行动导向教学范式下中职汽车专业课学习满意度调查

学习满意度对于职业教育行动导向教学范式的推进至关重要。通过对中职汽车专业课程行动导向教学范式开展了教育行动研究,并于整体教学活动结束后对学习者进行问卷调查,深入研究学习者对行动导向教学活动的满意程度,以及教学活动各环节与行动导向教学的关联性。研究发现：行动导向教学活动的整体均值为3.729,皆高于中间值3,表明学习者对行动导向教学学习满意度较高;行动导向教学对教师教学、自主学习、小组合作、过程性评价等具有显著性正向影响。     

基于深度学习CaffeNet模型的综合交通设施场景分类与识别研究

综合交通设施场景的自动分类与识别对交通网络布局、城市规划、智慧城市建设等方面有重要的研究与实践价值.鉴于目前研究主要集中在单一的交通设施目标识别与检测方面,采用速度快、分类精度高、适宜于海量数据运算的CaffeNet深度学习模型,基于迁移学习思想,通过5层卷积、3层池化、1层全连接等过程提取机场、桥梁、停车场、港口、火...     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于改进LSTM-NN的安全性自动驾驶换道轨迹规划模型

为改善现有的自动驾驶换道轨迹规划模型产生的换道轨迹与真实的换道轨迹存在较大偏差的问题,提出了一种改进LSTM-NN的安全敏感性深度学习模型,该模型可以缓解当前自动驾驶轨迹规划存在的不足,输出轨迹既保证了较高的精度又提高了安全性。CarSim仿真软件模拟了本模型产生轨迹的可跟踪性,结果显示轨迹非常平滑,并且自动驾驶车辆可以高效、安全地完成换道。     

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。     

船舶防火与安全管理机制的改革

通过对两起货轮火灾事件的评析,针对当今我国运输船舶防火工作的管理机制的现状,提出必须放弃传统的做法,吸收先进的管理经验,创建出一套新的船舶防火管理机制。     

基于神经网络的复合避碰专家系统研究

此文在对神经网络避碰决策和专家系统避碰决策的优缺点进行分析、研究的基础上,基于神经网络规则抽取技术,提出了“基于神经网络的复合避碰专家系统”,将神经网络的自适应学习能力和避碰专家系统的解释说明能力集成在一个统一的体系结构中,不仅解决了避碰专家系统构建过程中的知识获取“瓶颈”问题,而且还解决了神经网络避碰决策过程的“黑箱”现象,提高了系统决策结果的可信度。     

外语学习中的动机类型研究

通过调查问卷的方式,了解非英语专业学生外语学习中的动机类型情况,旨在为未来的外语教学和学习起到一定的启示和指导作用。研究结果表明非英语专业学生外语学习中的动机以工具型为主。     

基于企业调研的航海类专业学生素质培养再认识

对2005—2006年航海职业教育教学指导委员会"航运企业对技能型人才素质满意度"的调研情况进行归纳分析,提出航海职业教育应根据海运企业需要,适时调整培养方案,以提高航海专业学生的综合素质,满足人才市场需要。