信息技术在电子课程实践教学中的应用

阐述互联网与人工智能技术的融合,从教学内容、教学方法、考核方式以及构建校企合作课程建设机制方面,改革与探索实践教学方法,使学生对电子类专业课程理论体系有更加完整的认识。

现代产业学院人才培养需融入劳动教育

劳动教育在现代产业学院人才培养模式创新中占有重要作用。现代产业学院必须突破传统教育理念,以产业需求主导人才培养方向,将劳动教育理念贯穿人才培养全过程。以南通大学通科微电子学院人才培养模式创新为例,结合人才培养方案、师资队伍结构、课程体系、人才培养考核评价机制等四个方面创新,论述了劳动教育在现代产业学院人才培养模式创新中的作用,实现立德树人根本任务,培养产业所需的高素质应用型、复合型、创新型人才。

地方高校一流专业建设下的校企协同育人机制探索与实践--以南通大学电子信息工程专业为例

教育部为建设高水平本科教育、全面提高人才培养能力,进行面向未来、适应需求、引领发展、理念先进、保障有力的一流专业建设。南通大学电子信息工程专业,以习近平新时代中国特色社会主义思想为指引,以一流专业建设为契机,坚持以本科教育为重点,引导学生求真学问、练真本领;引导教师热爱教学、倾心教学、研究教学、潜心育人;推进科研资源、教学资源、校企合作资源的高效融合,大力促进专业内涵发展,不懈推进改革创新,践行校企协同育人机制探索与实践。

基于多掩膜技术的无监督深度与光流估计方法

针对自动驾驶领域现有方法在处理动态、遮挡等复杂实际场景时存在的估计不准确问题,提出了一种以多掩膜技术为基础的无监督深度与光流估计方法,通过无监督学习从单目视频序列中提取目标深度、相机运动位姿和光流信息。根据不同外点类型设计了多种特定掩膜,以有效抑制外点对光照一致性损失函数的干扰,并在位姿估计和光流估计任务中起到剔除外点的作用。引入预训练的光流估计网络,协助深度和位姿估计网络更好地利用三维场景的几何约束,从而增强联合训练性能。最后,借助训练得到的深度和位姿信息,以及计算得到的掩膜,对光流估计网络进行了优化训练。在KITTI数据集上的实验结果表明,该策略能够显著提升模型的性能,并优于其他同类型方法。

大学生心理健康与父母养育方式、社会责任感、生命态度的相关性

目的:研究大学生心理健康与父母养育方式、社会责任感、生命态度的关系,为大学生心理健康干预提供参考依据。方法:采用整群抽样法,选取3所高校一、二、三3个年级大学生共1542名为调查对象,采用一般资料调查表、父母教养方式量表(Parental Bonding Instrument,PBI)、大学生社会责任感问卷、生命态度量表、一般健康问卷(General Health Questionnaire-20,CHQ-20)进行调查。结果:单因素结果显示,心理健康评分、生命态度评分及父母养育方式中父母关爱得分、父母鼓励自主、父母控制评分在留守经历、成长地、独生子女、贫困生、家庭结构方面存在显著差异(P<0.05);不同人口学特征的大学生社会责任感评分差异无统计学意义。Pearson相关分析显示,大学生心理健康与社会责任感呈负相关性(r=-0.318,P<0.05),与生命态度呈负相关性(r=-0.578,P<0.05),与父母养育方式中分维度父母关爱得分、父母鼓励自主评分呈负相关性(r=-0.428,-0.443;P<0.05),与父母控制维度评分呈正相关性(r=0.365,P<0.05)。多重线性回归分析显示,大学生有留守经历、成长地为农村、非独生子女、单亲或其他家庭、家庭贫困、父母关爱评分低、父母鼓励评分低、父母控制评分高、生命态度评分低,则心理健康水平低(P<0.05)。结论:大学生心理健康整体处于良好状态,与父母养育方式、生命态度有关。

