“互联网+”背景下基于OBE理念的大学计算机基础课程思政探索

大学计算机基础课程面向低年级大学生开设,有效实施课程思政更有利于大学生的成长成才。课程教师应做好课程思政顶层设计、加强教学资源建设、精心设计课程思政教学、注重建立综合评价机制,进而有效实现对学生的知识传授、能力培养、价值塑造。

基于开放式自主实验的计算机网络教学探索与实践

计算机网络课程教学旨在使学生掌握网络基本原理和组网方法、常见协议和网络服务工作原理等,为培养学生在计算机网络系统的规划与构建、应用系统开发等能力打下坚实的基础。但由于该课程知识点繁杂,而理论和实验课时相对不足,一定程度上影响了教学效果。教师可充分利用现有硬件资源,设计与之匹配的课后开放式自主实验,在提高学生主观能动性的同时帮助其深入理解网络原理与本质,学生参与度高,且能够较好完成教学任务。

计算机专业Python课程混合式教学实践探究

针对目前Python程序设计课程教学目标及大班教学存在的问题,探索利用网络学习空间进行混合式教学。优化教学内容,建立健全网络学习空间,重新设计教学流程及评价体系。充分利用在线判题系统着力培养学生的编程能力,利用平台数据反馈实现个性化教学,在教学实践中取得良好效果。

面向计算机系统能力培养的启发式教学研究与实践——以“Linux操作系统与程序设计”课程为例

近年来,如何将计算机系统能力培养具体落实到教学实践中成为教育界关心的话题。在分析了支撑系统能力培养的"Linux操作系统与程序设计"课程特点后,提出将启发式教学引入实践;分析了启发式教学的要点,并提出在场景构建、提问及分析等方面要紧紧围绕系统能力培养展开。在此基础上,设计了部分Shell命令及程序接口的启发式教学。最后,展示了基于启发式的并发服务器和客户端程序设计的基本教学框架。

工程教育背景下基于操作系统的计算机系统能力培养研究

本文按照计算机系统能力培养的要求,提出了基于操作系统的层次系统能力目标,目标以并发与共享为中心,以此为基础,提出与该系统能力层次相适应的课程体系,结合当前工程教育融合创新要求,提出了一系列基于本课程体系的创新措施。

高性能计算机有向指数步长环网拓扑结构设计（英文）

针对高性能计算(HPC)系统规模的增大导致的通信延迟和物理电缆长度增加等不利因素,提出一种新的用于高性能计算机互连的有向指数步长环网拓扑结构。仿真结果表明:与随机步长相比,其可以进一步降低30%的通信延迟,同时降低封装复杂性和物理电缆长度;与固定步长和随机步长拓扑在生成拓扑后计算通信延迟不同,该方案能够在生成拓扑之前考虑延迟。文中还就延迟、封装复杂度、物理电缆长度、可扩展性等方面,将指数步长与固定步长和随机步长的拓扑结构进行了比较。

基于深度学习与工业服务器的云检测系统应用研究

为了解决工业质检场景中误检率高、直通率低,以及导入检测设备难升级的问题,基于局域网工业服务器的硬件方案,收集误检图像和缺陷图像,对其完成标注,并以负载均衡和并发稳定为目的规划云检测系统。基于深度学习的人工智能降误判模型,对各种误判图像进行学习训练,建立高直通率、低误判的检测机制。首先,进行以服务器与通信媒介为基础的云检测系统硬件选型,建立上下位机的数据通信规则、数据发送接收格式规则。然后,开发云检测系统的五大模块:上位机接收模块、上位机分析模块、上位机发送模块、下位机发送模块、下位机接收模块,整合为一个云检测系统平台。最后,基于大数据缺陷学习,调用AI学习软件平台生成的降误判模型,供云检测系统使用,并集成在系统中。实验测试结果显示:系统有利于在设备改造升级场景中降低缺陷误判,为高性能云检测系统的推广奠定解决方案基础。

行为科学管理理论视角下大学生顶岗实习实效性提升研究

顶岗实习高校开展实践教学的主要形式之一,由于政府、企业、院校以及学生等诸多层面的原因,当前在提升学生顶岗实习实效性的过程中还面临着不少困境。政府应以合理的政策引导,激励企业积极参与,充分重视学生和企业的需求,提高顶岗实习工作实效。

