地表变形预测和隧道病害诊断等5个方面的进展,并分析当前研究的不足。最后,分析盾构隧道工程向智能化方向发展需重点攻克的难题。