融合信息检索和深度模型特征的软件缺陷定位方法

构建自动化的缺陷定位方法能够加快程序员利用缺陷报告定位到复杂软件系统缺陷代码的过程.早期相关研究人员将缺陷定位视为检索任务,通过分析缺陷报告和相关代码构造缺陷特征,并结合信息检索的方法实现缺陷定位.随着深度学习的发展,利用深度模型特征的缺陷定位方法也取得了一定效果.然而,由于深度模型训练的时间成本和耗费资源相对较高,现有基于深度模型的缺陷定位研究方法存在实验搜索空间和真实情况不符的情况.这些研究方法在测试时并没有将项目下的所有代码作为搜索空间,而仅仅搜索了与已有缺陷相关的代码,例如DNNLOC方法、DeepLocator方法、DreamLoc方法.这种做法和现实中程序员进行缺陷定位的搜索场景是不一致的.致力于模拟缺陷定位的真实场景,提出了一种融合信息检索和深度模型特征的TosLoc方法进行缺陷定位.TosLoc方法首先通过信息检索的方式检索真实项目的所有源代码,确保已有特征的充分利用;再利用深度模型挖掘源代码和缺陷报告的语义,获取最终定位结果.通过两阶段的检索,TosLoc方法能够对单个项目的所有代码实现快速缺陷定位.通过在4个常用的真实Java项目上进行实验,TosLoc方法能够在检索速度和准确性上超越已有基准方法.与最优基准方法DreamLoc相比,TosLoc方法在消耗DreamLoc方法35%的检索时间下,平均MRR值比DreamLoc方法提高了2.5%,平均MAP值提高了6.0%.

基于历史缺陷信息检索的语句级软件缺陷定位方法

软件在开发和维护过程中会产生大量缺陷报告,可为开发人员定位缺陷提供帮助.基于信息检索的缺陷定位方法通过分析缺陷报告内容和源码文件的相似度来定位缺陷所在位置,已在文件、函数等粗粒度级别上取得了较为精确的定位效果,但由于其定位粒度较粗,仍需要耗费大量人力和时间成本检查可疑文件和函数片段.为此,提出一种基于历史缺陷信息检索的语句级软件缺陷定位方法STMTLocator,首先检索出与被测程序缺陷报告相似度较高的历史缺陷报告,并提取其中的历史缺陷语句;然后根据被测程序源码文件与缺陷报告的文本相似度检索可疑文件,并提取其中的可疑语句;最后计算可疑语句与历史缺陷语句的相似度,并进行降序排列,以定位缺陷语句.为评估STMTLocator的缺陷定位性能,使用Top@N、MRR等评价指标在基于Defects4J和JIRA构建的数据集上进行对比实验.实验结果表明,相比静态缺陷定位方法BugLocator,STMTLocator在MRR指标上提升近4倍,在Top@1指标上多定位到7条缺陷语句;相比动态缺陷定位方法Metallaxis和DStar,STMTLocator完成一个版本缺陷定位平均消耗的时间减少98.37%和63.41%,且具有不需要设计和执行测试用例的显著优势.

MMCUP:融合多模态信息的代码注释自动更新方法

良好的代码注释对于程序维护有着重要价值.但在实际开发过程中,开发人员经常会在更改代码后忽略更新相应的代码注释,导致更新后的代码和注释不一致,对软件可维护性造成影响.现有注释更新方法在进行注释更新时,通常仅将代码视为普通文本进行处理,忽视了代码结构信息.为此,本文提出了一种融合多模态信息的代码注释更新方法MMCUP(Multi-Modal Comment UPdating).MMCUP使用了旧代码注释、代码编辑序列和AST差异序列三种模态的信息来训练基于Transformer架构的模型,以对注释进行更新.实验结果表明,,MMCUP在Accuracy、Recall@5等指标上相较于CUP和HatCUP等方法至少提高了5.8%和4.4%.

一种基于NB-IoT技术的智能井道监测装置

随着井道系统成为城镇防汛的关键因素,本文提出了一种基于NB-IoT技术的智能井道监测装置。装置以STM32嵌入式处理器为核心,采用超声波和非接触电容式液位传感器实现井道液位检测,同时监测井盖姿态角和井道可燃气体浓度,并通过NB-IoT将信息进行定时上报处理,能够极大提高监测效率并降低人工成本,为窨井井盖的监测维护工作提供了重要数据支撑。

