基于认知学习理论的英语词汇教学方法

根据认知学习理论,结合学生在词汇学习方面的问题和英语词汇的内在规律,提出英语词汇教学的有效方法:运用构词法进行英语词汇教学,增强单词记忆的趣味性和持久性;利用句型和作文来掌握词汇用法,通过语言运用巩固词义;掌握常用词组,不断加强复习,培养学生查词典的技能;结合语境和上下文理解和记忆词汇。     

基于形态学和模糊运算的新联想记忆网络--模糊形态学联想记忆网络

提出了一种新的基于形态学和模糊运算的联想记忆网络--模糊形态学联想记忆网络FMAM(Fuzzy Morphological Associative Memories) .它与经典联想记忆有显著不同. 文中分析了FMAM的记忆能力以及抗腐蚀和膨胀噪声的能力.自联想FMAM具有无限存储能力,能保证完全回忆,并且回忆在一步内完成, 可模糊性解释等.仿真实验验证了自联想FMAM的良好性能.     

基于形态学和模糊运算的新联想记忆网络：模糊形态学联想记忆网络

提出了一种新的基于形态学和模糊运算的联想记忆网络-模糊形态学联想记忆网络FMAM（Fuzzy Morphological Associative Memories）。它与经典联想记忆有显著不同，文中分析了FMAM的记忆能力以及抗腐蚀和膨胀噪声的能力。自联想FMAM具有无限存储能力，能保证完全回忆，并且回忆在一步内完成，可模糊性解释等。仿真实验验证了自联想FMAM的良好性能。     

基于企业化模式的课程教学改革与实践

专业英语是船舶工程技术专业的核心课程,其中＂船体专业英语能力训练＂教学改革势在必行。通过转变观念和师生角色设计,采用仿真企业化教学模式,从而在专业英语教学实践过程中提高学生的学习兴趣和英语使用能力,使学生在职业素质、职业技能、工作能力以及团队合作等方面更加符合现代企业的要求。     

职业院校专业课教学方法探讨

针对专业课教学中存在的问题,提出采用理实结合、理解记忆、比较区别、前后贯通等方法,帮助学生在理解的基础上记忆,提高专业课教学的效率,达到事半功倍的授课效果.     

前瞻记忆和非计划冲动性对引航安全的影响

为分析前瞻记忆和非计划冲动性对引航员安全绩效的影响,采用"前瞻回溯记忆问卷"以及"Barratt冲动性量表"作为测量工具,比较引航员之间前瞻记忆、非计划冲动性与安全绩效这三者的差异.结果表明前瞻记忆能力较好、非计划冲动性较低的引航员,发生事故的可能性较小;非计划冲动性在前瞻记忆和引航员的事故率之间呈链式中介作用.研究结...     

基于GRU-DconvLSTM的船舶轨迹预测

利用深度学习方法预测船舶未来航行趋势，对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统（AIS）中已知的经度、纬度、航速数据基础上，提出一种基于门控循环单元结合双卷积层长短期记忆神经网络（GRU-Dconv LSTM）预测模型。根据原始数据的变化趋势，采用标准差法对数据中的异常值进行处理，得到最终试验数据。该模型一方面通过门控循环单元（GRU）学习船舶历史数据上的运动规律；并采用双卷积层与长短期记忆神经网络（LSTM）结合的形式充分提取数据深层信息，提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络（CNN-LSTM）、卷积门控循环神经网络（CNN-GRU）以及卷积层长短期记忆（Conv-LSTM）神经网络等3个模型进行对比，将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准，结果表明，GRU-Dconv LSTM模型在经度和纬度预测上误差较小，精确度较高。     

基于深度学习技术的舰船无线通信应用研究

随着人工智能技术在各产业应用领域的深入,未来的人工智能技术也将应用于不同的落地场景中,会向着差异化方向发展,并通过最佳的模型和算法设计匹配场景特征.该文介绍了人工智能技术原理及发展现状,将深度学习技术引入舰船无线通信网络应用领域,基于舰船平台特点设计具有时序记忆特征的深度学习神经网络,分析神经网络模型实现落地应用有关的关键理论和工程技术,为舰船平台通信细分领域应用人工智能技术提供参考.     

