算法规训与柔性嬗变:大学生网络行为的理性审思

网络世界的虚妄和娱乐、乌托邦式的平等交流、生活价值的想象性追认,让人与技术的互联遭遇伦理和道德困境,以虚拟想象的理想“他者”与陷入身份危机的“自我”建构起不断演变的张力关系。大学生呈现出虚拟身份的自我认同,却在算法“技术无意识规训”下首当其冲,对此,思想政治教育工作者要拨开算法的技术迷思,理性看待算法规训对大学生网络行为的柔性嬗变风险,发挥思政教育功能开展算法治理,提升网络育人实效。

大数据视角下的上海高校大学生网络学习现状分析及对策研究——以教育部易班平台为例

本文从大数据分析角度切入,对上海各高校大学生在教育部易班平台网络学习数据进行了多维度分析,并从更科学和更实效的角度剖析当前上海高校大学生网络学习现状,为各高校提升网络教学质量、扎实推进易班相关工作提出策略建议和路径优化方向。

“通信与电子信息科技英语”混合教学设计

基于“通信与电子信息科技英语”课程教学,提出了适用于该课程的线上线下混合教学设计。首先分析了课程的特点和存在的问题,并以混合式课程教学目标为基础,提出了混合教学设计的内容,包括:线上和线下教学内容分配、混合教学资源建设、混合教学活动设计以及课程考核设计。

融合全局和近邻协同信息的会话推荐算法

现有基于会话的推荐算法主要通过挖掘单个目标会话的项目转换关系进行推荐,对来自其他不同会话中项目之间的复杂转换信息考虑较少。为此,提出一种融合全局和近邻协同信息的会话推荐算法SFGN-GNN,同时考虑来自全局与近邻会话的协同信息,以充分挖掘用户偏好。通过学习会话表示来表达用户偏好,先按目标会话与近邻会话的成对项目转移关系构建近邻图,依据所有会话中的成对项目转移关系构建全局图,再利用图神经网络获取目标会话节点近邻级和全局级的项目表示,采用融合门融合得到会话级项目表示,并在其中嵌入项目在目标会话中的位置信息和时间信息,然后通过软注意力机制得到最终的会话表示,最后经过softmax函数预测下一个可能交互的项目。在两个数据集上的实验验证了SFGN-GNN算法有效性。

高校信息技术通识课的机遇挑战与实践探索——以《数据科学导论》课程为例

《数据科学导论》等信息技术通识课是当前信息化、数字化和智能化的时代特性的迫切需求,也是高校本科生培养对接实际人才需求的有效手段。不仅有利于金融、航运、环境、医学等和计算机、数据科学等跨专业交叉融合的引导启发,也能推动数字化和智能化的快速普及。但是,它仍面临三大挑战:1) 课程科普性与专业性难权衡;2) 线上资源对线下课堂强冲击;3) 老师主导与学生主体难协同;本文设计三位一体的教学创新途径进行探索和实践。首先,教学内容实施虚实结合,基于Jupyter notebook便捷平台让学生尝试经典数据分析方法的实现和验证,观察不同结果的对比;其次,教学手段上利用学习通的分组汇报进行课堂翻转,发挥学生主体性;同时,整个教学内容设计和教学实施中融入课程思政发挥德育引领作用,激发学生内驱学习动力。实践证明这些教学创新设计有效,不仅学生获得感强,教学评价排名比从75%提高至10%左右。

基于本地差分隐私的异步横向联邦安全梯度聚合方案

联邦学习作为一种新兴的分布式机器学习框架,通过在用户私有数据不出域的情况下进行联合建模训练,有效地解决了传统机器学习中的数据孤岛和隐私泄露问题。然而,联邦学习存在着训练滞后的客户端拖累全局训练速度的问题,异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中,而无需等待其他用户训练完成。然而,异步联邦学习也存在着无法识别恶意用户上传的错误模型,以及泄露用户隐私的问题。针对这些问题,该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL)。用户采用本地差分隐私策略,对本地训练的模型添加扰动并上传到服务端,服务端通过投毒检测算法剔除恶意用户,以实现安全聚合(SA)。最后,理论分析和实验表明在异步联邦学习的场景下,提出的方案能够有效识别出恶意用户,保护用户的本地模型隐私,减少隐私泄露风险,并相对于其他方案在模型的准确率上有较大的提升。

