AIGC在大学计算机教育教学中的有效利用

针对生成式人工智能AIGC与大学计算机教育结合的全新教学前景,分析其带来的机遇和挑战,提出多种AIGC与大学计算机教育集合的新方法,探讨面对AIGC生成知识的不准确性和学生对其产生的依赖性,教育者和学生应该如何积极地拥抱这项技术并谨慎应对可能出现的问题,以确保AIGC在大学计算机教育领域的有序发展。

基于定制MOOC与中外联合课堂的混合教学模式探究

针对国际化课程建设中慕课现阶段还未能起到较好支撑作用的情况,提出基于定制MOOC与中外联合课堂的混合教学模式,以移动互联网技术课程为例,介绍在教学资源建设、授课模式改革、考核模式创新方面的教学创新实践,最后通过教学效果分析说明该教学模式的有效性。

复杂网络松耦合分布式计算框架的设计与实现

为更快地计算大尺度复杂网络结构的相关参数,设计并实现一种松耦合分布式计算框架。将分散于网络中的松耦合计算节点汇集起来,通过任务队列使各计算节点共同参与复杂网络的相关分布式计算,并能随时加入或者退出计算,利用分散于网络中松耦合的计算节点提高复杂网络相关分析的计算速度。基于该框架,实现对大尺度复杂网络的平均最短路径长度、网络直径和网络效率的分布式计算。实验结果表明,在保证计算结果正确的前提下,该框架可充分利用网络中闲散的计算资源,提高运算效率。

化工院校“四位一体”计算机创新人才培养体系构建与实施

针对化学工业院校计算机人才培养目前存在的问题,围绕创新人才培养的总目标,提出构建化工行业院校“四位一体”的计算机创新人才培养新体系,以北京化工大学计算机专业为例介绍该体系的实施过程,并通过实施成果说明培养体系的应用效果良好,对化工行业院校计算机专业创新人才培养具有一定的示范作用。

基于网页浏览日志的用户行为分析

随着问答社区信息的长期积累,越来越多的过时信息充斥在其中并被搜索引擎检索,给信息需求者带来不便。用户的网页浏览日志中隐性地包含用户的行为习惯,通过分析得到这些信息对判断网页信息时效性有着重要意义。文中提出针对网页浏览日志的查询过程划分方法,并在划分的基础之上对大量真实用户的浏览行为习惯做了统计分析。结果显示,用户查询一次信息平均浏览8.05个页面,用时6.28分钟,有将近1/3的查询在交替并发中进行,另外用户对于网站站内搜索的依赖较高。从浏览日志数据集中选取了一个社区网站的浏览记录来进行初步的网页信息时效性分析,结果表明造成用户不满意的原因主要是查询相关度不高,而过时信息只是其中一小部分。

在线社交网络的自适应UNI采样方法

在线社交网络采样方法常作为其他采样方法的评估基准,但是该方法采样命中率和采样效率较低,影响了其应用。为此,提出一种自适应UNI采样方法。该方法将用户ID系统空间划分为若干区间进行采样,根据各区间命中率自适应地调节在各区间的采样概率,以提高采样命中率和效率。设定采样概率下限阈值解决冷启动问题,同时利用区间的采样率调节区间采样概率,防止陷入局部最优。将该方法应用于新浪微博的采样数据进行验证,实验结果表明,该方法可提高采样效率和采样命中率。

基于用户浏览轨迹的商品推荐

随着电子商务的迅速发展,推荐系统在这些网站中得到了广泛的应用。目前应用最广泛的个性化推荐算法是协同过滤推荐算法,但是该方法存在稀疏矩阵与冷启动问题。根据用户浏览记录推荐商品是缓解这些问题的一个重要研究方向,这些方法根据用户在电子商务网站的访问日志,提取出用户的浏览路径序列,即用户浏览轨迹,为用户推荐偏爱商品。目前,通过分析用户浏览路径为用户推荐商品的方法主要依据用户浏览轨迹模式匹配或者从用户浏览轨迹中商品与下一个商品关系的角度进行考虑。而本研究从浏览轨迹中被浏览商品与最终被购买商品关系的角度出发,并以此为基础建立用户浏览轨迹偏爱模型,挖掘用户偏爱,为用户推荐商品。实验表明,所提方法能够在一定程度上解决因为新用户缺少历史购买及评分记录而引起的新用户冷启动问题,提高了推荐方法的准确度与召回率。

