医学高职生英语学习策略运用的调查与启示

以广西某高校170名医学高职生为研究对象,通过问卷、访谈和B级成绩调查高职生英语学习策略的运用特点,结果表明高职生较多运用组织性计划、联想和自我交谈策略,较少运用听觉再现策略;女生比男生更多地运用自我交谈策略来降低学习的焦虑;高分组比低分组更熟练地运用推断策略;学生B级成绩的21．2％直接受到联想策略运用水平的影响．对造成这些差异的原因进行了分析,并指出在教学中要加强对学生的学习策略的培训．     

CuO的可控合成及其作为锂离子电池负极材料的性能

通过溶液沉淀加水热反应的方法合成了不同形貌的氧化铜。通过循环伏安法、充放电法等研究氧化铜作为锂离子电池负极材料的电化学性能。结果表明:不同形貌的氧化铜电化学性能差异很大,首次嵌锂容量均在700mA·h/g以上,而结晶性能较好、形貌较规则的氧化铜粉末呈现出较好的电化学循环稳定性,100次循环后容量仍保持400 mA·h/g。对氧化铜负极材料的反应机理、首次容量高于理论容量及不可逆容量的原因进行了分析。     

苏通大桥施工构件尺寸偏差对主梁线形影响分析

本文研究了构件尺寸偏差对苏通大桥施工控制的影响,分析了塔的高度、施工完成时塔的垂直度、钢箱梁的无应力线形和无应力长度、斜拉索的无应力长度等因素的尺寸偏差对主梁线形的影响,为苏通大桥施工精度控制标准的制定提供了理论依据.苏通大桥的高质量建成通车,验证了本文分析结论的可靠性.     

一种动态不确定环境下的机器人路径规划算法

为了提高机器人在动态不确定环境下的实时性和适应能力,提出了一种机器人实时路径规划新方法.采用环境信息处理算法,通过搜索实时局部环境信息特征信息的方式对环境信息进行分析和处理.该方法能够捕捉动态障碍物并对动态障碍物的运动规律进行预测,将特征信息及时更新给运动动作规划算法部分.运动动作规划算法是通过引入启发式思想选择双安全子目标点,完成规划运动动作并实现优化路径.在不同环境下进行仿真实验,检验了算法的有效性,证明算法在动态不确定环境下具有良好的实时性和适应性。     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

超空泡航行体纵向运动的鲁棒极点配置控制

由于空泡及滑行力的存在,使得超空泡航行体的建模及控制问题变得非常复杂,在其模型简化过程中会产生一定的建模误差,采用鲁棒极点配置算法进行超空泡航行体控制可以有效克服这一缺点.对超空泡航行体所受的流体动力、尤其是滑行力的动态特性进行了分析整理;建立了超空泡航行体纵平面内的动力学模型;最后利用鲁棒极点配置算法设计了控制器.仿真结果表明,该控制系统具有较强的鲁棒性及稳定性.对各控制变量的控制效果进行了对比分析,分析结果表明空化器比尾舵具有更好的控制效果.     

高校自动排课系统算法比较分析

课程表的编排是高校教务管理中最为重要和复杂的一项工作。通过对几种自动排课算法的合理比较。统筹分析出各自的优劣,得出贪婪算法的综合适用性是最优的结论。在此基础之上．进一步分析贪婪算法是如何逐步解决排课的现实问题,并给出基于贪婪算法的自动排课系统算法的具体实现过程。     

变电站基建施工智能辅助管理系统的开发与应用

结合嘉兴电力局多年电力基建施工管理经验,研究开发变电站基建施工智能辅助系统,用各类信息化科技手段管理变电站施工过程中的质量、安全、标准工艺,提升变电站基建施工水平.     

大规模数据流统计中冷热流替换策略优化

对大规模数据流统计的问题进行了研究,针对大流统计的典型结构Elastic Sketch替换策略中存在的问题进行优化,优化策略解决了冷流被误判为热流插入重部的问题.针对重部中保存的不一定是最大流的问题进行优化,提出了基于最大值和组相连的替换策略,保证了存储在重部的一定是最大的流,提高了大流统计的精度,同时大大降低了热碰撞发生的概率.相比于传统的测量统计方法,在提高了测量精度的同时,减少了内存占用.     

基于改进遗传算法的深度神经网络优化研究

深度前馈神经网络在分类和回归问题上得到了很好的应用,但网络性能极大程度上受到其结构和超参数影响.为了获得高性能的神经网络,首先对遗传算法的选择策略进行改进,之后利用该改进遗传算法,采用二进制编码与实数编码的混合编码策略对深度前馈神经网络层数、每层节点量以及学习率和权重进行优化.改进的选择策略,在最优保存策略的基础上从父代和子代合并的2n个个体中,以一定的概率选择部分适应值较差个体作为新父代,以增加种群多样性,避免陷入局部最优.同时引入dropout方法减少网络过拟合训练数据.使用Ring、Breast cancer、Twonorm、Heart、Blood、Ionosphere、Monk共7个数据集进行数值实验,并与其他相关文献中的算法比较,仿真结果表明,改进的遗传算法能搜索到较高性能的神经网络.