新工科背景下Python课程混合式教学模式的研究

针对Python课程,依托雨课堂、Python123平台和微信APP,构建了三阶段混合式教学模式。该教学方法的创新和探索实践,有效地培养了学生自主学习和积极探索知识的能力,促进了学生参与课堂教学活动的深度,实现了对学生定量化、多元化的评价,对计算编程语言类课程的教学模式改革也具有参考价值。

基于微服务架构的新零售系统设计与应用

提出一种基于微服务的系统架构方法以解决企业向新零售转型过程中原有信息系统架构需要重塑的问题。采用Spring Cloud设计了一套全局的微服务协调治理框架;对于标准Spring Cloud框架在实际应用中存在的缺陷和不足,在服务治理、服务间请求认证、服务配置等核心环节自主研发设计了解决方案;将该微服务框架在国内某传统企业实施落地,设计了企业新零售系统(NRS)整体架构并完成系统升级。实践表明,采用微服务架构后服务平均响应时间缩短50%,请求错误率降低至0.01%,最大QPS提高至8200,系统整体性能提升显著。

基于对分易的线上线下混合式教学模式探索——以C语言程序设计为例

为解决编程类教学中学生线下课学习效率不高,教师无法及时掌握学情以及成绩评价体系单一等问题,设计并实施了线上线下混合式教学方案。该方案以“C语言程序设计”为例,借助“对分易”教学平台,通过上传课件、视频等方式搭建线上教学资源,用签到,在线练习,讨论区等模块管理教学过程,实现全过程跟踪考核。该教学方法能提高学生的学习主动性,从整体上提高课程的教学质量。

“操作系统”迭代递进式教学方案的探索

针对操作系统这一专业核心课程,探讨了一种新的课程教学方案,按照知识引入、拓展和综合提升的顺序迭代递进,以学生中心,以产出为导向,紧密围绕理论基础、编程实践、理论习题、科研和产业训练有序推进。试行后的课堂调查显示,新方案取得了良好的教学效果。

基于神经网络方法的序列数据分类模型

序列数据处理在天体光谱分类领域是一项非常重要的任务,但是传统的处理方式成本高、效率低。通过构造一种以focal loss作为损失函数的多分支一维卷积神经网络对LAMOST部分序列数据进行了分类,并采用MarcoF1分数作为评价指标。结果表明该模型取得了理想的实验效果,并且focal loss损失函数(其在不平衡数据分类任务中对困难样本增加权重)相比传统的交叉熵损失函数也有更好的预测精度。

面向智慧教学的“检测技术及仪表”线上线下混合式教学探索

新时代教育环境对智慧教学有着迫切需求。本文以线上线下混合式教学为总体框架,对“检测技术及仪表”课程的教学改革进行分析与实践。结合课程知识体系提出多种智慧教学手段,对不同教学方式的应用进行具体设计,对智慧教学预期效果进行分析,从实践角度对专业课程的智慧化改造提供了思路。

我国新工科建设研究现状的可视化分析

近年来新工科建设的成果层出不穷,为了更好的推进新工科建设研究,基于近五年中国知网(CNKI)收录的关于新工科的中文文献,对发文量、研究机构、基金来源、主题分布等内容进行可视化展示。结题表明,近年新工科建设所发表论文数量激增,研究内容涉及面广。通过对新工科建设的研究现状和发展趋势进行分析、总结,为下一步新工科建设研究以及落实提供一定的思路和参考。

基于BP神经网络模型的笔记本电脑销售预测研究

针对笔记本电脑销售的不确定性,利用BP神经网络算法构建模型,采用MATLAB对某店铺的2021年笔记本电脑的销售数据进行了网络训练,通过Pearson相关系数来分析输入层各节点和输出层销售额之间的相关性,确定了访客数UV、收藏数、加购物车次数、客单价和支付转化率等5个输入层节点,销售额为输出层节点。实验证明了构建的BP神经网络模型预测值和实际值误差小,预测准确度高,可为笔记本电脑销售计划安排及库存管理提供依据。

公众气象服务产品平台的设计与实现

为了提高公众气象服务产品制作效率,以天气网等网站数据为基础,结合预报值班人员本地化订正,使用Visual Basic.Net设计了批量生成公众气象服务产品的制作平台。该平台具有集中显示、对比订正、批量制作、信息查询等功能,提高了值班人员气象工作效率。

基于深度神经网络的机房信息安全态势感知研究

提出了一种新的基于深度神经网络的机房信息安全态势感知方法。首先对基于深度神经网络的机房信息安全态势感知进行设计,包括数据的采集以及预处理,利用采集到的数据搭建信息安全态势感知架构,最后构建机房信息安全态势感知模型。实验结果表明,机房信息安全态势感知获得了较高的准确性,该方法可以在信息安全态势感知领域得到进一步应用。