任务管理系统模型类的抽象与设计

针对以往任务管理系统开发效率低、系统可维护性不强的情况,对任务管理系统模型类进行抽象与设计,分析了模型类的通用性和适用性,详细介绍了模型类抽象与设计的思路和方法。最后把抽象出的模型类应用到现有的任务管理系统中,验证设计思路,改进、优化了现有系统,降低了开发类似系统的成本,对任务管理系统的平台化研究和实现有一定的帮助。

在线社交网络的UNI64采样方法

在对社交网络采样方法进行研究时,常以拒绝-接受采样法得到的样本作为对照来评价其他采样方法的优劣.由于各种在线社交网络陆续将其用户ID系统由32位升级为64位,导致拒绝-接受采样法的采样命中率近乎为零.本文根据在线社交网络的特点,以新浪微博为例,对其用户ID分布情况进行分析,提出了一种改进的拒绝-接受采样法UNI64.该方法通过分析网络有效ID样本的分布情况,结合聚类的方法将整个样本空间划分为有效区间和无效区间,并使采样算法避开无效区间,仅在有效区间内生成待测样本,从而有效提高了拒绝-接受采样法在有效样本极为稀疏的样本空间内采样的命中率.

面向电力企业安全评价的任务管理系统

针对以往电力企业安全评价以手工为主,耗时费力,信息化程度低,且容易出现纰漏与错误的情况,提出了面向电力安全评价的任务管理系统的设想,介绍了系统的主要功能要求,以及总体结构,分析了任务包、数据库接口、权限管理以及公司部门架构的处理三部分的设计思路。最后介绍了实际生产环境中系统的应用情况,说明了系统的易用性与重要性。

改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。

基于k-core的大规模复杂网络压缩布局算法

为在复杂网络规模不断扩大的情况下优化其可视化布局效果,将力导引布局算法与k-core概念相结合,提出一种改进的大规模复杂网络压缩布局算法。利用复杂网络中的k-core概念划分网络数据,根据k-core值选择节点处理方式,实现网络节点的压缩布局。定义面向压缩的复杂网络信息量概念,对算法的压缩效果进行量化评估。实验结果表明,改进后的布局算法能有效利用有限的显示空间,减少布局结果中的边点密集现象,清晰地显示网络结构,同时在一定程度上保持原始网络性质。

复杂网络零模型的量化评估

针对随机置乱算法生成复杂网络的零模型时,因不同阶次零模型成功置乱概率的差异导致难以准确判断零模型何时能够趋于稳定的问题,定义了"成功置乱次数"的概念,并提出使用"成功置乱次数"替代传统的"尝试置乱次数"进行算法设定。提出的成功置乱次数指标仅在随机选择的边满足相应阶次零模型的置乱条件从而被成功置乱后进行累加。各阶次零模型生成实验表明,使用该算法设定方式后各网络拓扑指标均能在较小的成功置乱次数范围内趋于稳定。进一步的量化分析表明,按阶次分别设定成功置乱次数为网络边数的2倍、1倍、1倍即可得到质量较好的0阶、1阶、2阶零模型。

新浪微博用户及其微博特征分析

基于新浪微博用户之间的关注关系网络,分析了衡量微博用户影响力的三个指标——粉丝数、User PR值以及用户活跃度,发现粉丝数分布和User PR值分布均服从幂律分布,活跃度分布不同于前两种分布。分别对三种排名靠前的用户及其发布的微博进行分析,发现排名靠前的用户中,User PR值的认证用户多于粉丝数;活跃度排名靠前的用户在广告营销活动中受到广泛的青睐;新浪微博用户乐于转发和评论他人的微博,微博中嵌入了大量的图片、视频和链接。