基于整体与局部纹理特征加权融合的港机装备钢丝绳断丝缺陷检测研究

钢丝绳是港机装备的重要部件,由于作业工况环境恶劣,钢丝绳表面极易引起断丝等缺陷,影响港机装备作业安全。针对港机装备钢丝绳表面油泥严重、光照亮度不均,以及港机装备钢丝绳断丝缺陷能够在钢丝绳股顶钢丝椭圆形区域内有效体现的特点,提出了一种基于钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征加权融合的钢丝绳断丝缺陷检测方法。首先采用图像降噪、增强、校正技术对钢丝绳原始图像进行预处理。然后采用图像平滑、阈值分割及边缘特征提取技术对股顶钢丝椭圆形区域边缘轮廓进行提取。接着采用局部二值模式(LBP)算子分别提取钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征,并对钢丝绳整体纹理及边缘轮廓纹理特征进行特征加权融合。最后对加权融合后的特征向量进行主成分分析(PCA)法降维,并应用支持向量机(SVM)技术对钢丝绳断丝缺陷进行检测。研究结果表明:本文提出的方法对实际工况下重油泥、光照不均等钢丝绳断丝缺陷具有较好的检测效果,具有一定的工程应用价值。

基于原子范数的波达方向与时延联合估计方法

为了解决水声通信环境下自主式水下机器人定位难的问题,提出了一种基于原子范数的波达方向(DOA)与时延联合估计方法。首先,基于水声多径多普勒效应的特点建立信道冲激响应公式,将接收信号用矩阵形式表示并对参数进行归一化处理。然后,针对水听器阵列的几何结构和多普勒效应带来的相位误差建立一个新的原子集合,考虑到水声信号在空间域的稀疏性,利用原子范数最小化求解相应的原子。最后,针对由任意线阵带来半正定矩阵中的子矩阵为非Toeplitz矩阵结构而无法进行Vandermonde分解的问题,定义了一个有关水听器几何结构的Hermitian集合,利用长椭球波函数进行半正定规划求解,获得DOA和时延的联合估计。实验结果表明,所提方法在信噪比为20 dB时,DOA估计的均方根误差低至0.2°,在DOA间隔低至3°时仍有77.98%的估计成功概率,估计时延与实际时延的误差可以达到微秒级。

基于PCA-XGBoost算法的哑铃状SIR差分滤波器设计

随着多业务无线通信技术的发展,具有共模抑制能力的差分带通滤波器越来越受到人们的关注,但是设计差分微带滤波器的传统方法过程复杂且耗时较长。针对这些问题,结合非线性赋权的极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法,通过训练和学习滤波器结构参数和相应频率响应S参数的关系辅助进行滤波器的设计,设计了一款基于改进阶跃阻抗谐振器(Stepped Impedance Resonator,SIR)的哑铃状差分带通滤波器。该滤波器的中心频率为2.6 GHz,相对带宽为7.3%,通带内插入损耗优于0.95 dB,回波损耗优于20 dB,通带内共模抑制优于42 dB,并且具有较宽的阻带。实物测试结果与算法预测结果的一致性,验证了PCA-XGBoost算法(Principal Component Analysis,PCA)用于滤波器辅助设计的可行性。

海洋船舶通信网络安全综述

海上运输是人类最重要的运输方式之一,海上船舶通信网络安全对一个涉海国家的经济发展至关重要。由于海上船舶通信网络基础设施建设远不如陆地互联网络基础设施建设完善,其通信网络存在很多安全漏洞,导致多起船舶在海洋航行时遭受网络攻击。近几年,国内外已有大量有关海上通信网络安全的研究文献,但缺乏海洋船舶通信网络安全研究综述文献发表。为此,针对海洋船舶通信网络结构、存在的网络安全风险及其应对安全措施等研究文献进行系统的梳理和综合讨论。在此基础上,对海上船舶通信网络安全威胁提出应对的策略和建议。

