应用型计算机类本科毕业设计教学改革——以合肥大学为例

针对当今经济社会对计算机专业人才的实际需求以及传统计算机类本科毕业设计的痛点,文章以工程教育专业认证标准为指导,以能力输出为导向,旨在培养学生的工程素养、实践能力和创新能力。文章构建了应用型人才培养方案中的计算机类本科毕业设计能力支持体系,并提出了计算机类本科毕业设计教学改革的实施路径和质量管控方案,以期全面提升应用型计算机类本科毕业设计的教学质量。

一种基于一维卷积神经网络的试井模型智能识别方法

为提高试井分析工作效率,实现试井模型的自动识别,提出了基于一维卷积神经网络(1D CNN)的试井模型智能识别方法。根据实测数据的特点,提出基于理论曲线构建样本库的原则与方法,并构建了4种常用油藏模型的训练样本库;建立了一维卷积神经网络模型,将样本库中双对数曲线的压力变化和压力导数数据作为输入,油藏类别作为网络输出训练及优化网络,总识别准确率可达99.16%,敏感度均在98%以上。经4口井实例应用,正确识别试井模型的概率大于0.99,与二维卷积神经网络相比,1D CNN显著降低了计算复杂度和时间成本,加快了训练速度。这表明基于试井理论所构建的样本库是有效的,能满足实测数据模型识别的需求;同时证明了方法的有效性、实用性和普适性。

面向去中心化存储的数据流行度去重模型

数据流行度去重方案中存在检测机构不诚实、数据存储不可靠等问题,提出一种面向去中心化存储的数据流行度去重模型。针对检测机构不诚实,模型结合区块链的不可窜改性与智能合约的不可抵赖性,将智能合约作为检测机构执行数据的重复性检测和流行度检测,保障了检测结果的真实性。针对数据存储不可靠问题,提出一种文件链存储结构。该结构满足数据流行度去重的要求,并通过添加辅助信息的方式,建立分布在不同存储节点中实现物理/逻辑上传的分片之间的逻辑关系,为流行度数据去中心化网络存储提供基础;同时,在数据块信息中添加备份标识,借助备份标识将存储网络划分为两个虚拟存储空间,分别实现数据和备份数据的检测与存储,满足了用户备份需求。安全性分析和性能分析表明,该方案具有可行性,保障了检测结果的真实性,并提高了数据存储的可靠性。

现代产业学院:建设困境与思考建议

产教融合是提升人才培养质量的核心动力。现代产业学院作为深化产教融合的重要载体,能够有效衔接区域产业发展,通过校企合作,构建多元主体协同的人才培养模式,已成为深化产教融合的重要举措。通过分析现阶段产业学院建设和运营中的难点和问题,提出从加强政策保障,规范组织架构和明确各参与方的职责、权利和义务,整合各方资源,保障经费投入等方面助力现代产业学院建设。

工科类专业课程思政育人实践探索——以数据库课程为例

“立德树人”是我国高等教育的根本任务,将思想政治教育融入专业课程教学,培养学生的科学思维、工程伦理和大国工匠精神,是目前工科类专业课程建设的重点。本文以数据库课程为例,探讨如何将思政有机融合到专业人才培养,通过对思政元素的挖掘、课程目标和课程大纲的构建、教学内容、教学过程设计、教学效果评价等环节的探索和实践,构建适合工程类专业课程的教学体系。

面向新质生产力的创新能力培养——以大数据专业“软件工程”课程为例

随着新质生产力的崛起,大数据领域对具备创新能力的专业人才的需求日益迫切。文章以大数据专业“软件工程”课程为例,探讨了如何有效培养学生的创新能力。通过启发学生的创新思维、引导其关注并掌握前沿技术、深化以用户需求为中心的设计思维,以及促进团队协作和多元交流,旨在激发学生的创新灵感。同时强调实战孵化和成果转化在培养学生创新能力中的重要性,通过校企合作和创业孵化机制,推动学生将创新理念转化为实际应用。这些策略的实施,有助于培育出既掌握大数据技术又具备创新精神的高素质人才,以适应新质生产力的发展需求。

高等数学教学中实施课程思政的探索

在高等数学教学中融入课程思政,需要教师加强学习,始终坚持正确的政治导向,提升自身人文素养和育人能力。在教学实践中,教师应确定高等数学课程思政教学目标,寻找合适的思政教学切入点,做好教学设计。

KENN:线性结构熵的图核神经网络

图神经网络(graph neural network,GNN)是一种利用深度学习直接对图结构数据进行表征的框架,近年来受到人们越来越多的关注.然而传统的基于消息传递聚合的图神经网络(messaging passing GNN,MP-GNN)忽略了不同节点的平滑速度,无差别地聚合了邻居信息,易造成过平滑现象.为此,研究并提出一种线性结构熵的图核神经网络分类方法,即KENN.它首先利用图核方法对节点子图进行结构编码,判断子图之间的同构性,进而利用同构系数来定义不同邻居间的平滑系数.其次基于低复杂度的线性结构熵提取图的结构信息,加深和丰富图数据的结构表达能力.通过将线性结构熵、图核和图神经网络三者进行深度融合提出了图核神经网络分类方法.它不仅可以解决生物分子数据节点特征的稀疏问题,也可以解决社交网络数据以节点度作为特征所产生的信息冗余问题,同时还使得图神经网络能够自适应调整对图结构特征的表征能力,使其超越MP-GNN的上界(WL测试).最后,在7个公开的图分类数据集上实验验证了所提出模型的性能优于其他的基准模型.