基于GPU的大尺度网络零模型分组生成并行算法

为解决生成大尺度网络的零模型时间效率较低的问题,利用数据分组思想,针对生成0阶、1阶、2阶网络零模型的随机置乱算法提出基于GPU的并行化实现。并行化过程中,设计不重复分配原则,以及存在性替换、重复性替换策略避免无效置乱。基于常用的网络拓扑指标以及网络随机化程度,验证并行算法的有效性,验证结果表明,并行的分组置乱算法相比传统的串行算法提高了时间效率,针对GPU显存无法一次性容纳的大尺度网络,能快速生成其相应的零模型,为大尺度网络零模型的研究提供了一种高效的解决方案。

基于GPU的复杂网络社区挖掘算法并行计算

由于复杂网络的规模越来越大,在大规模的复杂网络中快速、准确地挖掘出隐藏的社区结构是当前该领域研究的热点问题。目前社区结构挖掘常用的基于快速Newman算法的社区结构挖掘算法之一是一般概率框架方法。以规模日益增大的复杂网络为研究对象,提出了基于GPGPU的一般概率框架并行算法,有效地解决了在大规模的复杂网络中快速、准确地挖掘出隐藏的社区结构问题。实验证明,随着节点数的增加,该并行算法在不损失准确性的前提下运行效率有所提高,为复杂网络社区结构挖掘的研究提供了一种高效的解决方案。

基于时变差别适应度的网络演化模型

将节点适应度的时变性和差异性抽象为时变差别适应度,在适应度模型的基础上,提出一种改进的网络演化模型。网络中新加入的节点趋向于连接节点入度大及感兴趣的节点,节点在演化过程中会随时与其他节点进行连接和断开。基于此,综合优先连接、随机加边、随机减边、节点互粉等机制实现网络演化。通过仿真分析节点的时变性和差异性对网络演化的影响,结果表明,该模型生成的网络度分布呈幂律分布,具有小世界现象,且与真实网络拟合度较高,验证了模型的正确性和有效性。

基于GPU的大尺度网络布局显示

复杂网络的可视化是复杂网络研究中的重要手段.随着Web2.0时代和大数据时代的来临,作为研究对象的复杂网络的规模越来越大,这对复杂网络可视化布局算法的布局效果和运算速度提出了新的挑战.本文针对复杂网络布局的力导引算法,从布局效果和算法效率两方面对该算法进行了改进和实现.布局效果方面,利用复杂网络中的关节点,对网络数据进行抽象合并,从而实现分层次的网络布局显示.算法效率方面,针对压缩后的网络采用具有强大浮点运算能力的GPU进行计算,对力导引算法需要斥力计算、引力计算和坐标更新三个部分均实现了基于GPU的并行计算,大大提高了计算效率.

基于ANN的新型MOFs性能预测

在MOFs研究领域,探寻新型MOFs仍然是非常困难的研究问题.将MOFs进行"材料基因编码"后,应用遗传算法(Genetic Algorithm, GA)可以快速探索新型MOFs,但其性能依赖于设定的个体适应度函数,且对新生成的MOFs个体的有效评估也影响了该方法的效果.机器学习方法可以对MOFs的构效关系进行评估与预测,人工神经网络(Artificial Neural Network, ANN)是众多机器学习方法中具有代表性的一个,可以发掘非线性的构效关系.本文提出将神经网络用于预测遗传算法生成的新型MOFs个体对CH4气体的吸附能力,从而帮助遗传算法搜索新型MOFs.实验结果表明,神经网络可以有效评估新型MOFs材料,证明了将神经网络与遗传算法相结合用于新型MOFs搜索和筛选的可行性.

微博社交网络模型的建立及其性质研究

针对在线社交网络进行建模研究将有助于理解其网络特征结构和演化机制,为了提高网络模型描述在线社交网络的准确性,分析统计了新浪微博网络演化相关特征,并结合复杂网络中社团结构特征和优先连接特性提出了COMW(Community-Oriented Model for Weibo)网络演化模型。通过实验模拟验证了COMW模型的包括度分布、聚类系数、网络效率、社团结构演化等网络特征。实验表明,COMW模型具有明显的小世界特性和明显的社团结构,并在多项特征上均符合微博网络,能够较为合理地表征微博网络的演化。