计算机组成原理混合式教学模式探索与实践

为解决当前计算机组成原理课程教学中存在的问题,本文对线上线下混合式教学模式进行研究。通过构建一个以学生为中心的线上线下混合式教学体系,设计一种混合式教学方式和课程考核机制,来提高教学评价的可测度性,以及评估学生对教学知识点的掌握程度。实践的结果表明,混合式教学模式能够有效激发学生的积极性与主动性,教学效果显著提升。

基于FP-Growth算法的高校图书馆数据分析与对策研究——以山东科技大学图书馆为例

高校图书馆数据日益增加,为了更好地利用海量图书馆数据,加强图书馆自身建设、满足读者需求,基于山东科技大学图书馆数据,利用FP-Growth算法进行学科间关联分析、借阅图书分布分析、借阅量分析及图书流通量分析,并提出相应对策。结果表明,基于FP-Growth算法对图书馆数据进行关联分析,可以及时发现隐藏的规则和信息,为图书馆建设提供决策支持,提高图书利用率,更好地满足读者需求。

地方高校计算机学科拔尖学生培养体系探索

针对地方高校拔尖学生培养体系构建问题,分析其需求和现状,提出“1个引领+2个目标+3个融合+4方协同+5个依托+6个保障”的“123456”计算机学科拔尖学生培养体系,介绍深度整合课内课外、校内校外、线上线下优质资源开展计算机学科拔尖学生个性化培养的方法,为地方高校培养拔尖学生提供一种可行途径。

计算机类专业拔尖人才培养的实践教学体系建设研究

在培养计算机类专业拔尖人才的过程中,实践教学承担着锻炼学生实践能力的重要作用。本文提出了计算机类专业人才培养方案中应设置的5类实践课程,即:实验类课程、课程设计类课程、综合实践类课程、毕业实习与毕业设计以及创新创业、学科竞赛类课程,给出了不同类课程的学时分配、开设方式、考核方法等。从实践硬件资源、软件资源、师资队伍三个角度,给出了实践教学条件建设的途径。实践证明,这些改革提升了学生的动手能力,取得了良好效果。

基于CiteSpace的计算机视觉领域研究热点与前沿分析

以Web of Science收录的文献题录作为数据样本,基于文献计量学方法并利用CiteSpace工具对1990-2019年计算机视觉领域的文献进行可视化分析,从时空层面揭示计算机视觉领域在不同国家(地区)、机构的发展程度;从共引文献层面把握计算机视觉发展脉络;从关键词和突变词角度探测计算机视觉的热点前沿。研究结果显示,从全球范围看,美国对计算机视觉的研究起步较早且一直处于领先地位,中国近年来发展迅速且在总体发文量、高校研究力量层面进步明显,英国、法国、日本、加拿大、瑞士等国近年来发展态势也较突出;马尔视觉计算理论、Canny边缘检测算法、张氏标定法、YOLO算法等许多经典算法对计算机视觉领域的发展具有里程碑式的意义;模型、分类、图像分割、追踪、识别等方向是计算机视觉领域的热点话题;深度学习、卷积神经网络、压缩感知、机器学习是计算机视觉领域近10年的前沿研究方向。

计算机领域英语文献翻译方法研究

该文主要通过文献分析法,从分析计算机领域英语文献出发,形成对其词汇及句法特征的科学认识,并以文献内容为起始,以准确表达文献内容为归宿,提出了“现有译法”“找译译法”的词汇翻译方法和理清关系、语态转换、语序调整和形意转换的句法翻译方法,有效翻译英文文献,以期为该领域英语文献的汉译提供借鉴。

价值链视角下以概念验证为核心的科技成果转化评价研究

科技成果转化的需求愈加强烈,与国内科技成果转化成功量增速较慢形成反差。概念验证是科技成果转化的“最初一公里”,但现有研究并未将两者紧密结合。文章以价值链的视角,结合科技成果转化中的创新链,运用扎根理论,对政策文件、国内概念验证、科技成果转化相关研究进行归纳,构建出以概念验证为核心的科技成果转化评价体系,并利用层次分析法测定评价指标的权重。结果发现:资金投入指标在科技成果转化评价中占较大权重,人才投入、经济价值(过程评价)、经济价值(输出端评价)和市场要素次之。