数智转型背景下智慧教学模式探究——以“计算方法”为例

结合现代信息化教育技术,以“计算方法”课程为例探究数智转型背景下的有效课堂智慧教学策略,充分利用“云+端”的智慧教学辅助平台,构建“分阶段、全过程、立体式”的线上线下混合式(“双线”)智慧教学模式.以“曲线拟合的最小二乘法”课题为例,分析智慧教学设计实施过程,“双线”智慧教学贯穿于“课前—课中—课后”,实现教学决策数据化、评价反馈即时化、交流互动立体化、资源推送智能化.

智慧驾驶应用场景下的新能源汽车导航交互设计策略

采用用户调研和文献研究方法,对新能源汽车导航交互的特点进行分析阐释。通过分析交互过程,构建导航多通道交互模型,并针对智慧驾驶应用场景下新能源汽车导航多通道交互的驾驶任务特点,对资源与通道竞争情况进行详细分析,进一步探讨新能源汽车导航交互通道的特点,并提出了相应的设计策略。同时,结合实际设计实践,验证该理论可行。

一类分段线性连续动力系统的边界混沌分岔

研究了一类三维分段线性连续系统从稳定平衡点突变到混沌不变集的边界平衡点分岔现象。首先,验证了同宿轨和异宿轨的不存在性,从而说明系统的混沌现象是非Shil'nikov混沌。进一步,通过在切换面上寻找合适的Poincaré截面,并通过两个子系统混合流作用建立二次返回Poincaré截面映射,再利用拓扑马蹄理论,给出系统混沌不变集存在性的计算机辅助证明。

基于跨通道特征增强图卷积网络的骨架行为识别

受限于图卷积网络的局部操作模式,传统图卷积网络骨架行为识别方法难以建模远关节点关系和长时间信息,无法捕捉动作间的局部微小变化.因此,文中提出基于跨通道特征增强图卷积网络的骨架行为识别(Cross-Channel Feature-Enhanced Graph Convolutional Network for Skeleton-Based Action Recognition,CFE-GCN),包括双部分分组图卷积模块、跨阶段部分密集连接模块及多尺度时间卷积模块.双部分分组图卷积模块采用分组策略,对人体关节点建模,提取多粒度特征,捕获关节点之间的局部细微差异.跨阶段部分密集连接模块建立节点与前网络层之间的关联,丰富早期信息,捕捉长期运动关节间的潜在关系,学习更全面的上下文特征.多尺度时间卷积模块执行不同感受野的时间卷积,捕捉运动在时间域上的短期依赖关系和长期依赖关系.在3个基准数据集上的实验表明CFE-GCN性能较优.

德国经济工程专业发展历程及中国化实践

为适应社会对经济与工程技术双结合复合型人才的需求,德国自上世纪二十年代起突破学科定势在柏林首创设立经济工程专业,为经济产业复苏和崛起发挥了重要的作用。目前,该专业在德国及周边国家发展迅猛,并在近年来被引入我国,与国内适应产业转型及创新创业复合型人才培养的需求高度契合。开展经济工程专业建设最关键的是人才培养方案中经济、工程技术、专业集成及软技能领域教学内容的有效融合,因此对德国经济工程专业“柏林模式”的发展过程进行研究,是该专业在我国本土化推广和发展的关键。

工程教育认证的软件工程专业持续改进机制研究

建立面向产出的评价和持续改进机制是工程教育认证工作的“底线”和重要环节。以软件工程专业为例,探讨涵盖培养目标、毕业要求和课程教学的持续改进机制,建立“评价-反馈-改进”的教学质量保障体系,开展面向产出的教学改革,旨在提升人才培养质量,满足行业对高素质应用型人才的需求。

基于自注意力机制的蛋白质-RNA相互作用预测方法

尽管已有利用lncRNA和蛋白质的信息来预测lncRPI的方法,但仅利用蛋白质和RNA的序列特征来进行预测相互作用仍然是一个挑战,并且模型预测的准确性有待提高。因此,本文提出了一种融合卷积神经网路和自注意力机制的预测模型LPI-Attention(Long non-coding RNA based on self-attention mechanism),该模型采用了k-mer方法来编码RNA和蛋白质序列特征作为模型的输入,这种方法可以同时考虑两种序列的信息,从而提高了预测的准确性。此外,在密集型卷积模块中,使用两种尺度的特征提取,更好地捕捉局部和全局的信息。最后,将得到的特征输入自注意力循环网络层中,更好地处理序列数据的长期依赖关系,将得到的RNA、蛋白质二者特征信息融合成新的特征放入全连接层进行预测。实验结果表明,该模型不仅扩展了生物特征预测领域,而且可以学习RNA序列与蛋白质序列之间更多的相互作用关系,在预测RPIs方面表现优于大多数同类方法,在数据集RPIs1446、RPIs1807、RPIs488上的准确率分别达到91.7%、96.6%、91.6%。