基于采样的数据流差分隐私快速发布算法

基于云原生数据库的许多应用场景需要处理海量的数据流.为了实时分析数据流中的群体趋势信息而又不泄露单个用户的隐私,这些应用需要在每个时刻都可以为数据流中的最近数据集快速创建可以安全发布的差分隐私直方图.然而,现有的直方图发布方法因缺乏高效数据结构,导致无法快速提取关键信息以确保数据的实时可用性.为解决此问题,深入分析数据采样与隐私保护之间的关系,提出基于采样的数据流差分隐私快速发布算法SPF(sampling based fast publishing algorithm with differential privacy for data stream).SPF首创高效数据流采样草图结构(efficient data stream sampling sketch structure,EDS),EDS对滑动窗口内数据进行采样统计估计,并过滤不合理数据,实现了对关键信息的快速提取.然后,证明EDS结构输出的近似值理论上等效于对真实值添加差分隐私噪声.最后,为了满足用户所提供的隐私保护强度,并且避免正确反映原始数据流的真实情况,提出了一种基于高效数据流采样的自适应加噪算法.根据用户的隐私保护强度和EDS结构所提供的隐私保护强度之间的关系,通过隐私分配的方式自适应生成最终可发布直方图.实验证明,相较于现有算法,SPF在保持相同数据可用性的前提下显著降低了时间和空间开销.

基于智能体技术的多重灾难人员疏散感知模型

人员疏散过程中往往伴随着多种灾难或事故的再次发生。为了解决多重灾难环境下的人员疏散问题,依据多智能体技术提出了一种人员疏散感知模型。通过建立灾难数学模型和个体感知模型来驱动人员的决策以及行动,将人员仿真与环境灾难建模结合起来。该模型通过物理射线法、气体分子扩散公式、声音传播原理等算法实现了人员的视觉、嗅觉、听觉等感知功能,通过应激反应和综合决策等模型实现人员的信息分析功能。疏散过程中人的移动速度通过人群流速度计算模型、心理和生理影响程度来计算。实验结果表明,该人员疏散模型能够比较真实地表现出在多重灾难环境下的人员疏散情况。

对抗学习下的眼底图像视盘视杯分割算法

由于不同数据集的质量、拍摄条件和采集状态的差异,导致模型图像分割效果参差不齐。针对这种情况,提出对抗学习下的眼底图像视盘视杯分割算法,从不同眼底图像数据集中分割视盘(OD)和视杯(OC),在生成对抗网络的基础上,改进生成器网络,加入密集连接块,使网络在更低计算成本、更短训练时间的情况下,获得更优的性能,提高了模型在不同数据集中的泛化能力。实验结果表明,在REFUGE数据集中验证了该算法在分割性能方面的稳定性,同时将算法推广到无须进一步训练就能测试来自不同设备的眼底数据集中均取得了较好的效果。

基于BiLSTM的NL2SQL模型

随着互联网技术的发展,很多应用为大众提供金融量化服务,而大部分用户不具备金融或计算机专业知识,他们期望使用自然语言查询数据,因此自然语言转SQL(NL2SQL)被迫切需要。针对此问题,提出一种基于双向长短期记忆模型(BiLSTM)的中文金融NL2SQL算法,分为编码和解码阶段。在编码阶段,利用BiLSTM和注意力机制生成特征向量。在解码阶段,根据SQL的语法规则,将SQL生成解耦为九个分类任务,各个任务间相互依赖联合学习,之后生成复杂的SQL语句。除模型外,还训练出包含金融词汇的向量库,构建金融领域的数据集。通过在此数据集上实验验证,结果表明,该方法准确率更高,能有效解决金融领域SQL生成问题,并在某金融量化分析系统中实现。

面向开放域问答的问题分类技术研究进展

开放域问答是当前自然语言处理和信息检索领域的研究热点,作为开放域问答系统的重要组成部分,问题分类可以缩小答案的搜索空间并决定答案的选择策略.近年来,基于机器学习的问题分类技术受到广泛的关注,相关研究表明问题分类的准确性直接影响问答系统的整体性能.本文从分类体系与数据集、特征提取、分类器设计、性能评测等层面,总结了问题分类技术近年的主要研究成果.重点分析了各种基于监督学习的问题分类方法的特点和不足,讨论了核方法、半监督学习、主动学习、迁移学习等在问题分类中的应用,同时对问题分类技术未来研究动向进行了展望.

InternDiffuseDet:结合可变形卷积和扩散模型的目标检测方法

针对现有目标检测中存在的漏检和误检、特征提取能力有限、处理复杂场景时检测精度不高等问题,基于DiffusionDet进行改进,提出了一种结合可变形卷积和扩散模型的目标检测方法。以模型在进入检测头之前需要更多且优质的特征图为核心思想,在主干网络中引入InternImage和DCNv3可变形卷积算子提升模型的感受野和非线性建模能力。对中间层的FPN特征金字塔进行改进,设计了一种基于选择性加权的特征金字塔CS-FPN;利用深度可分离卷积实现通道和区域的分离,同时采用CARAFE算子替代传统的上采样操作,提高分辨率和语义信息的传递;随后利用SGE注意力机制对特征图进行重组,以确保特征图在扩散的过程中保留更多的层次化信息。在特征图进入检测头之前,进行DDIM的扩散操作,获得不同时刻的特征图,以扩充检测特征图的数量。最后在目标框匹配和损失函数方面采用EIOU算法以处理目标框之间的位置偏移和尺度差异。实验数据显示,在COCO数据集和道路检测数据集上,改进后的模型在相同的实验环境下比原有模型分别提升了3.8和3.6个百分点。实验结果表明该方法在提高目标检测的准确性和鲁棒性方面具有一定的潜力,并为解决现实场景中的目标检测问题提供了新的思路和方法。

