基于广告制作流程探讨平面广告设计课程的教学

文章主要是从平面广告的制作流程以及图形图像设计软件的特点出发,针对当前平面广告教学中遇到的问题。对平面广告的教学方法进行实践探讨。首先依据平面广告制作流程的不同模块让学生确立个人的学习目标和小组共同愿景,课程教学以完成相关参赛作品为最后目标,实施过程是课上课下相互结合,课上的案例针对课下的小组协作学习遇到的问题提供指导。课程的关键是要进行小组成果的展示与总结。     

基于参数估计的半挂汽车列车稳定性控制研究

车辆参数估计是半挂汽车列车稳定性控制研究的关键,通过递推最小二乘法（RLS）估计整车质量和轮胎侧偏刚度,进而获取挂车横摆转动惯量,将估计的车辆参数应用于稳定性控制系统,修正控制系统参数.基于商用车动力学仿真软件TruckSim建立了某半挂汽车列车的非线性整车仿真模型,在Matlab/Simulink中设计建立了稳定性控制逻辑和参考响应模型,通过TruckSim-Simulink的联合仿真对控制方案进行了验证分析.结果表明,基于名义参数设计的控制系统受载重变化的影响较大,而带有参数估计的控制系统由于能够对控制参数进行修正,可以较好地适应载运工况的变化,受载运工况的影响较小.     

程序设计课程中维持学习兴趣与动机的教学研究

本研究分析了学习成就、学习焦虑与程序语言之间的关系。探讨通过Scratch进行补救教学。结果显示通过此种方法进行补救教学后,学生的学习焦虑明显降低,并提高学习成绩。     

基于移动学习的网络课程特征研究

移动学习是一种正在兴起的学习形式,本文针对移动学习的概念、特征、和支持的学习方式,分析了基于移动学习的网络课程特征,为基于移动学习的网络课程建设提供策略。     

基于条件对数似然的BP神经网络多类分类器

BP神经网络分类器存在收敛速度慢的缺陷,为了提高分类器性能,针对这一缺陷对BP算法进行改进. 提出将条件对数似然（CLL）准则融入到监督性BP神经网络多类型分类过程中,利用CLL的可分解性优势,计算测试样本的条件概率,在误差反向传播时利用条件概率对权值进行相应的加权降权操作,简化误差反馈过程中的计算量. 在实验中对改进算法的收敛速度和准确率进行了测试,说明了该算法的有效性及实用性.     

基于未知环境状态新定义及知识启发的机器人导航Q学习算法

由于强大的自主学习能力, 强化学习方法逐渐成为机器人导航问题的研究热点, 但是复杂的未知环境对算法的运行效率和收敛速度提出了考验。提出一种新的机器人导航Q学习算法, 首先用三个离散的变量来定义环境状态空间, 然后分别设计了两部分奖赏函数, 结合对导航达到目标有利的知识来启发引导机器人的学习过程。实验在Simbad仿真平台上进行, 结果表明本文提出的算法很好地完成了机器人在未知环境中的导航任务, 收敛性能也有其优越性。     

电子书包支持的体验学习活动设计与应用研究

旨在研究电子书包支持的体验学习的活动模型和应用效果。首先通过理论分析提出了电子书包支持的体验学习活动模型,并设计了《校园植物知多少》等3个教学专题,之后在某小学进行了试点实验研究。研究结果表明,电子书包支持的体验学习模型确实有助于提高学生的认知体验、行为体验和情感体验的参与度。     

基于差异半监督学习的相关理论分析

基于差异的半监督学习属于半监督学习和集成学习的结合,是近年来机器学习领域的研究热点.但相关的理论研究较缺乏,且都未考虑存在分布噪声的情况.文中首先针对基于差异的半监督学习的特点,定义一种分类噪声和分布噪声的混合噪声(HCAD).其次给出算法在HCAD噪声下的可能近似正确(PAC)理论分析及其应用实例.最后基于投票边缘函数,推导出在HCAD噪声下多分类器系统的泛化误差上界,并给出相关证明.文中开展的理论研究可用于设计基于差异的半监督学习算法及评估算法的泛化能力,具有广阔的应用前景.     

可区分惩罚控制竞争学习算法

竞争学习在聚类分析中是一种重要的学习方式,次胜者惩罚竞争学习(RPCL)算法虽能自动选择合理的类别数,但其性能对学习率和惩罚率的取值较敏感,其变种惩罚控制竞争学习(RPCCL)算法将所有的竞争单元当成冗余单元进行惩罚也不合理.文中提出一种可区分惩罚控制竞争学习算法(DRPCCL).算法中获胜单元的学习率会在迭代过程中自适应调整.同时该算法使用一种可区分惩罚控制机制来区分竞争单元中的冗余单元和正确单元,给予冗余单元较重惩罚,正确单元轻微惩罚,使得算法能自动确定正确类别数和中心点位置.最后通过实验对比分析证明DRPCCL算法的聚类效果比RPCL算法和RPCCL算法更准确.     

基于强类别特征近邻传播的半监督文本聚类

为处理高维稀疏的大规模文档数据,提出一种基于强类别特征近邻传播(SCFAP)的半监督文本聚类算法.聚类过程中,利用少量带类别标签的监督数据,提取具有强类别区分能力的特征项以构建更有效的样本间相似性测度.并在每轮迭代完成后将类别确定性程度最高的未标记样本转移到已标注集,使算法执行效率提高.实验结果表明,这种改进对于近邻传播算法的性能和准确度的提升有较大帮助,在Reuter-21578和20Newsgroups两个相异数据集上,SCFAP算法表现较好的适用性.综合考察聚类微平均Fμ指标和类簇纯度Pt指标,该算法在少量监督信息辅助下能快速获得较好的聚类结果.