“拱猪”游戏的深度蒙特卡洛博弈算法

针对现有的“拱猪”卷积模型计算复杂且高度依赖专家知识的问题,提出一种应用于“拱猪”博弈游戏的深度神经网络和蒙特卡洛方法相结合的深度蒙特卡洛算法。采用自对弈的方式进行模拟和评估,使用深度Q网络代替Q表完成Q值的更新,高效地对“拱猪”策略进行探索和利用;采用分布式并行计算的方法提高训练效率,较于传统的蒙特卡洛方法可有效地解决高方差问题。在具有一个GPU的单台服务器上训练24 h后,所构建的智能代理与“拱猪”卷积模型对弈了10 000局。实验结果表明：智能代理胜率可达78.3%,平均每局可获得67分,对具体示例进行分析,进一步验证了该算法的有效性以及智能代理的良好性能。     

基于深度学习的液位仪表读数识别方法研究

变电站对高铁安全运行至关重要,为准确获取高铁变电站液位仪表的准确读数,基于YOLOX-S提出KN-YOLOX-S深度学习网络模型。在骨干网络中,引入Ghost卷积代替传统卷积层,降低网络的参数量和计算量,实现模型的轻量化;在SPPBotteneck模块中增加KNSE注意力模块,提高网络对空间信息的敏感度,增强有效特征信息的提取能力。实验表明,KN-YOLOX-S比YOLOX-S模型在mAP@0.50上提高0.4%,mAP@0.5:0.95提高0.54%,同时推理速度提高近2倍,满足高铁变电站液位表实时检测要求。     

公平思考与学习行为：社会偏好的实验检验

为验证国内参与者是否也存在公平思考,公平思考对他们策略决定的影响程度和能否加快博弈均衡的出现,以及参与者的行为是由"公平假说"和"学习假说"中的单一模型还是由两个模型混合解释的好,利用自编的软件在计算机上进行冰淇淋蛋糕分配实验,实验结果表明:实验参与者在实验过程中,不仅仅存在学习行为,而且也存在公平思考,学习行为与公平思考都能加快博弈均衡的形成,因此,不能采用单一的学习模型或公平模型来解释参与者的行为.这为构建一个包含学习与公平思考的混合模型来解释实验参与者的行为提供了事实依据.     

统计学习算法在高校教学质量评估中的应用研究

本文分析了机器学习算法在教学质量评估中应用的可行性,并以带权间隔支持向量回归模型WMSVR（Weighed Margin Support Vector Regression）。本文对教学质量评估的众多分量进行训练学习,以建立稳定描述教师教学质量的机器学习模型。该模型输入量化的教学质量评估指标,引入具有可信程度的学生意见信息,并以带权间隔来表示样本的置信度,以WMSVR模型作为训练器,模型输出数量化的教学质量指标。对比专家对教师的教学活动的评价表明：WMSVR模型在教学质量评估中有较高的准确度和泛化能力,在语义上有足够表达教学质量指标体系的能力。     

提高儿童学习效率方案的评估模型

建立了一个关于如何评估教育者制定的提高儿童学习效率方案(以下简称效率方案)的模型,得到了具有良好可操作性的最优效率方案.     

自适应学习中自适应测验长度预测研究

自适应测验是自适应评估过程中常用的一种手段,自适应测验长度预测对自适应学习的时间管理和推荐策略有非常重要的影响。对自适应测验长度预测的研究内容和现状进行分析,基于隐语义模型和认知诊断模型构建知识模块和知识点自适应测验长度预测模型,通过在大规模数据集上实验,结果表明：知识模块自适应测验长度预测模型的预测准确度较高;优化后的知识点自适应测验长度预测模型与原模型相比,预测准确度大幅提高,模型训练时间大幅减少。研究成果对自适应学习系统的实现具有重要的应用价值。     

形成性评估英语教学模式的实证研究

我们在大学英语教学中引入形成性评估模式,在一个教学班(80人)进行了为期一年的实验.定性和定量数据表明该评估体系激发了学生的自主学习意识,促进了学生的自主学习和合作学习能力,有利于学生发展成为自我监控、自主评估的自主学习者.     