基于计算机视觉的Transformer研究进展

Transformer是一种基于自注意力机制、并行化处理数据的深度神经网络。近几年基于Transformer的模型成为计算机视觉任务的重要研究方向。针对目前国内基于Transformer综述性文章的空白,对其在计算机视觉上的应用进行概述。回顾了Transformer的基本原理,重点介绍了其在图像分类、目标检测、图像分割等七个视觉任务上的应用,并对效果显著的模型进行分析。最后对Transformer在计算机视觉中面临的挑战以及未来的发展趋势进行了总结和展望。

基于可微神经计算机和贝叶斯网络的知识推理方法

针对人工神经网络(ANN)对面向知识图谱(KG)的知识推理的记忆能力有限以及KG无法处理不确定知识的问题,提出一种可微神经计算机(DNC)和贝叶斯网络(BN)相结合的推理方法DNC-BN。首先,将长短时记忆(LSTM)网络作为控制器,在每个时刻对输入向量和从记忆体获取的读向量进行处理,得到网络输出向量和交互向量;其次,通过读写头实现控制器与记忆体的交互,使用读取权重计算数据的加权平均以得到读向量,并用写入权重结合擦除向量及写入向量进行写操作,对存储矩阵进行修改;最后,基于概率推理机制,使用BN对数据节点之间存在的推理关系进行判断,对KG进行补全。在数据集WN18RR上的推理中,DNC-BN的Mean Rank为2615,Hits@10为0.528;在数据集FB15k-237上的推理中,DNC-BN的Mean Rank为202,Hits@10为0.519。实验结果表明,DNC-BN方法对面向KG的知识推理具有良好的应用效果。

计算机专业研究生创新能力培养与实践

针对山东科技大学计算机专业研究生创新培养人才存在的问题,进行校企深度融合、协同创新,开展了计算机专业研究生创新能力培养与实践,创建校企联合创新人才培养体系,提升研究生主动创新意识;共建校企研究生联合创新实践基地,搭建研究生创新实践平台,研发创新实践教学案例库;科技竞赛、科研项目驱动,进行产学研合作、协同创新,打造学生创新团队,提高学生创新能力。

采用曙光超级计算机的海冰模型并行性能调优研究

海冰对全球气候变化非常敏感,海冰变化具有全球气候变化指示和放大器作用,海冰模型是地球系统模型中最重要的组成部分之一。由于海冰模型应用本身具有计算密集型特点,所以海冰模型的模拟计算过程一般需要数小时至几天不等。因此,如何提升海冰模型的运算效率,探索海冰模型的最佳性能成为业界研究热点。将海冰模型应用程序移植到曙光超级计算机上,通过大气的T62原始网格数据转化生成海冰模型所需要的1度输入数据,使海冰模型模拟结果更精确。基于海冰模型的7种网格划分方式,通过改变开启的MPI进程数目、调整网格划分方式及相关参数配置,对海冰模型的并行性能进行调优。通过性能调优研究发现,在slenderx2划分方式下,320个MPI进程与16个MPI进程相比,性能提升了8.32倍。该成果能帮助研究人员更高效地使用海冰模型,也为海冰模型的并行优化工作提供借鉴。

浅析人工智能在计算机网络中的应用

随着经济增长水平的快速提升,科学技术也得到了飞速发展,计算机技术得到广泛应用,给人工智能的发展奠定了一定的基础。而且随着互联网技术和计算机技术的不断更新,用户的需求也越来越多,对于计算机网络而言,朝着人性化、智能化方向发展是未来的大势所趋。将人工智能技术应用到计算机网络中将会大大推动其发展进程。本论文首先对人工智能技术进行了简单的介绍,其次通过介绍人工智能技术应用到计算机网络有什么优势探讨其在计算机网络中的实际应用。

论计算机操作系统原理中蕴含的生活智慧

操作系统是计算机资源的管理者,其中的许多原理都可以用于指导现实生活。文章以三个概念为例将操作系统中的重要概念与生活中常见问题相结合,具体探讨了颠簸与设定目标过多、上下文切换与目标不专注、虚拟存储器与非理性消费之间的关系,深入挖掘操作系统原理中蕴含的生活智慧。

以本为本,建设计算机类一流本科专业

在“物移云大智链”智能科技协同发展、人机物融合形成新型计算环境为主要特征的智能时代,计算机类专业已经渗透到其他各个专业,“智能+”专业不断涌现。山东科技大学计算机学院积极顺应时代变化,调整优化专业结构,打造计算机类新工科专业。