基于改进CNN和LSTM的房颤识别算法研究

有数据显示,每年约有1500万人因房颤住院治疗,及时诊断可以有效地降低患病风险。本文提出一种改进CNN和LSTM的深度学习模型,在CNN模块使用了Swish函数作为激活函数,并在LSTM中引入了点积注意力机制,用于心电信号的特征提取和心律失常的诊断。利用卷积神经网络提取心电信号中的特征,LSTM可以对心电信号中的特征进行深度的挖掘,引入注意力机制,完成房颤的识别。所提模型的准确率为0.9771,F1为0.9609,精确率为0.9765,召回率为0.9799。

信息论与编码课程理论联系实际教学模式的探索

分别从信息论与编码课程内容内在联系、外在关系和实践环节等方面,结合数字通信系统原理和香农编码定理等内容,提出了一些有效的教学手段和课程思政结合方法。掌握课程内在关系,帮助学生更好理解基本概念和理论知识;掌握课程外在关系可以有效解决相关证明和推导;适当的实践环节可以巩固相关知识,并提高学生的计算、解决问题、逻辑思维、动手和应用能力,促进学生掌握信息论与编码课程的现实意义和理论价值。

基于深度学习的智能中医辅助诊疗系统

研究开发了基于深度学习的智能中医辅助诊疗系统。通过人工智能技术将名老中医的诊疗思想、辨证逻辑和处方经验结合,设计“三级证型优先级”算法,创新了传统的中医问诊模式。例如采用深度学习CenterNet和EfficientNetV2神经网络模型,有效抽取出患者舌体图像与病例的舌色、苔色等特征信息进行智能舌诊,实现中医诊断的客观化、智能化,帮助普通医师提升诊疗能力。

基于ASP.NET的高校党建工作绩效评价管理系统设计

通过对高校党建工作调研,开发了一个采用MVC开发模式、B/S架构,以SQL作为数据存储技术,基于Asp.net技术的高校党建工作绩效评价管理系统,实现了自我评价、他人评价、评价分析、系统设计等常用功能。通过测试表明,系统设计合理,运行稳定,指标设置灵活,保证了党员工作绩效评价的科学、公正,提高了考评管理的效率。

高阶思维导向的程序设计语言教学设计与实践

AI与大数据时代,程序设计与实现能力是专业发展的必要基础。讨论高阶思维导向的程序设计语言教学设计原则、学习框架、学习路径,并通过Python程序设计语言教学设计从以立德树人、课程内容、资源平台、教学模式、数据赋能等方面进行设计,突出教学内容体系的应用性与实践性,强化学生的问题分析与解决能力,实现高阶思维导向的程序设计能力与专业素养的提升。

软件定义车联网云边端协同一体化架构的研究

随着自动驾驶、智能网联汽车和智能交通系统的发展,车联网的应用场景也越来越丰富。本文经过循序渐进地分析,提出软件定义云边端协同一体化车联网架构。为了适应车联网的高移动性、实时性、流量剧烈增减和网络异构等特点,提出基于KubeEdge框架的车联网系统管理架构,并系统介绍KubeEdge的组成和云边消息传递机制。该架构将Docker容器、Kubernetes与车载智能设备、路边智能设备相结合,并对KubeEdge框架的云端、边端和云边端消息传递进行“本土化”改造,可作为车联网未来发展思路和路径之一。

结合实践的启发式计算机图形学课程教学探讨

以电子信息工程专业“计算机图形学”教学为例,结合启发式教学理念和方法,探索计算机图形学课程的改革。在结合程序设计实践课程内容的同时,采用自动启发及综合性的教学手段,培养学生的动手实践能力和独立思考能力,在实际应用中取得了较好的效果。

基于莱维飞行麻雀搜索优化的Otsu多阈值图像分割

群智能算法优化多阈值图像分割策略,易陷入局部最优,搜索精度不高。将莱维飞行扰动策略融入麻雀种群觅食的搜索优化过程,以增加图像分割空间搜索的多样性,从而提高分割精度,避免搜索过程陷入局部最优;同时嵌入Sin混沌搜索机制,改进种群初始化策略,加强搜索性能。最终实现多阈值图像分割的应用性能提升,在保持算法全局寻优能力的基础上大幅度提高收敛速度和求解精度。对经典的图像多阈值分割的实验结果表明,本文方法相比于传统的智能优化策略,在寻优率和分割精度方面提升显著,收敛能力强。

短期风电功率预测的深度学习模型

风电固有的间歇性和不确定性给准确预测风电出力带来了挑战,也给风电并网带来了棘手的问题。本文提出一种用于风电短期预测的卷积神经网络-双向长短期记忆网络(CNN-BiLSTM)混合深度学习模型。首先利用双向长短期记忆网络挖掘双向时间特征,然后利用卷积神经网络提取空间特征。最后使用本文模型对某风电场风电功率进行预测。对比结果表明,使用CNN-BiLSTM方法能显著改善预测性能,降低风电功率预测误差。

刷单类电信诈骗侦查及防范方法分析与研究

刷单类电信诈骗越来越引起公安部门的重视。为了高效地打防该类电信诈骗行为,详细分析了其诈骗手段和常用套路,同时结合公安业务需求,从侦查和取证角度对该类案件进行解析,提出具体的思路和方法。整理总结出相关防范对策,为业务部门打击和预防该类案件提供一定的理论和实践参考。