春节记忆

春节是中华民族最重要的传统节日,是亿万人生命的标尺。在我们心里,它就是最美妙的时刻,其间留下的记忆是那样弥足珍贵。一挂鞭炮我出生于上世纪60年代,小时候最期盼的就是过年。春节这天,不仅能吃上白馍大肉,还能有钱买上一挂鞭炮,满足男孩子之喜好。每到春节,只要能拿到几角压岁钱,就会毫不吝啬买下鞭炮,再拿到小同伴面前去炫耀。     

如何指导学生复习区域地理

学生在学习区域地理时，普遍感到要记的内容多、散，记忆效果不好。把学习区域地理看成是物产加地名的机械记忆，地理位置、地理事物联系、地理成因由于不够重视或学习方法不对而掌握得不扎实。笔根据多年的教学经验，谈谈如何消除学生学习恐惧心理，排除学习障碍，提高学习能力和效果的心得体会。     

初中地理的动态教学

多年的教学实践告诉我们，少年儿童富于形象思维，他们对直观的动态的教学方法具有浓厚的兴趣。为了激发他们的求知欲，更好地培养他们的观察、记忆与理解的能力，我们有必要创设理想的情境．变静态教学为动态教学。     

理清知识结构 疏通自学渠道

高中地理下册，内容头绪较繁，要求学生记忆的多，理解的少；事实材料多，原理规律少。学生反映易学难记。为此，我采取了以“理清知识结构，疏通自学渠道”为中心的教学方法，效果较好。具体做法是：     

基于长短时记忆网络的深基坑变形安全风险预警

为了预防深基坑施工安全事故,提出了一套基于监测数据的风险预警标准,建立了基于长短时记忆网络（Long Short-Term Memory,LSTM）的深基坑变形安全风险预警模型.依托实际深基坑工程项目,将风险预警模型应用其中,对基坑各监测项目的变形量进行短期的预测,预测数据与实际数据最大误差为5.04%,最小误差为0.04%,平均相对误差为2.41%,证明该模型的预测效果良好.表明基于LSTM的深基坑变形安全风险预警模型在基坑变形预测方面有着良好的精确性和优越性,可以为基坑工程的安全性判断与风险管控提供可靠的保障.     

基于钟差检验的GNSS授时欺骗检测与识别

时空信息安全是国家关键基础设施安全的基础,时间系统被阻断或受到干扰会对国家经济带来巨大损失,甚至对国防安全造成重大威胁. 现有授时欺骗检测方法主要对接收机时钟模型变化特点建立模型,对欺骗进行检测. 由于攻击方式的不确定性和建立的接收机时钟模型计算拟合过程中自身存在的系统误差,时钟模型参数准确拟合难度较大. 环境适应能力较低. 基于此,本文提出一种基于长短期记忆网络(long short-term memory,LSTM)的授时欺骗检测方法. 该方法无需考虑授时欺骗的攻击方式,泛化能力强. 根据授时欺骗前后接收机钟差变化的特点,利用LSTM优异的时间序列预测能力对接收机钟差变化趋势进行准确跟踪,实现对授时欺骗干扰的有效检测. 最后使用TEXBAT(texas spoofing test battery)授时欺骗场景数据进行实验与分析,将LSTM与多层感知机(multilayer perceptron,MLP)进行实验对比. 结果表明：LSTM授时欺骗检测的性能优于MLP.     

基于伪语义相似度模型的中文地址匹配方法

地址匹配中,由于传统相似度模型受字符重叠数影响大,在处理简写、缩写地址要素单元时,错误匹配问题突出;深度学习方法需要大量样本支撑,但庞大的数据量和多样的形式,导致生成样本的成本过高。为解决上述问题,本文首先应用基于条件随机场和双向长短时记忆神经网络的模型,对地址进行分词;然后通过建立一种伪语义相似度,对地址要素进行分级匹配。通过对公安业务中地址数据进行测试,在对缩写、简写等不规范地址描述方面,本文模型能较理想地完成任务,各参考指标均高于0.9。     

基于免疫粒子群优化算法的影像纹理分类

粒子群优化算法是基于群智能的随机全局优化方法,它源于对鸟群简化社会系统的模拟。为了提高标准粒子群优化算法的收敛性能,将生物免疫系统的记忆能力和多样性引入标准粒子群优化算法,提出一种免疫粒子群优化算法。在提取纹理样本Laws纹理能量模板特征、小波特征等纹理特征的基础上,提出针对分类问题的粒子表达方法和群体寻优策略,实现了基于免疫粒子群算法的纹理分类。实验结果表明,与标准粒子群优化算法相比,免疫粒子群优化算法在获取训练样本类别中心时具有较好的收敛性能,并且基于该算法的影像纹理分类具有较高的分类精度。     

一种求解贝叶斯模型平均的新方法

贝叶斯模型平均（Bayesian model averaging,BMA）是最近提出的一种用于多模式集合预报的统计方法.进行贝叶斯模型平均需要准确估算模型集合中每个竞争模型的权重与方差,经常采用的方法是期望最大化（Expectation-Maximization,EM）方法与马尔可夫链蒙特卡洛（Markov Chain Monte Carlo,MCMC）方法,两种方法各有优劣.本文首先对BMA的（对数）似然函数进行改进使之无需BMA权重之和为1的显式约束,并利用一种有限记忆的拟牛顿优化算法（LBFGS-B）对其进行极大化,由此提出了一种求解贝叶斯模型平均的新方法（BMA-BFGS）.采用三个陆面模式进行的土壤湿度多模式数值模拟试验表明：在计算精度方面,BMA-BFGS的精度与MCMC方法几乎一致,优于EM算法;在计算耗时性方面,BMA-BFGS的计算耗时与EM算法相当,远小于MCMC方法.