大学生英语语篇分析能力的培养

随着英语学习的普及和英语应用能力要求的逐步提高,英语学习的重要性已不言而喻。大学阶段的英语学习也更倾向于交际和应用。多数学生虽然经历了多年的英语学习,但依然苦于英语四六级考试中的阅读理解和写作等考察语篇分析能力的题型。有的学生能读懂一篇文章中的每一个句子,却不能理解整个段落或是整篇文章的意义和内涵。本文从语篇分析的相关基本理论入手,结合语篇分析的重要性,探讨大学生在英语学习中如何培养英语语篇分析的能力。     

平均排队长度差最小的单交叉口在线Q学习模型

为改善交叉口排队长度管理,避免交叉口某个方向排队长度过长,采用强化学习理论建立了以平均排队长度差最小为优化目标的在线Q学习模型.针对控制性能指标相对于邻近的配时方案不敏感的特点,提出了以平均排队长度差作为基本单位重新构造奖励函数,目的是拉大各行为对应的Q值差距,提高模型的收敛速度和鲁棒性.集成Excel VBA,Vissim,Matlab建立了在线仿真平台,作为计算环境对算例进行了计算.算例中利用GPS数据对Vissim软件中车辆加减速度曲线进行了标定.计算结果表明以平均排队长度差作为优化目标能够提高各个方向排队长度的平衡性,优化整个交叉口的时空资源;建立的在线Q模型具有学习能力和较快的计算速度,模型能否收敛受到周期取值和可选行为数量的影响.     

Local path planning method of the self-propelled model based on reinforcement learning in complex conditions

Conducting hydrodynamic and physical motion simulation tests using a large-scale self-propelled model under actual wave conditions is an important means for researching environmental adaptability of ships. During the navigation test of the self-propelled model, the complex environment including various port facilities, navigation facilities, and the ships nearby must be considered carefully, because in this dense environment the impact of sea waves and winds on the model is particularly significant. In order to improve the security of the self-propelled model, this paper introduces the Q learning based on reinforcement learning combined with chaotic ideas for the model＇s collision avoidance, in order to improve the reliability of the local path planning. Simulation and sea test results show that this algorithm is a better solution for collision avoidance of the self navigation model under the interference of sea winds and waves with good adaptability.     

重点营运车辆的异常驾驶行为识别研究

为加强对重点营运车辆异常驾驶行为的监督与检测,本文基于时间序列符号化算法(TSA) 与多尺度卷积神经网络模型(MCNN)提出一种组合模型TSA-MCNN,用于识别重点营运车辆异常驾驶行为。首先,对北斗数据进行预处理,并基于营运车辆存在多种车型、多种速度限制、多种异常驾驶行为的特点划分4种异常驾驶行为,构建异常样本数据集。其次,构建TSA-MCNN模型识别样本数据集,其过程分为两阶段,第1阶段,针对重点营运车辆的特点,引入能够粗粒化处理数据特征的时间序列符号化算法与能够多通道参数输入的多尺度卷积神经网络进行组合,并基于Keras库完成TSA-MCNN模型的搭建;第2阶段,利用样本数据集作为模型的输入变量,完成模型的训练、测试与识别。最后,以广河高速重点营运车辆北斗数据验证TSA-MCNN模型的性能, 同时,与异常识别传统算法的卷积神经网络(CNN)模型与动态时间扭曲-K最近邻(DTW-KNN)模型进行对比分析。验证结果表明：TSA-MCNN模型整体识别准确率为97.25%,相对于CNN模型与DTW-KNN模型提高了20.50%与5.63%。其中,TSA-MCNN模型对于正常驾驶行为、超速驾驶行为、紧急停车行为、临时停车行为、低速驾驶行为的识别精确率相对于CNN模型(DTW-KNN模 型)分别提高了26%(13%)、26%(6%)、23%(5%)、28%(3%)、0(0),说明该模型对于重点营运车辆异常驾驶行为的识别具有良好的性能。     

基于深度学习的有效停车泊位预测模型

针对传统有效停车泊位预测方法无法刻画泊位前后时刻关联关系的问题,采用基于深度学习的LSTM(long short-term memcry)神经网络对其进行改进,提出了LSTM有效停车泊位预测模型,并基于此模型对不同类型的停车区域进行分析与预测.在构建模型的基础上,综合考虑了有效停车泊位预测的时空特性,选取目标区域内多个邻近停车场的历史停车数据组成数据集,并构建有效停车泊位预测的对比模型,以此检验模型的预测精度.研究结果表明:在不同类型停车区域的有效停车泊位预测中,LSTM模型预测结果与真实值一致性较好,预测精度均高于BP预测模型和ARIMA预测模型;LSTM模型在有效停车泊位预测方面可靠且有效.     