民生中国

几年后，那时的你正享受着《物权法》和《企业所得说法》带来的温暖阳光，但你可能已经记不起它们是在哪年两会上通过的。回忆2007年两会期间，哪些事情被你收入记忆，历久弥新？每个人的记忆不同，但在大多数人脑海里闪现的故事，都会与“民生”二字相连。     

长短时记忆网络水下目标噪声智能识别方法

未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。     

品读CARVER 56 Voyager——创造一种能够永远存留于记忆的美好时光

什么样的记忆能够将你和蓝色的大海联系起来，什么样的记忆能够永远留存，如果有这样一种游艇．在你疲惫的时候可以带你徜徉于蔚蓝色的大海上．让海风吹走你一身的倦意，在夕阳中，在晨曦里，在成湿的海风中，给你温暖和惬意．那么还有什么能比这样的回忆更美．还有什么能够抹去那残留于你我心间的美好的时光……     

船舶柴油机曲轴裂纹的动态监测研究与磁记忆参数分析

曲轴是柴油机最主要的部件之一,疲劳断裂是曲轴的主要故障。研究基于金属磁记忆检测技术的柴油机曲轴动态监测,并对检测的磁记忆参数进行分析,得出相应的结论。     

船舶与海洋工程专业双语教学探讨与实践

在"船舶原理系列课程中英文双语教学"教学改革项目的实践基础上,结合近年来在专业英语课程方面的教学经验和体会,对船舶与海洋工程专业学生在专业英语方面的学习现状、程度、要求和存在的主要问题进行分析和探讨,针对存在的问题提出具体的解决方法和措施,为逐渐完善教学手段和不断提高教学质量提供借鉴。     

谈跨文化交际意识与航海英语教学

试从航海英语教学的目的，交际能力和技能培养等方面出发，通过一些实践中跨化交际障碍的实例分析，说明跨化交际能力的培养应该成为航海英语教学中必不可少的一个内容，并应始终贯穿于整个专业英语教学。     

U—D分解渐消记忆滤波神经网络控制器在船舶操纵中的应用

针对前馈网络BP算法所存在的收敛速度慢且常遇局部极小值等缺陷，提出一种基于U－D分解的渐消记忆推广Kalman滤波学习新方法。与EKF相比，该方法不仅大大加快了学习收敛速度，数值稳定性好，而且比BP算法需较少学习次数和隐节点数，学习效果也更好，将这种学习算法应用在船舶操纵的神经网络控制器中，仿真结果表明该方法是提高网络学习速度改善学习效果的一种有效方法，可有效解决非线性系统的控制问题。     

海上专业英语教学中的课堂互动

课堂“互动”就是课堂教学中要尽量参与学习,而不只是被动地接受知识。这一概念已经逐渐成为指导和评估课堂教学过程的重要标准。但在实际中,海上专业英语教学由于多种原因缺少有效的课堂互动。应在了解课堂互动的概念、理论基础、本质特征和形成内因基础上实现海上专业英语教学的课堂互动,设计出有效的互动机制。     

基于混合深度学习的燃气轮机动态过程关键参数在线辨识北大核心CSCD

[目的]为克服燃气轮机非线性时变特性对动态控制及性能监测的影响,通过长短期记忆神经网络(LSTM)的时序记忆、非线性关系表达与高斯过程回归(GPR)的区间概率估计能力三者的结合,提出一种基于LSTM-GPR混合深度学习模型的关键动态参数在线辨识算法。[方法]首先,建立燃气轮机的动态机理模型,以燃料热值、压气机效率及负载电力矩为待辨识参数,生成大量训练数据;然后,构建LSTM-GPR参数辨识网络模型,并输入训练数据进行网络训练和权重系数学习;最后,使用训练好的LSTM-GPR混合模型对燃气轮机动态运行参数进行在线辨识,经分析辨识结果来验证所提算法的有效性。[结果]仿真结果表明,所提算法辨识结果准确,误差小于1%,实时性好,相比于LSTM单一模型能获得更好的均值估计效果,并给出可靠的结果置信区间。[结论]所提算法能有效应用于燃气轮机模型的关键动态参数在线辨识,为进一步应用于实际机组奠定了基础。     

盛夏的果实夏季游船巡航故事——南戴河之翻船体验

人对一个地方的记忆能保持多久昵？如果不是应邀参加北京航海中心的帆船开季赛，我对南戴河的记忆还停留在7岁那年在海里呛了一肚子水被舅舅捞起来的画面。20年后的再相遇，不只碧海，还有帆船。     

交互性语言教学在轮机英语中的应用

轮机工程专业学生参加适任评估、从事跨文化交际以及当前实施的素质教育，都对传统的轮机专业英语教学提出了挑战，而交互性课堂的引进注重了学习过程的双向性、互动性、交际性和情感性。在开展交互性轮机专业英语教学过程中应注意调动学生的兴趣、利用好真实语言材料以及发挥师生互动的作用。     

渐消记忆滤波器在海上探雷试验中的应用

在海上进行探测水雷的试验中,常常因为船体的摇摆而使回波图像中目标的位置不固定,影响了水雷探测的准确性。研究基于Kalman滤波理论的渐消记忆递归最小二乘法,探讨渐消记忆递归最小二乘法在图像重建中的应用,并用于实现对回波图像的更新。结果表明,渐消记忆滤波器通过引入旧数据对图像更新的影响,使得回波图像中目标位置的变化具有连续性。