基于改进YOLOv5的汽车车门装配工艺检测

汽车车门装配工作已实现流水线式的自动装配,但对于门板零件装配是否到位目前并无有效方案。针对此情况提出了一种基于YOLOv5网络优化的汽车门板装配检测网络,该网络实现对螺钉、焊点、扣件三类装配工艺的检测,可检测在相应装配点位上是否已正确安装。为提高对各装配件装配情况的检测精度,在YOLOv5网络中的卷积模块增加注意力机制,增强主干网络对于高频主干网络的特征学习;其次对原网络中的SPPF感受野扩展模块采用空洞卷积组构造不同大小的感受野范围丰富特征信息,并采用最大值池化层将对特征图中的高频特征信息进行增强,抑制背景噪声的干扰。经试验测试,优化后的网络相比于优化前的精确率(Precision)指标提升2.1%达97.4%,召回率(Recall)指标提升8.4%达97.0%,平均精度均值(mAP)指标提升5.9%达98.1%,有一定的实用性。

新工科背景下课程思政教学路径探索——以“软件工程”课程为例

软件工程课程是我校软件工程专业面向大二本科生的专业核心课程。秉持“德智双修,创用并举”的理念,针对工程伦理内容不完善的问题,重构了有鲜明时代和学科特色的教学内容;针对工程思维欠缺的问题,构建了多平台-跨场景-交叉融合的工程思维培养体系;针对工程创新能力不足,设计了“个性化-多样化-递进式”的教学模式,形成了全面跟踪评价,持续优化改进的课程评价体系,实现了教书育人过程中知识、能力、素质的同步提升,筑牢了新时代软件工程类专业人才培养的基石。

基于自注意力图卷积网络的人体骨架行为识别

目前基于普通图卷积网络的方法主要依赖局部性的图卷积操作,限制了其对远距离关节间复杂关联的灵活捕捉能力。提出一种自注意力增强图卷积网络(Self-Attention Enhanced Graph Convolutional Network,SGNet),根据骨架数据的特性,对每个关节点的通道进行独立的全局性建模,即通道特定的全局空间建模(Channel-Specific Global Spatial Modeling,C-GSM),并行于局部空间建模(Local Spatial Modeling,LSM),以提取局部和全局的空间特征表示。在两个大型且具有挑战性的基准数据集NTU RGB+D和NTU RGB+D120上进行了广泛的实验研究。与最新相关方法的比较,SGNet表现得非常有竞争性,在NTU RGB+D X-Sub和NTU RGB+D120 X-Set上分别取得了92.9%和90.7%的最高准确率。

多主体激励交互的应用型本科C语言教学研究

应用型本科院校通常要求做到课程教学理论联系工程实际,注重学生社会实践型创新性和团队合作能力的培养。在传统C语言程序设计课程教学中,实践环节薄弱、学生参与度不高以及缺乏实际应用锻炼等问题仍然存在。鉴于此,提出了一种多主体激励交互的教学模式。该模式通过激励学生积极参与,并且采用情景式、项目导向和合作学习等方法,提高学生对C语言程序设计学习的兴趣和动力,使得课程教学更加符合应用型本科院校的人才培养目标。通过教学实践,验证了多主体激励交互式教学模式不仅可以提高C语言程序设计教学效果,而且有效激发学生学习主动性和积极性。

基于YOLOv7的行人目标检测改进算法

目的:针对当前行人目标检测算法中存在的一些产生误检和漏检的情况,提出基于YOLOv7改进的目标检测算法。方法:首先,采用通道注意力机制与YOLOv7中的聚合网络(Efficient Layer Aggregation Networks,ELAN)模块融合,改进成S-ELAN(Squeeze-ELAN)模块,用于强调检测目标的特征重要性;然后,采用空洞空间卷积池化金字塔(Atrous Spatial Pyramid Pooling,ASPP)替换掉原始算法主干网络中的SPPCSPC(Spatial Pyramid Pooling and Cross Stage Partial Connections)模块,用于增强感受野;最后,使用WIoU(Wise Intersection over Union)损失函数对训练模型进行优化。结果:改进后的YOLOv7算法对行人目标识别准确率达到90.26%,相较于普通YOLOv7算法提高1.64%,平均精确度达到61.3%,相较于YOLOv7算法提高2.06%,检测速度相较于原模型提升2.86 f/s。结论:改进后的算法模型,整体泛化能力和性能得到了较大提升,可以较好地在行人检测场景中使用。