培养新专升本院校大学生英语自主学习能力的可行性研究

在外语教学中,人们愈来愈重视培养学生的自主学习能力.文中探讨了在新专升本院校,通过精读课上的元认知策略培训来促进学生自主性学习能力的可行性.在实验过程中,元认知策略的培训被融入到精读课的课堂教学中,着重培养学生如何有效地计划、监控和评估自己的学习过程.结果发现在新专升本院校通过元认知策略培训来提高学生的自主学习能力是有效可行的.     

形成性评估对外语教学效果影响的探讨

形成性评估是大学英语课程教学的一个重要环节。它与终结性评估结合共同构成学习评估体系。对于实现课程目标至关重要。它既是教师获取教学反馈信息，改进教学管理，保证教学质量的重要依据，又是学生调整学习策略、改进学习方法、提高学习效率的有效手段。     

1.2085葛利兹模具钢高速铣削参数的正交实验优选

针对饮料瓶吹塑模型腔在表面粗糙度方面的要求较高,精加工质量与多个因素相关的情况,提出采用正交实验 方法对加工过程中的切削速度、进给量、径向切削深度、轴向切削深度等要素进行评估,建立加工表面粗糙度与各工艺参 数之间的对应关系,从而确定影响加工质量的主要因素及其规律。研究结果表明,径向切削深度和轴向切削深度是影响 零件表面粗糙度的主要因素,而切削速度和进给量对表面质量的影响相对较小。实验结果有助于生产企业优化工艺参 数、提高生产效率。     

大学英语教学评估模式实验研究

文章从英语教学实践的角度出发,在大学英语教学中引入形成性评估体系,在我院两个教学班进行了为期一个学期的实验,结果显示,形成性评估能激发学生课堂参与意识,养成合作学习的习惯,同时能促进学生自主学习能力的培养。     

以对比学习与时序递推提升摘要泛化性的方法

为了有效缓解基于交叉熵损失函数训练的传统文本摘要模型所面临的推理过程中性能下降、泛化性较低、生成过程中曝光偏差现象严重、生成的摘要与参考摘要文本相似度较低等问题,提出了一种新颖的训练方式,一方面,模型本身以beamsearch的方式生成候选集,以候选摘要的评估分数选取正负样本,在输出的候选集中以“argmax-贪心搜索概率值”和“标签概率值“构建2组对比损失函数;另一方面,设计作用于候选集句内的时序递推函数引导模型在输出每个单独的候选摘要时确保时序准确性,并缓解曝光偏差问题。实验表明,所提方法在CNN/DailyMail和Xsum公共数据集上的泛化性得到提升,Rouge与BertScore在CNN/DailyMail上达到47.54和88.51,在Xsum上达到了48.75和92.61。     

赛事应重在参与过程

正在终身学习活动中开展竞赛时,应把竞赛作为实现全民学习的一种载体、一种手段,不应把竞赛作为目的。有的单位在终身学习活动中,为了获得某项赛事的好名次,搞"形象工程",动脑筋、想办法如何用较小的代价获取最大的利益,于是他们省略或简化了发动群众、层层选拔的程序,专拣"尖子"来开展"集训",这可谓"把钱花在了刀刃"上了。结果,名次倒是上去了,可     

基于深度学习的不规则特征识别检测技术

〖HK44〗〖HT5”H〗摘要：〖HT5”K〗针对目前工业上金属轴零件在加工的过程中可能由于加工失误、本身材质等原因产生不同缺陷,而传统的检测方法检测精 度和泛化能力有限的现状,课题组提出了基于深度学习的不规则特征识别技术,来提升对金属轴表面缺陷的检测效率。课题组设计了金属轴表面缺陷图像预处理 方法,提升采集的缺陷图像的质量;对传统深度学习Faster R CNN进行改进,设计了模型的特征提取网络、RPN网络、分类网络以及模型参数,提升模型的检测 性能。实验结果表明本技术能有效提升工业流水线对金属轴缺陷的检测效率和精度,可同时检测多种不同种类的缺陷。课题组的研究成果具备良好的泛化能力。     