基于多核LSSVM的谷物蛋白质二级结构预测与优化

蛋白质的二级结构对其空间结构和功能有着极其重要的影响,利用机器学习方法进行谷物蛋白质二级结构预测是生物和食品领域的重要研究内容。作者在现有蛋白质数据库中选取玉米、小麦、大豆的谷物蛋白质,使用多特征融合方式对蛋白质序列进行特征提取,提出将多核学习与最小二乘支持向量机(LSSVM)相结合,以多个核函数的线性加权组合代替传统单一核函数,利用核权重调整融合效果,构建多核LSSVM模型预测谷物蛋白质二级结构。使用粒子群优化算法(PSO)对模型超参数进行优化,寻找最佳超参数组合提升模型预测性能。研究结果表明,多核LSSVM模型能够改善单一核函数高维映射的局限性,融合各核函数优势,通过PSO算法获取最佳超参数组合。该模型结合多特征提取方式显著提高了谷物蛋白质二级结构预测的Q_(3)准确率。

基于半监督网络的前交叉韧带损伤膝关节磁共振诊断辅助研究

目的本研究基于半监督算法残差网络(semi-supervised algorithm Residual network,SMRNet)的深度学习方法,探索其在计算机辅助自主分析膝关节MRI诊断前交叉韧带(anterior cruciate ligament,ACL)损伤方面的应用。方法使用100名经过关节镜确认的ACL损伤患者和100名关节镜确认无ACL损伤的患者的术前MRI图像。在选取适当层面后,裁剪并用于SMRNet的训练。SMRNet对单个MRI切片上ACL损伤的概率进行最终判断。4名临床医师对相同图像进行读片诊断。结果SMRNet分类的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为97.00%、94.00%、95.50%、94.17%和96.91%。医师的整体阅片情况类似,敏感性区间91.00%96.00%、特异性区间90.00%94.00%、准确性区间90.50%95.00%、阳性预测值区间90.09%94.12%、阴性预测值区间90.90%95.92%,二者差异无统计学意义(P>0.05)。结论经过训练的SMRNet模型在ACL损伤检测上超越部分临床医师,为膝关节MRI诊断提供高效可靠方法,展现深度学习在医学影像的潜力。未来,SMRNet有望成为膝关节MRI诊断的重要工具,为患者提供更精准的诊疗方案。

故障诊断的信息融合方法

对基于信息融合的故障诊断方法进行综述.首先简要阐述信息融合的基本概念以及信息融合与故障诊断的关系;然后介绍贝叶斯定理融合故障诊断、模糊融合故障诊断、证据理论融合故障诊断、神经网络融合故障诊断和集成信息融合故障诊断方法的诊断原理与步骤,并分析其特点和局限性;最后给出了信息融合故障诊断研究的若干发展方向.

基于航运信息服务的船联网标准体系框架

船联网标准体系框架研究旨在构建一个面向航运智能化信息服务且能适应航运业发展的标准体系。首先,通过分析国内外相关体系构建现状,采用"自上而下"的管理服务驱动方法为构建船联网标准体系框架提供指导;其次,从信息服务的角度,以信息流为导向构建航运信息服务业务模型,即采用"自下而上"的业务驱动方法构建船联网标准体系三维框架;最后,从视图分层角度,进一步对三维体系框架进行细化分类。船联网标准体系框架作为船联网标准体系的核心内容,对规范和推进船联网相关研究及建设实施具有一定的理论和现实意义。