基于师生协同的实验课教学管理新模式

高校信息类硬件课程配套的实验课教学管理有两大痛点,即课程主讲教师实验课排课困难和实验课堂管理困难。本文设计了一个实验课辅助管理系统,借以构建了基于师生协同的实验课教学管理模式,加强了实验室管理员、教师、学生三方之间的联系,有效解决分组实验课痛点问题,为高校的实验课教学管理模式提供了新的优化思路。

3-puzzle量子计算的酉变换矩阵及逻辑线路

针对3-puzzle问题,运用量子计算方法分析了节点扩展的酉变换矩阵。对一个3-puzzle问题实例进行了元素编码和节点状态编码,描述了具体的节点扩展酉变换矩阵,并运用量子受控非门逻辑线路实现了酉变换矩阵。讨论了N-puzzle量子计算的线路模型,对量子位的基态和最佳基态的制备作了分析,阐述了N-puzzle启发式搜索量子计算框架。

基于微博的大学生职业指导研究

微博影响着大学生的思维方式和行为方式。高校应建立健全高校职业指导机构和人员的微博集群,掌握职业指导微博运营的技术与方法,并与其它载体有机结合起来,完善其运行机制,同时防止碎片化以及虚假信息的干扰,将微博引入大学生职业指导教育。

基于切分通道注意力网络的图像分类算法

通道注意力机制可以有效利用不同的特征通道,通过对特征图的通道进行加权和调整,使得卷积神经网络可以更加关注重要的特征通道,以提高卷积神经网络的分类能力.然而,对于使用全局平均池化来获取通道全局特征的方法,特征图中不同的通道有极大概率出现相同的均值,使得全局平均池化后的特征缺乏多样性,进一步影响网络分类性能.针对此问题,提出一种切分通道注意力机制来构建模块,该模块对全局平均池化的输出维度进行了扩展,减轻全局平均池化造成的信息丢失,增强了通道注意力中全局平均池化层的特征多样性,然后使用多个一维卷积分别计算通道维度上每个区域的注意力权重.将切分通道注意力机制与多种图像分类网络相结合,在CIFAR-100和ImageNet数据集上进行了图像分类实验.实验结果表明,切分通道注意力机制在保持轻量化的基础上仍然能有效提高模型的精度,并且与其他注意力机制相比也表现出较好的优势.

基于多级联合的图池化方法

图池化方法已经在生物信息学、化学、社交网络、推荐系统等多个领域中得到广泛应用,但关于图池化方法大多没有很好的解决节点选择问题和池化带来的节点信息丢失问题。对此提出一种新的多级联合图池化(MUPool)方法。所提方法使用多视角模块从多个视角获取节点的特征,即通过多个卷积模块提取不同的特征。同时提出多级联合模块(级联),将不同池化层的输出串联,每一层都可以融合以往所有层的信息。提出使用后端融合模块,针对每个池化层建立一个分类器,对预测结果进行融合得到最终分类结果。所提方法在多个数据集上进行实验,准确度平均提高1.62%,所提方法可以与现有的分层池化方法相结合,结合后的方法准确度平均提高2.45%。

IRCGN:用于高效多视图离群点检测的生成式网络

由于多视图数据特征复杂,多视图离群检测已经成为离群点检测中一个极具挑战性的研究课题.多视图数据中存在3种类型的离群点,分别为类离群点、属性离群点和类-属性离群点.早期多视图离群点检测方法大多基于聚类假设,当数据中没有聚类结构时很难检测出离群点.近年来,许多多视图离群点检测方法使用多视图一致的近邻假设来代替聚类假设,但仍存在新增数据检测效率低的问题.此外,大多数现有的多视图离群点检测方法都是无监督的,在模型学习过程中会受到离群点的影响,处理高离群率的数据集时效果不佳.为了解决这些问题,提出一种用于高效多视图离群点检测的视图内重建和跨视图生成网络来检测3种类型的离群点,所提方法包含视图内重建和跨视图生成两个模块.通过使用正常数据训练,所提方法可以充分捕捉正常数据中每个视图的特征,并较好地重建和生成相应的视图.此外,还提出一个新的离群值计算方法,为每一个样本计算相应的离群值得分,从而高效地检测新增数据.大量的实验结果表明,所提出的方法明显优于现有的方法.这是将基于生成对抗网络的深度模型应用于多视图离群点检测的工作.