基于SOM网络的IVC空气过滤器故障分类

介绍了自组织特征映射（SOM）网络的结构和学习方法，提出将SOM网络应用于IVC（独立通风笼盒）空气过滤器故障模式分类的方法。并尝试用单一故障样本对网络进行训练，根据“赢”单元在竞争层的位置对多故障进行判断。实验结果表明，该方法减少了网络训练的工作量，并且达到了较好的分类效果。     

基于SOM网络的DSSS信号扩频序列估计

针对直接序列扩频信号(DSSS)的检测与估计问题,本文提出了一种基于自组织(SOM)神经网络的DSSS信号伪码(PN)序列估计算法。计算机仿真和实验结果表明,该方法与传统的谱相关方法相比,能在较低的信噪比情况下很好的进行工作。     

基于SOM网络的奖学金评定方法研究

现存的奖学金评判方法从单一的成绩出发以偏概全,忽视了学生思想品德的修养,学生学习成绩占主导地位,这不利于学生的全面发展。使用自组织特征映射网络,将学生的德育、智育及体育成绩进行综合比较和判断,通过比较将智育和体育在一个水平的学生经行聚类,通过德育成绩的高低,最终达到较为合理公平的奖学金评定方法。     

远程教育自主学习平台的设计与实现

远程教育自主学习平台能够使学习者进行自主学习,该平台是在网络学习环境中,学习者根据自己的实际需要,制定并执行适合自己的学习计划,自主选择适合自己的学习内容和学习策略,使学习具有更强的针对性,通过交互不断取得反馈信息。本文所设计并实现的远程教育自主学习平台实现了在线学习、在线测试、学习者管理、学习者组管理、课程管理、课程体系管理、学习者学习情况管理、试题管理、试卷管理以及学习者考试成绩管理等,可满足远程教育自主学习的实际需要。     

远程教育学习系统的构建研究

作为一种新型的以远程方式采取的教学活动,远程教育打破了传统的学生和教师必须面对面,在同一个时间和空间上进行教学的限制,让更多的学生、社会人员享受到了社会教育的资源,受到了人们的普遍关注。文章主要对远程教育学习系统的构建问题进行了研究,旨在建设更加科学化、合理化、专业化的远程教育学习系统。     

基于特征学习的无线传感网络入侵行为检测方法

传统的机器学习算法在无线传感网络入侵行为检测中应用效果不理想,Recall（召全率）和F1-score（召全率与精准率的调和平均数）较低,针对现行方法存在的不足和缺陷,提出基于特征学习的无线传感网络入侵行为检测方法。利用时间戳马尔可夫模型对无线传感网络进行分段,实现对网络入侵数据局部特征编码,利用深度学习网络,学习网络入侵行为特征,对网络数据标签进行数值化和归一化处理,根据入侵特征对网络行为进行分类,识别检测入侵行为,以此实现基于特征学习的无线传感网络入侵行为检测。经实验证明,设计方法Recal在95%以上,F1-score在90%以上,检测精度较高,在无线传感网络入侵行为检测方面具有良好的应用前景。     

基于深度学习网络的群体通信行为识别方法

现有群体通信行为识别方法识别率低、易受到干扰源影响,为此,引进深度学习网络,设计一种针对群体通信行为的全新识别方法。设定群体在网络中通信时任意一个通信节点随着时间变化而发生变化的序列,基于时间序列匹配通信背景,对群体通信行为发生背景进行提取与剥离;设定深度学习样本数据集合,结合粒子群的聚类方向,确定分类模型,实现对群体通信行为的标准化分类;引进共识函数,对群体通信行为进行识别,并通过设计识别算法的方式,对输出的识别结果进行多次迭代,实现识别结果的高精度。通过对比实验证明,在相同条件下,设计的识别方法识别率更高,且不会受到数据源中干扰数据的影响,可为后续群体通信安全策略的提出提供更有利的依据。     

基于HFC网络的远程教育系统

引言远程教育是教师通过多种传播手段向身处异地的受教育者传递知识和信息 ,实施教与学的过程。近年来 ,计算机多媒体技术和通信技术的发展 ,为远程教育的开展提供了更加丰富和可行的技术手段。视频会议模式的远程教育系统 ,是在学生相对密集的地点建立多媒体听课教室 ,在学校本部的教师授课地点建立授课教室 ,然后利用成熟的视频会议系统 ,将这些位于不同地点的多媒体授课和听课教室连接起来 ,当教师在授课教室讲课时 ,教师的声音、图像和授课中的相关数据信息 ,就能及时地传达给学生 ,而各个听课教室内学生接受知识时的表情图像及提问的…     

基于网络流量的用户网络行为被害性分析模型

网络行为被害性分析对于电信网络诈骗犯罪的防控具有深远意义。通过研究用户与网站交互产生的网络流量,提出一种基于网络流量分析的电信网络诈骗犯罪用户网络行为被害性识别模型,分析不同网络行为特征之间的关联规则,重构网络行为序列特征,同时结合随机森林算法评估网络行为的被害性。在被害人网络行为数据集基础上进行实验,证明模型能够有效提升网络行为被害性识别准确率。     