泛在学习视域下的理工科学术英语动态评估模型构建

基于泛在学习和动态评估的理论基础,结合理工科学术英语能力构念研究,构建适用于中国理工科大学生的“泛在学习视域下的理工科学术英语动态评估模型”。该模型注重培养学生的学术英语意识,分为课内介入式评估和课后互动式评估两个相辅的层面,促进学生学术英语能力的提高。在上海理工大学的“学术英语读写”和“学术英语听说”课程中,分别设置写作能力和口语能力动态评估模型,以举例阐述该模型的应用方式。     

Q学习角色值法在机器人足球比赛中的应用

提出了基于Q学习的角色值方法,避免了在比赛中由于机器人之间的频繁角色转换而造成的系统效率损失及系统不稳定。该方法完善了多智能体系统的整体调整方法,有效地解决了在实际系统设计和实现过程中遇到的问题。经FIRA仿真比赛检验,该方法是有效的,降低了机器人丢球、漏球、不作为的可能性,弥补了按区域分配固定角色的不足,有较好的实用性。     

基于粒计算的程序题评分模型研究

程序题自动评分是程序设计类课程实现无纸化考试和在线练习的核心问题之一,传统评分方法没有从程序的结构、语法、相似度等方面进行全面考虑。受粒计算相关理论及模型启发,结合人工评分的多粒度思维模式．对程序源码进行静态分析,提出一种基于粒计算思想的程序题自动评分模型。以C程序为例,将程序文本和标准答案程序在各个粒度层面上进行匹配,计算出各粒度权值,将匹配结果进行综合评价得出最终评分。实验表明,该评分方法全面考察了程序在结构、语法、文本相似度等多方面的匹配程度,有较高的准确性,并可方使地应用到其他类型程序的评分模型之中。     

利用形成性评价促进非英语专业学生自主性英语学习能力的培养

帮助学习者获得自主性学习能力是大学英语教学的重要目标之一,而在实际教学中,偏重运用终结性评价手段却阻碍了这一目标的实现。要培养学习者自主性学习能力,需要帮助他们强化学习动力、调整学习策略、改进学习方法、提高学习效率、增强学习自信。形成性评价有助于实现上述目标。本项目在对自主学习和形成性评价进行理论分析和实施大学英语教学实验的基础上,重点研究了利用形成性评价促进非英语专业学生自主性英语学习能力培养的具体措施,并得出若干重要启示。     

基于多源数据的房地产价格指数预测模型及实证研究

房地产的价格变化对社会经济发展有显著的影响,准确预测房地产市场价格变化并对其进行有效调控显得尤为重要,但使用房价作为评估房地产市场的度量指标有一定的局限性。住宅销售价格指数是由国家统计局发布的综合反映住宅商品价格水平总体变化趋势和变化幅度的相对数,为探讨新建商品房住宅销售价格指数的预测方法及其预测有效性,利用与相关的房地产供求关系、社会宏观经济指标、国家货币政策和民众对房价的预期等多源数据,构建了一套房地产价格指标体系。分别使用BP-Adaboost和支持向量回归机两种机器学习算法构建房地产评估模型,同时设计了一个调参算法对支持向量回归机模型进行参数优化。在实证中使用华北某市的房地产月度数据对两种模型进行训练和预测,并与ARIMA模型和经典BP神经网络模型做对比。实验结果表明,BP-Adaboost模型的预测误差最小,使用BPAdaboost模型预测房地产价格指数具有可行性。     

基于极限学习机的中文文本分类方法

针对当前中文文本分类方法难以平衡分类精度和学习效率的问题,提出了一种基于极限学习机(ELM)的中文文本分类方法,该方法包括预处理模块、文本特征提取模块、特征融合模块和基于极限学习机的分类模块。在分类模块中,提出采用单隐层神经网络作为分类器并使用ELM算法来训练分类器,有效地平衡模型性能和学习效率。同时分别针对不同的特征训练分类器,集成不同分类器的输出得到最后的分类结果,有效提高了平衡分类精度,并在电网档案管理系统的档案归类任务中对该模型进行应用评估。实验结果表明,该模型不仅有较高的分类精度,而且在训练和测试两个阶段模型的计算都具有较低的代价。所提方法适用于海量数据下的中文文本分类场景,具有重要的研究意义和推广价值。