建构主义学习理论及其倡导的教学模式

本文简要分析了建构主义全新的学习理论以及受其理论影响而形成的教学模式,并结合其基本理论阐述了对大学英语教学的启示。文章认为,教学模式和教学方法的改革离不开现代外语教学理论的指导,建构主义学习理论对传统的教学理论和观念提出了挑战,为大学英语教学模式的转变提供了理论依据。     

应用对象语义进行图像检索的新方法

为了降低图像高层语义与低层视觉特征之间的语义差异,本文以对象描述模型为基础,提出利用机器转换模型获取图像高层语义的方法。本方法首先利用图像分割技术对图像进行分割,然后利用机器学习的方法,得到训练样本集中高层语义与分割后低层视觉特征之间的先验概率关系;在查询的过程中,利用得到的先验概率模型计算与高层语义所对应的最大概率视觉低层特征,最后利用该低层特征进行检索,达到缩短高层语义与低层特征之间的语义差异的目的。在一个拥有5000幅图像的图像库上所做的测试结果表明了该方法的有效性和可行性,同时该方法也为解决图像高层语义与视觉低层特征之间语义的矛盾开扩了思路。     

高速铁路电务基本维修组织的探索与实践

工区是电务系统最基本的维修组织。提速、普速铁路点多线长的特点以及设备用修矛盾突出、结合部问题多、设备老化磨损严重、跨站跨区间作业存在交通安全问题等原因,决定了传统的小型化、分散化的信号工区设置方式更能适应提速普速铁路设备维修需要。本文在分析提速普速铁路电务维修管理模式存在问题、高速铁路电务维修工作特点的基础上,提出按照集中、融合的管理思路推进高速铁路电务维修管理模式的探索,在综合维修管理方面迈出电务维修管理改革新的步伐。     

“教学做合一”教学模式在汽车维修专业课教学中的实践

随着我国中等职业教育的发展与普及,学校对于学生的成绩要求降低,这也就在一定程度上导致所招收的学生综合素质能力水平不足。而在学习过程中,由于学生的学习基础较差、学习兴趣不足,影响专业技术的教学,不利于中职院校课堂教学的发展与进步。要想当前对教育教学形式,满足老师老师的教学需求,就要对中职院校的教学模式进行改变与创新。而"教学做合一"的教学模式能够通过实践活动、以学生为教学中心,引导学生主动参与到课堂教学当中,有效的提高课堂教学质量与效率。本文通过对"教学做合一"的教学模式的内涵和特征进行分析,进一步进行"教学做合一"教学模式在汽车维修专业课教学中的探索与实践。     

紧扣民需民意 推进三社联动 探索基层治理新模式

党的十九大对国家治理体系和治理能力现代化提出了新任务、新要求,突出社会化、法治化、智能化、专业化。以湖南省株洲市荷塘区为例,通过深入实施三社联动,不断创新基层治理,推进社会治理体系和治理能力现代化。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

基于DEA的中国铁路物流化运营绩效评价

总结了中国铁路物流化进程中的一些政策措施,运用DEA分析法对中国铁路物流化货运组织的运营绩效进行研究,得出中国铁路向现代物流转化势在必行,刻不容缓。通过建立模型,对铁路工资总额、营业里程、机车数、货车数、货运周转量进行综合评价。分析了1984～2007年整个铁路营运绩效。1986年～1989年整个铁路运营绩效呈上升趋势。1990年～1997年的效率水平具有波动性,但总体呈下降趋势,其中1996～1998年还出现了规模收益递减。1998年至今随着现代铁路物流理念下的铁路行业技术水平提高以及铁路不断提速等,带来了铁路运营绩效的同比增长。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。