试论移动学习系统在远程教育中的构建与应用

随着移动通信技术的不断发展,移动学习作为远程教育的一种辅助教学形式,在受到日益关注的同时,其教学形式的设计、资源的呈现形式,以及开发技术、教学管理之间的事务处理等常见问题,已经成为影响移动学习发展的关键因素。相对而言,移动学习具有的优势更加明显,该种方法受到的限制因素较小,在远程教育当中,属于佼佼者,受到了广大学生的欢迎。但是,面对学生群体的持续扩大,移动学习系统在远程教育中,还需进一步强化,这就需要健全移动学习系统的构建和应用,塑造更多的功能。     

基于IP网的自主式多媒体远程教学系统

本文在简要分析多媒体远程教学需求的基础上,提出了一种包括教师T、学生P、课件资源R、协作教学环境E和网上教学管理M等表示远程教学的五元组结构模式,进一步设计了基于IP网的支持教学现场直播和按需点播的多媒体远程教学系统,并在校园网上进行了同步时授课以及按需点播的实验。     

网络环境下计算机课程研究性学习模式构建

根据研究性学习特点,探讨构建基于学科知识系统性和基于网络开放性的大学计算机基础研究性网络课程和构建网络环境下的研究性学习教学模式,使学生在获得系统学科知识的同时,培养和发展学生自身的科学素质和实践能力和创新精神。     

基于监督的距离度量学习方法研究

很多机器学习算法（比如K近邻算法）,学习的效果非常依赖于输入数据的距离度量,距离度量学习的主要目标是通过训练样本学习出一个能够更有效反映样本空间的距离函数,在此距离函数下,同类样本具有较近的距离,异类样本具有较远的距离。对近年来基于监督的距离度量学习方法的基本思想和算法进行了研究,并对当前距离度量学习的热点进行了介绍。     

基于个性化自适应学习的网络教学探析

个性化自适应学习与网络教学的融合,可以在保障学习行为自由性、独立性的同时,实现更匹配学习者个性化特征的学习辅助,充分优化教学行为的实效性.基于此,文章以个性化自适应学习作为语境,制定了计算机专业网络教学的高效机制:搜集信息确认学生优缺点,制定个性化学习指导机制;应用状态监测和大数据分析技术,推介针对性学习计划;设置独立...     

Artificial emotion model based on reinforcement learning mechanism of neural network

A hierarchical-processed frame construction of artificial emotion model for intelligent system is proposed in the paper according to the basic conclusion of emotional psychology.The general method of emotion processing,which considers only one single layer,has been changed in the presented construction.An artificial emotional development model is put forward based on reinforcement learning mechanism of neural network.The new model takes the emotion itself as reinforcement signal and describes its different influences on action learning efficiency corresponding to different individualities.In the end,simulation result based on child playmate robot is discussed and the effectiveness of the model is verified.     

基于JXTA的P2P远程学习系统的设计与实现

JXTA技术主要用于提供P2P应用系统所需的基础服务.在总结传统B/S架构的远程学习系统许多弊端的基础上.分析JXTA技术的体系结构、核心协议及开发P2P应用系统的优势,利用JXTA技术和Java语言设计和实现一个简单的P2P远程学习系统.测试结果表明,该系统可靠性好、伸缩性强,极大地提高了学生的学习效率.     

基于JXTA的P2P远程学习系统的设计与实现

JXTA技术主要用于提供P2P应91系统所需的基础服务。在总结传统B／S架构的远程学习系统许多弊端的基础上．分析JXTA技术的体系结构、核心协议及开发P2P应用系统的优势,利用JXTA技术和Java语言设计和实现一个简单的P2P远程学习系统。测试结果表明,该系统可靠性好、伸缩性强,极大地提高了学生的学习效率。     

Lateral control of autonomous vehicles based on learning driver behavior via cloud model

In order to achieve the lateral control of the intelligent vehicle, use the bi-cognitive model based on cloud model and cloud reasoning, solve the decision problem of the qualitative and quantitative of the lateral control of the intelligent vehicle. Obtaining a number of experiment data by driving a vehicle, classify the data according to the concept of data and fix the input and output variables of the cloud controller, design the control rules of the cloud controller of intelligent vehicle, and clouded and fix the parameter of cloud controller: expectation, entropy and hyper entropy. In order to verify the effectiveness of the cloud controller, joint simulation platform based on Matlab/Simulink/CarSim is established. Experimental analysis shows that: driver's lateral controller based on cloud model is able to achieve tracking of the desired angle, and achieve good control effect, it also verifies that a series of mental activities such as feeling, cognition, calculation, decision and so on are fuzzy and uncertain.     

Wasserstein distance feature alignment learning for 2D image-based 3D model retrieval

2D image-based 3D model retrieval has become a hotspot topic in recent years. However, the current existing methods are limited by two aspects. Firstly, they are mostly based on the supervised learning, which limits their application because of the high time and cost consuming of manual annotation. Secondly, the mainstream methods narrow the discrepancy between 2D and 3D domains mainly by the image-level alignment, which may bring the additional noise during the image transformation and influence cross-domain effect. Consequently, we propose a Wasserstein distance feature alignment learning (WDFAL) for this retrieval task. First of all, we describe 3D models through a series of virtual views and use CNNs to extract features. Secondly, we design a domain critic network based on the Wasserstein distance to narrow the discrepancy between two domains. Compared to the image-level alignment, we reduce the domain gap by the feature-level distribution alignment to avoid introducing additional noise. Finally, we extract the visual features from 2D and 3D domains, and calculate their similarity by utilizing Euclidean distance. The extensive experiments can validate the superiority of the WDFAL method.