拓扑信息引导的视频异常行为检测方法

在视频异常检测任务中,良好的特征提取能力在多帧预测方法中十分重要。然而当面对复杂的环境时,传统的基于空间特征的提取方法往往在多层卷积的过程中忽略了底层特征之间的全局依赖关系。为了更好地进行特征提取,提出一种依托拓扑强相关信息引导的视频异常检测方法。该方法针对底层特征序列进行全局相关性信息的提取,并以此初步增强特征中强关联的信息。将底层特征作为节点,裁剪后的相关性信息作为邻里矩阵,构建关键特征之间的拓扑结构关系图,有效地利用了关键特征的拓扑结构信息。将初步增强的特征与拓扑结构特征进行特征融合,帮助模型更深入更全面地筛选关键特征,提高了特征表达能力。该方法在Ped2、Avenue和ShanghaiTech三个公开数据集上取得了良好的视频帧预测效果,提高了模型的检测精度。

智能反射面辅助的覆盖增强技术综述

覆盖增强技术包括覆盖性能增强、覆盖区域优化、信号补盲等研究方向,被广泛认为是6G网络中需要重点关注的问题。近年来,智能反射面(Intelligent Reflecting Surface, IRS)因其低成本、低功耗、易于部署等特点,在覆盖增强技术方面得到广泛研究。基于现有文献中的IRS辅助覆盖增强技术,对其应用场景、问题建模及求解方案进行归纳,并按照大尺度网络覆盖优化、小尺度区域覆盖控制以及离散相位码本下的实际部署测试三种典型场景对该领域研究进展进行详细阐述。对基于IRS辅助的覆盖增强技术进行了总结与展望,旨在为该领域中覆盖增强技术的进一步研究提供新的设计思路。

融合视频识别的HPLC用电信息分钟级采集系统

HPLC(高速电力线载波)因带宽受限,无法满足视频数据的快速传输,文章对此提出一种融合视频识别的HPLC用电信息分钟级采集方案。利用边缘计算在边缘服务器进行视频识别,并通过数据缓存技术对终端用电信息和视频识别结果进行预存储与上传,实现视频识别、传输与用电信息采集的有机整合。测试结果表明,该系统可有效提升监控视频的传输效率和用电信息的采集效率。

基于图像超分辨率重建技术的田间害虫识别

害虫对农业生产有着消极影响,同时易造成农作物病害感染和产量降低,而人工检测害虫受时间和人力影响较大,导致检测效率低下。通过计算机视觉技术可以实现智能自动检测害虫,但是田间害虫往往以小目标的形式出现在图像中,害虫个体的像素绝对值低于32×32分辨率,导致害虫检测准确率下降。针对田间小个体害虫检测问题,结合图像超分辨率技术提升害虫检测准确率。首先将害虫图像经过FSRCNN模型进行超分辨率重建,得到局部梯度更为显著的图像,再提取放大后害虫图像的方向梯度直方图特征,然后使用支持向量机分类器得到害虫的检测精度。实验结果表明,基于图像超分辨率重建技术得到的害虫检测指标均优于原始图像。

医学信息领域人工智能技术的主题漂移与未来展望——基于JCR 26本医学信息期刊文本的命名实体识别

[目的/意义]在过去数十年中,医学信息研究领域被人工智能技术的重构。为厘清人工智能技术发展对医学信息研究领域带来的影响,本研究采用命名实体对医学信息领域人工智能技术进行识别,深入揭示其主题漂移特征与演化趋势,并提出3点未来展望。[方法/过程]研究中首先采集了JCR中26本医学信息期刊题录信息,而后利用Vosviewer可视化分析人工智能技术的总体分布,在此基础上采用3种深度学习模型对人工智能技术进行命名实体识别和对比,最后分5个时间段梳理其主题漂移并提出3点展望。[结果/结论]Vosviewer可视化显示20年来人工智能技术在医学信息领域占据重要地位;3种深度学习模型对比发现,基于Attention的Bi LSTM-CRF模型的命名实体识别结果最优,F1值提高到88.40%;在5个时间段内,医学信息领域人工智能主流技术以高、中频词为代表围绕着传统型技术且相对稳定,分支技术以低频词为代表则出现深度学习等复杂性技术且随时间有所改变,并呈现直觉(经验发掘)→支持(深入理解)→策略(强化分析)→后推理(支撑决策)→前推理(提前预测);即整体进入较为理性和务实状态,尚缺爆发性变革但确有一定程度变化的主题漂移演化脉络。对此,本文从技术、应用和并行层面提出3点未来展望,以期加强对人工智能在处理医学信息上优、缺点的认知,为更精准地挖掘多源数据提供优质医学诊断具有理论和现实意义。

