高职生学习心理问题的分析及对策研究

高职院校作为高等院校中的一个特殊群体,部分的大学生由于各种原因存在不同方面的学习心理问题,对个人的成长产生了很大的影响。本文主要通过高职生心理障碍的主要表现,分析心理问题的成因,并提出学习心理问题的相关对策。     

高职英语学习兴趣摭谈

兴趣是最好的老师,是推动学习的内在动力。提高当前高职英语教学质量,有许多工作要做,其中培养和激发学生的学习兴趣是教学的关键。因此,英语教师应在培养目标的指导下,精心设计教学过程并配合有效的教学方法,激发学生的学习兴趣,从而提高英语教学质量。     

4月1日机动车驾考自学直考在天津等16个城市启动

4月1日,机动车驾考自学直考在天津、长春、南京、宁波、福州、青岛、武汉、南宁、成都等16个地市启动。在车辆条件、随车指导人员条件均满足的情况下,自学人员可在交管部门指定的时间、路线上自学驾驶技能。     

公安部关于修改《机动车驾驶证申领和使用规定》的决定

为进一步完善机动车驾驶人考试和管理制度,优化机动车驾驶证考领程序,公安部决定对《机动车驾驶证申领和使用规定》作如下修改：     

钢结构工程高强度螺栓微小松动视觉检测方法研究

基于计算机视觉的螺栓松动检测方法中,一类是通过对连接节点图像进行透视矫正并分析螺栓轮廓边缘直线角度的变化以及时发现微小的松动缺陷。然而,目前这类方法在图像矫正和螺栓轮廓边缘检测的可靠性方面还有较大的改进空间。为此,针对钢结构螺栓连接节点,提出了基于深度学习的螺栓松动视觉检测方法。首先,基于YOLOv5检测螺栓目标。针对螺栓感兴趣区域(RoI),基于鲁棒性较高的Attention U-Net提取螺栓轮廓边缘直线。为了提高螺栓目标检测精度,目标检测模型应设定较低置信度阈值以保证目标无漏检,再通过螺栓RoI提取的边缘直线数量筛除伪螺栓。使用透视变换法对节点图像进行矫正,变换所需的参考点是根据螺栓检测框之间空间移动后的相交关系自动定位的。最后,根据矫正图像中的螺栓轮廓边缘直线计算螺栓角度,通过检测螺栓和基准螺栓之间的角度差异判断松动情况。研究结果表明：螺栓目标检测的AP值为0.97;螺栓轮廓边缘检测的准确率、召回率和F1的均值分别为0.846、0.807与0.825,且在多种复杂背景干扰下具有较高的鲁棒性;伪螺栓筛除法可过滤掉99.82%的伪螺栓目标;提出的图像矫正法适用于常见的多种螺栓排列形...     

基于神经网络的实时事故预测方法研究进展

道路交通事故预测作为道路主动安全管理的重要组成部分,在降低事故发生概率、帮助管理者制定安全决策等方面起着重要作用。随着数据需求的不断增加,传统方法已无法满足大数据的需求,机器学习和人工智能算法在动态、实时和复杂情况下的道路交通事故预测领域显示出强大的潜力。文章从数据获取和特征变量选择开始介绍,详细叙述了基于机器学习的神经网络及与深度学习结合后该方法在国内外的相关研究,分析了使用神经网络相关方法在建模时会面临的优缺点,最后对基于神经网络的交通实时事故预测方法进行了总结及展望,给出未来的发展趋势。     

高等职业院校学生学习效果评价研究

我国高等职业教育快速发展的背景下,基于典型工作任务的课程开发进行正酣,高职教育学生学习效果评价制度也越来越受到广泛的关注。如何借鉴职业教育发达国家的先进经验,结合我国的课程开发模式,让学生学习评价从“结果性”走向“形成性”,从“多元化”走向“多维度”,丰富评价主体,统一评价标准,健全评价体系,对以综合职业能力为人才培养目标的高职教育发展具有积极而重要的意义。     

军分区系统驾驶员的教育管理

一、加强教育引导。保持驾驶员的思想稳定一要端正理想信念。认真组织驾驶员深入学习党的十八大精神,学习党的路线方针政策和上级的决策指示．大力培育当代革命军人核心价值观,确保官兵对党绝对忠诚、绝对纯洁、绝对可靠。二要搞好正面教育。针对驾驶员队伍的思想、     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题,在分析车辆运动特点的基础上,提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台,招募驾驶人进行实车跟驰道路试验,建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响,建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程,利用高斯过程算法建立了前车纵向加速度变化随机过程模型,实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程,引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略,通过与前车运动随机过程模型进行交互式迭代学习,得到具有运动不确定性跟驰环境下的主车纵向控制策略,实现对车辆纵向控制的最优决策。最后基于真实驾驶数据,对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系,在迭代学习过程中对前车运动的随机性进行考虑,跟驰控制中不需要对前车运动进行额外的概率预测,能够以较低的计算量实现主车稳定跟随前车行驶。