电子类卓越工程师培养与实验室教学创新

针对电子类专业卓越工程师教育培养计划的要求,探讨了创建新型实验室工程实践教学体系。该教学体系以实际工程问题为背景,通过改善实验环境、教学方法和考核办法,充分调动学生的主观能动性,实现了基础训练、综合训练、团队研发三个阶段的创新教学过程。该实践教学体系弥补了以往实验教学中存在的不足,为培养技术扎实、富有创新能力的工程技术人才提供了基础。

基于信息熵的粗糙集连续属性离散化算法

该文提出了一种新的粗糙集连续属性离散化算法.首先对每一个候选断点定义了信息熵,以此作为对断点重要性的量度,在此基础上给出了断点选择的粗糙集连续属性离散化算法.最后采用多组数据对此算法的性能进行了检验,并与其它算法做了对比实验.实验结果表明此算法是有效的,而且当候选断点个数增多时仍有很高的计算效率.

基于模型迁移的跨被试脑电情感分类算法

脑电情感信号因受试个体的不同存在较大的分布差异,导致分类识别率不高,因此,提出一种基于模型迁移的跨被试脑电情感分类算法。利用选取的源域数据训练得到卷积神经网络的初始模型;通过迭代最近点算法使目标域和源域数据之间的分布相似性最大化;通过微调得到新的卷积神经网络模型对目标域数据进行识别。实验结果表明,该算法实现了不同被试共同使用初始网络模型,极大提高了模型的使用效率;通过基于迭代最近点的域适应算法,使跨被试脑电情感模型迁移的分类精度达到90%以上,为不同被试的脑电情感分类提供了新的思路。

智能船舶网络安全及防护技术研究综述

智能船舶信息化与自动化的快速提升,降低了航运公司的运营成本,提升了智能船舶系统的运行效率,但也引入了新的网络安全风险,使智能船舶更容易受到各种网络攻击。为此,对现代智能船舶的网络结构和特点进行详细描述,论述智能船舶存在的网络安全漏洞;此外,对近年来智能船舶遭受的各种网络攻击情况进行调查,并重点介绍有效防御船舶网络攻击的应对方法;最后,对智能船舶网络安全技术研究进行总结并对未来的研究工作进行展望。这项研究能为智能船舶的网络安全规划和建设提供支持和参考。

一种基于互信息的模糊粗糙分类特征基因快速选取方法

依据基因表达谱建立有效肿瘤分类模型的关键在于准确找出决定样本类别的一组特征基因。粗糙集理论已成功应用于肿瘤分类特征基因选取中。然而,粗糙集方法处理连续值的基因表达谱数据集所必需的离散化过程会使得部分信息丢失,对所选取的特征基因的分类精度造成一定影响。因此,曾提出基于互信息的模糊粗糙集基因表达谱数据集特征基因的选取算法。然而,该算法计算代价较高,当所选取的基因数较多时难以实现。为此,对该算法进行了改进,从最大相关性和最重要性(最小冗余)两方面对互信息进行了近似替代计算,大大降低了算法的复杂度,提高了算法的效率。以急性白血病亚型(leukemia)、直肠癌(colon)和乳腺癌(Breast)分类特征基因选取为例进行实验,然后分别采用1NN和SVM分类器进行特征基因分类精度检验,结果证实了新方法的可行性和有效性。

基于互信息的显著基因提取及转录调控网络构建

传统特征基因提取方法往往只注重单个基因在不同样本中的表达差异,忽视了基因之间的关联性以及多个致病基因作为一个基因模块与复杂疾病的联系。针对这种情况,提出基于互信息MI(Mutual Information)的特征基因提取算法,提取在健康对照和阿尔茨海默症AD(Alzheimer’s disease)患病样本中关联度具有明显差异变化的基因作为特征基因。在此基础上,结合转录因子TF(Transcription factor)对靶基因TG(Target gene)调控的生物学先验信息,利用网络成分分析NCA(Network Component Analysis)算法分析转录因子的表达活性及其对靶基因的调控强度,构建AD特征基因的转录调控网络。分子生物学分析表明,它们在有丝分裂、细胞周期、免疫反应以及炎症反应过程中的变化对AD的退化过程具有重要作用。