不同方式的睡眠剥夺对大鼠学习记忆的影响

目的探讨不同睡眠剥夺方式对大鼠学习记忆能力的影响及其可能机制。方法将24只大鼠用随机数字法分为空白组(不做任何处理140h)、对照组(连续睡眠剥夺120h)、实验1组(睡眠剥夺共计120h,分3次进行,每次40h;间歇2次,每次10h,共间歇20h)和实验2组(睡眠剥夺共计120h,分6次进行,每次20h;间歇5次,每次4h,共间歇20h)。睡眠剥夺后用旷场反应箱测试大鼠的行为,用Morris水迷宫法测试大鼠学习记忆能力,用试剂盒检测大鼠大脑皮层、海马和血浆中超氧化物歧化酶(SOD)和丙二醛(MDA)含量以及大脑皮层和海马中乙酰胆碱酯酶(TChE)含量。结果旷场反应测试大鼠兴奋性和探索性行为,实验组明显强于对照组,且实验2组强于实验1组(P<0.01);水迷宫测试大鼠学习记忆能力,实验组明显强于对照组,且实验2组强于实验1组(P<0.01);实验组大鼠大脑皮层、海马和血浆中SOD含量明显高于对照组,且实验2组高于实验1组(P<0.01);实验组大鼠大脑皮层、海马和血浆中MDA含量明显低于对照组(P<0.01),且实验2组低于实验1组;实验组大鼠大脑皮层和海马TChE含量明显低于对照组,且实验2组低于实验1组(P<0.01)。结论不同的间断性睡眠剥夺方式对大鼠学习记忆能力有不同的影响,一次性睡眠剥夺时间越长、间歇次数越少,学习记忆能力越差。这种作用可能与睡眠剥夺抑制了大脑皮层、海马和血浆中SOD活性,提高了MDA含量及TChE活性有关。     

会员心声

会员心声之一1.对会员进行技术支持。这一点俱乐部做得已经很好了,尤其是我们的维修技术顾问团队,对我们所提的问题都是耐心地一一进行答复,基本都能使我们感到满意的程度。2.对会员进行定期的培训学习。面对市场上大量涌出的新技术和新车型,建议俱乐部组织力量对会员加大这方面的培训力度,力争做到会员能维修别人维修不了的车,会员能排除别人排除不了的故障     

混合动力商用车AMT挡位自学习控制技术优化

在混合动力商用车电控机械式自动变速器(AMT)系统中,因制造、装配、磨损、更换等导致变速器各挡位置存在差异及变化,引起选换挡成功率降低甚至工作异常,需通过AMT挡位自学习解决此问题。针对AMT静态时各挡位位置自学习控制策略提出了优化,主要包括挡位学习顺序和再次进挡学习策略,通过自整定PID技术进行自适应参数优化。经过试验验证,提高了自学习成功率、合格率、效率和一致性。     

探秘Z-one“出生地”——宗申Z-one摩迷汇侧记

2013年5月16日,第十六届中国(重庆)国际投资暨全球采购会(简称:渝洽会)在重庆国际博览中心拉开帷幕,大会吸引了来自全球各地的参展商及观众的到来。本次渝洽会上,在N1展区的宗申展台,从湖南、山西、四川、重庆等地一路骑行而来的12名Z-one摩友,在众多俱乐部摩友及摩托车爱好者的共同见证下,从宗申机车集团市场部经理何江渝手中接过大旗,标志着从策划到筹备、从报名到骑行,历时近两个月的Z-one摩迷汇活动正式拉开帷幕。     

韩国车系自动变速器自适应学习简述

有一辆未曾出售的起亚霸锐越野车,配置V形6缸排量3.8L汽油发动机和5前速自动变速器,销售顾问在对该车进行售前检查时发现将换挡杆拨到D挡位和R挡位时,车辆有明显的顿挫感(其实就是原地挂挡冲击),随后销售顾问驾驶该车进行路试,发现变速器在升挡过程中也同样存在着冲击的现象,于是销售顾问将该车转到维修车间进行检查。笔者接到该车后首先是实地的去确定故障现象,经过几次操作之后笔者发现该车在原地手动挂挡和行驶自动换挡时所发生的冲击主要是由于相关换挡执行