“新工科”背景下信息类专业CPU技术系列课程群教学改革探索

传统工科信息类专业的边界划分较细,各专业CPU技术系列课程群的教学内容既各有侧重,又互有重叠。提出了“新工科”背景下信息类专业CPU技术系列课程群的教学改革建议,即统一课程设置、调整授课顺序、精选教学内容、更新教学手段。CPU技术系列课程群按照从应用到理论,再到应用与设计的授课模式,加强课程融合,提升学生的创新性思维和解决问题的工程能力。

基于双重信息检索的Bash代码注释生成方法

Bash是Linux默认的shell命令语言.它在Linux系统的开发和维护中起到重要作用.对不熟悉Bash语言的开发人员来说,理解Bash代码的目的和功能具有一定的挑战性.针对Bash代码注释自动生成问题提出了一种基于双重信息检索的方法 ExplainBash.该方法基于语义相似度和词法相似度进行双重检索,从而生成高质量代码注释.其中,语义相似度基于CodeBERT和BERT-whitening操作训练出代码语义表示,并基于欧式距离来实现;词法相似度基于代码词元构成的集合,并基于编辑距离来实现.以NL2Bash研究中共享的语料库为基础,进一步合并NLC2CMD竞赛共享的数据以构造高质量语料库.随后,选择了来自代码注释自动生成领域的9种基准方法,这些基准方法覆盖了基于信息检索的方法和基于深度学习的方法.实证研究和人本研究的结果验证了ExplainBash方法的有效性.然后设计了消融实验,对ExplainBash方法内设定(例如检索策略、BERT-whitening操作等)的合理性进行了分析.最后,基于所提方法开发出一个浏览器插件,以方便用户对Bash代码的理解.

面向政产学研的大数据产业学院创新模式

以南通大学阿里云大数据“校政企”共建产业学院为依托,基于面向产出导向的课程设计理念,探索建立了面向政产学研一体化的大数据产业学院专业实践综合改革创新培养模式,与企业共建创新实践平台,协同开展大数据人才培养模式与课程实践改革。应用结果表明该创新培养模式将理论、实践与项目实战融为一体,提供了大数据专业一体化实践解决方案,在地方高校产业学院中发挥了较好的示范引领作用。

基于互邻信息的树型近邻分类方法

为了提升分布不均匀样本的分类性能,该文提出了一种基于互邻信息的树型近邻(Tree-based k近邻,k Tree)分类方法,以此提高k近邻分类的准确率。首先,采用回归模型刻画样本之间的紧密程度,获取每个样本的最优k值,从而获得最优邻居,并采用k Tree提升搜索效率。其次,对于每一个测试样本,基于互邻信息准则,确定其邻域空间,完成k近邻分类。最后,数据集的试验结果表明,该文提出的基于互邻信息的k Tree分类准确率高于传统k近邻分类等其他分类算法。该文提出的方法也为k近邻分类的改进提供了新的方向。

基于改进YOLOv5s的着装不规范检测算法研究

针对餐饮后厨工作人员着装不规范,在复杂背景下采用现有算法检测精度低且易出现误检、漏检等问题,提出一种基于YOLOv5s的着装规范检测改进算法YOLOv5s-ESW。首先,在主干网络引入新型多尺度注意力机制改进C3模块,增强网络的特征提取能力;其次,在颈部网络中采用空间和通道重建卷积模块(SCConv)替换原始网络中的卷积模块(Conv),减少模型参数冗余,同时提升模型的精度;最后,在预测部分引入WIoU损失函数更换CIoU损失函数,提高模型泛化能力,加快收敛速度。将改进算法应用到自建餐饮后厨工作人员着装数据集中进行实验,实验表明,改进后的模型检测平均精度提升了4.1%,参数量减少了11.4%。该模型在提高了检测精度的同时降低了网络复杂度,能够满足餐饮后厨工作人员的着装规范检测的要求。

应用于高性能延迟锁相环的占空比修正电路设计

设计了一款应用于高性能延迟锁相环的占空比修正电路。该电路主要由差分放大电路、占空比调整电路、缓冲器电路和占空比检测电路组成,采用TSMC 40 nm CMOS工艺和1.1 V的电源电压。仿真的结果表明,时钟频率2 GHz~8 GHz,占空比20%~80%的输入时钟信号,经过占空比修正电路调节后,输出时钟信号占空比变为50%±0.2%,可应用于高性能延迟锁相环中。