期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于闭环与反馈的“本研贯通”人才培养模式探究
1
作者 李方昱 杨宏燕 韩红桂 《高教学刊》 2024年第19期46-49,共4页
“本研贯通”培养模式以其独特之处成为新工科拔尖人才培养的重要创新。该文探讨基于闭环和反馈的“本研贯通”培养模式在新工科拔尖创新人才培养中的作用和意义。分析该模式的设计理念及实施策略,确保学生在培养过程中充分发挥个体潜力... “本研贯通”培养模式以其独特之处成为新工科拔尖人才培养的重要创新。该文探讨基于闭环和反馈的“本研贯通”培养模式在新工科拔尖创新人才培养中的作用和意义。分析该模式的设计理念及实施策略,确保学生在培养过程中充分发挥个体潜力,实现更有针对性的发展。探索如何构建培养模式质量保障机制,旨在确保整个培养过程科学、有序进行。基于闭环和反馈的“本研贯通”培养模式在培养目标、导师制度及学科发展方向等方面进行深度整合,有助于打破学科界限,培养具备创新能力和综合素养的新工科拔尖创新人才。 展开更多
关键词 新工科 闭环和反馈 本研贯通 拔尖创新人才培养 培养模式
下载PDF
课程思政融入研究生课程的教学改革与探索——以复杂过程监测与故障诊断课程为例
2
作者 高慧慧 尚晓靓 +1 位作者 李方昱 韩红桂 《高教学刊》 2024年第34期135-138,共4页
过程状态监测与故障诊断在现代制造业和生产系统中扮演着至关重要的角色。该文以研究生课程复杂过程监测与故障诊断为例,聚焦课程思政元素挖掘不充分、教学形式缺乏创新、实施效果难以评价等难点问题,探索课程思政教学改革模式,提出明... 过程状态监测与故障诊断在现代制造业和生产系统中扮演着至关重要的角色。该文以研究生课程复杂过程监测与故障诊断为例,聚焦课程思政元素挖掘不充分、教学形式缺乏创新、实施效果难以评价等难点问题,探索课程思政教学改革模式,提出明确思政育人目标、深挖课程思政元素、创新思政教学形式、开拓产学研赛育人模式和完善思政教学评价体系等改革策略,全面推动课程思政建设,提升学生的综合能力和思政素养,促进学生的全方面发展。 展开更多
关键词 课程思政 研究生课程 教学改革与探索 复杂过程监测与故障诊断 思政教学
下载PDF
基于深度强化学习的多智能体分布式事件触发优化控制
3
作者 李方昱 刘金溢 +1 位作者 黄琰婷 韩红桂 《中国科学：技术科学》 EI CSCD 北大核心 2024年第10期1991-2002,共12页
为了解决多智能体系统在有障碍物的场景下协同运动控制中无线通信成本较高的问题,本文设计了一种分布式事件触发优化控制方法.该方法包括计算通信与控制的联合策略以及确定多智能体之间通信的触发条件,使多智能体无需实时或按周期地进... 为了解决多智能体系统在有障碍物的场景下协同运动控制中无线通信成本较高的问题,本文设计了一种分布式事件触发优化控制方法.该方法包括计算通信与控制的联合策略以及确定多智能体之间通信的触发条件,使多智能体无需实时或按周期地进行通信,从而有效降低数据传输总量,实现优化通信机制,达到降低通信成本的目的;同时为了使智能体能够避开其他智能体与障碍物,设计了一种基于指数函数的碰撞惩罚项,使智能体在接近障碍物或其他智能体的过程中受到按照指数式增大的惩罚,避免发生碰撞.将该方法应用于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法中,在添加障碍物的多智能体粒子环境(multi-agent particle environment,MPE)上的仿真实验结果表明,该方法可以在较好地完成多智能体协同控制任务的同时减少数据传输量,达到了优化通信机制、降低通信成本的目的. 展开更多
关键词 多智能体 强化学习 分布式事件触发控制 协同运动控制
原文传递
基于多尺度卷积神经网络的手机表面缺陷识别方法 被引量：1
4
作者 韩红桂 甄晓玲 +1 位作者 李方昱 杜永萍 《北京工业大学学报》 CAS CSCD 北大核心 2023年第11期1150-1158,共9页
针对手机表面缺陷难以精确识别的问题,提出一种兼具Soble算子、逻辑损失函数(logistic loss function,LLF)和多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN)手机表面缺陷识别方法SL-MSCNN。首先,构建了一种基于S... 针对手机表面缺陷难以精确识别的问题,提出一种兼具Soble算子、逻辑损失函数(logistic loss function,LLF)和多尺度卷积神经网络(multi-scale convolutional neural networks,MSCNN)手机表面缺陷识别方法SL-MSCNN。首先,构建了一种基于Sobel算子的邻域特征增强方法,排除了图像中光照、阴影等无关因素的干扰;其次,设计了一种基于MSCNN的缺陷识别方法,通过获得手机表面图像的多尺度信息,提高了手机表面缺陷的识别精度,同时,引入了LLF,通过降低梯度消失发生的概率加快训练的检测速度。实验结果表明:与其他手机表面缺陷识别方法相比,SL-MSCNN在准确率和效率方面具有更好的使用价值。 展开更多
关键词 手机表面缺陷 邻域特征增强 识别方法 识别精度 SOBEL算子 多尺度卷积神经网络(multi-scale convolutional neural networks MSCNN) 逻辑损失函数(logistic loss function LLF)
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部