初中历史课堂教学如何促进学生自主学习

由于现阶段初中历史是开卷考试,学生、家长和学校对历史教学不太重视,大多数历史教师都是由非专业的教师来代课,导致历史教学就是画画重点。学生对历史课也不怎么感兴趣,历史课有被边缘化的趋势,学生历史自主学习的能力大大降低。     

动手能力与小学数学学习

在数学学习中，教师应激发学生的参与欲望，引导他们动手实践，自主探索，合作交流，激励学生主动看，主动说，主动做，主动想，根据自己的体验用自己的思维方式，通过独立思考，合作交流，重新“创造”有关的数学知识；感受数学本身的魅力，增进学好数学的信心。     

基于深度卷积神经网络的视觉里程计研究

视觉里程计利用视频信息来估计相机运动的位姿参数，实现对智能体的定位。传统视觉里程计方法需要特征提取、特征匹配/跟踪、外点剔除、运动估计、优化等流程，解算非常复杂，因此，提出了基于卷积神经网络的方法来实现端对端的单目视觉里程计。借助卷积神经网络对彩色图片自动学习提取图像帧间变化的全局特征，将用于分类的卷积神经网络转化为帧间时序特征网络，通过三层全连接层输出相机的帧间相对位姿参数。在KITTI数据集上的实验结果表明，提出的Deep-CNN-VO模型可以较准确地估计车辆的运动轨迹，证明了方法的可行性。在简化了复杂模型的基础上，与传统的视觉里程计系统相比，该模型的精度也有所提高。     

基于数值模拟的单锚张纲张网水动力性能研究

为深入开展单锚张纲张网渔具结构优化、渔获性能评价研究,使用数值计算方法对其水动力特性和形状进行模拟。根据田内准则将中国东海近海渔业生产中常用的单锚张纲张网(230 m×180 m)按大尺度比为25和小尺度比为3.95缩小,然后使用集中质量法对模型张网进行离散化处理,并对网目进行群化。建立拓扑结构,在此基础上采用有限元方法建立单锚张纲张网数学模型并进行数值模拟。结果表明:网具从初始状态到稳定状态的时间随流速的增加而减小;当流速较小时,网口水平和垂直扩张较好,随着流速的增加,网口两侧网衣垂直扩张逐渐减小,上、下纲中部高度未见明显减小,但后坠程度逐渐增大,网具纵向拉伸逐渐增大,网口的宽度明显减小,而网口高度略有下降;网具各部分网衣的缩结系数从网身到网囊逐渐减小,且随着流速的增加而减小;网具的总阻力(F)随流速的增加而增加,且与流速(v)呈F=480.1×v~(1.722)的关系;网具上纲和下纲两端结附网线张力载荷较为集中,且随着流速的增加,集中载荷分布趋势愈加明显。研究表明,通过数值模拟分析网具的总体扩张和阻力,掌握张网网具各部分网衣和纲索的张力载荷分布,以及随流速的变化情况,分析网具的受力均匀性和结构合理性,了解各部分网衣的横向扩张情况,这对于分析网具整体选择性、滤水性和渔具的导鱼性等至关重要。     

基于强化学习的电力市场信息披露程度对市场成员交易行为影响研究

基于信息披露的主体框架，分析披露体系中具体的供需信息对于市场成员的引导作用。建立日前市场的双层竞价优化模型，采用强化学习的方法，通过市场中有无关键供求信息披露对于发电商报价预期的影响，推演模拟不同信息披露程度下发电商报价行为，然后从策略演化过程、策略偏离度以及策略收敛速度3个角度进行信息披露程度对市场成员交易行为影响的定量分析，验证市场供需信息的发布程度对于市场成员的引导作用，最后基于推演结果进行总结，并对我国信息披露的建设提出建议与思考。     

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。     

单自由面锚固体单向加载破坏特征和 锚杆荷载规律研究

针对岩石与锚杆形成的锚固复合体,基于实验室单轴压缩实验结果,建立岩石试样单轴压缩数值模型,校验强度参数与塑性剪应变定量关系,确定应变软化力学参数;优化Flac3D中Pile结构单元预应力锚杆构建步骤,建立单自由面锚固体数值模型,剖析锚固体在单向加载条件下的内部破裂特征,揭示在加载全过程中的锚杆轴向荷载及弯矩变化规律。研究表明:由锚杆预应力产生的压应力区按椭球形分布,且压应力在锚固范围内具有双峰值特征;锚杆促使锚固体内部产生共轭剪切破坏带,且共轭剪切带与水平面夹角出现增大趋势,并在临空面浅部出现对称分布的次破裂面;杆体轴向荷载和弯矩分布均具有显著阶段特征;在峰前塑性应变阶段,杆体轴力和弯矩小幅增加,且均以靠近锚杆外锚固端的杆体为主;在峰后软化阶段,杆体轴力和弯矩显著增大,锚杆荷载特征由单纯轴向拉应变突变为拉、弯、剪综合受力状态,且靠近内锚固端杆体弯矩剧烈变化。     

一种军棋机器博弈的多棋子协同博弈方法

针对在军棋博弈不完全信息对弈中，面对棋子不同价值、不同位置、不同搭配所产生的不同棋力，传统的单子意图搜索算法，不能满足棋子之间的协同性与沟通性，同时也缺乏对敌方的引诱与欺骗等高级对抗能力。本文提出一种结合UCT搜索策略的高价值棋子博弈方法，实现高价值棋子协同博弈的策略。实战经验表明:高价值多棋子军棋协同博弈策略优于单棋子军棋博弈策略。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。