基于灰色关联分析的断层突水阶段化感知方法

为提升煤矿断层水害感知水平,提出一种以断层活化演变机制和关键控制因素识别的断层突水阶段化感知方法,通过断层突水演化过程相似模拟试验研究工作面底板与断层破坏的演化特征,以底板破坏带应力、断层裂隙带应力、导水通道内水压等为阶段监测参数,揭示各监测参数与涌水量变化的阶段特征;结合灰色关联性分析法,判定断层突水阶段转化的关键控制因素,进而根据断层突水分析与研究过程,提出断层突水阶段化感知方法。结果表明:底板破坏带、断层裂隙带的应力,导水通道内的水压等监测参数的数值变化特征在断层活化突水过程中呈现出明显的阶段特征,控制因素与涌水量的灰色关联度排序为:底板破坏带应力>断层裂隙带应力>导水通道水压,通过对关键控制因素的识别,可实现断层突水阶段的感知,揭示基于灰色关联分析的感知方法在原理上具备可行性。

面向流形数据的加权自然近邻密度峰值聚类算法

流形数据由一些弧线形类簇组成,其特点是同一类簇的样本间距离较大.密度峰值聚类(DPC)算法具有简单高效的特点,但应对流形数据时表现不佳. DPC算法的两种密度度量标准可能造成不同程度的信息缺失,其分配策略仅参考距离和密度,致使聚类精度不高.提出面向流形数据的加权自然近邻DPC(DPC-WNNN)算法,定义样本局部密度时,综合分析样本的局部和全局信息,引入加权的自然近邻以及逆近邻来应对高斯核或截断核的信息缺失问题.设计样本分配策略时通过引入共享近邻和共享逆近邻计算样本相似度,弥补DPC算法空间因素缺失的问题.将DPC-WNNN算法在流形数据集和真实数据集上与7种类似算法进行比较,结果表明该算法能更有效地找到类簇的中心点并准确分配样本,表现出良好的聚类性能.

基于约束轨迹聚类的事件日志批量修复方法

企业业务运行过程中会产生大量的事件日志,事件日志是业务过程挖掘、监控和优化的基础和保障。然而,原始的事件日志由于缺乏结构及过于灵活导致难以直接应用于过程挖掘,对事件日志进行修复势在必行。现有日志修复方法需要结合过程模型逐条检查轨迹,并对各类异常行为采用不同策略进行修复,导致修复效率低下、适用性不强。针对上述问题,利用轨迹聚类方法,结合文本相似度指标,提出一种基于约束轨迹聚类的批量日志修复方法。该方法通过对轨迹聚类的每个步骤施加约束条件,使得单个簇包含作为簇中心的拟合轨迹以及与该拟合轨迹相似的异常轨迹,且中心轨迹即为异常轨迹的修复结果。该方法不但无需分析异常行为,直接获得修复后的拟合轨迹,而且实现了对于异常轨迹的批量修复。实验表明,该方法在脱离过程模型并保证高修复准确率的前提下,能够在噪音过滤之后,有效且高效地对事件日志进行批量修复。

全景影像快速加载与精确量测算法研究

针对全景影像加载速度慢及量测精度低的问题,提出一种全景球金字塔切片模型动态约束加载算法。首先,基于格网球体投影模型构建三维全景场景;其次,对全景影像进行压缩与切片,并设计全景切片金字塔模型;然后,采用逆向墨卡托投影将全景切片作为纹理映射到球体内表面进行渲染,形成全景球金字塔切片模型;最后,按照可视区域约束对金字塔模型切片进行快速加载实现动态可视化,并结合深度图像实现全景影像的精确量测。实验结果表明,选用顶点数量为11904的全景球金字塔切片模型,量测中误差小于3 cm,同时提高了加载速度。

一种基于中线拓扑关系的巷道节点自适应平滑建模方法

地下空间中的三维巷道结构复杂,模型数据庞大,为解决巷道交叉口等特殊位置的精细化表达问题,本研究提出一种基于中线拓扑关系的巷道节点自适应平滑建模方法。该方法根据巷道中心线数据,自适应判别根结点下各子结点间的拓扑关系以区分各类型巷道,并设计一种半拱形曲面构建相应的模型组件,通过组件拼接的方式,实现精细化平滑建模。最后,通过对某一段巷道数据进行验证,建立了一个由三通、四通等各类交叉口平滑相连的完整巷道模型,为地下空间中复杂巷道的精准建模提供了有效的解决途径。

基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测

遥感技术是进行海洋漂浮藻类目标识别与变化监测的重要手段。GOCI遥感卫星影像具有高时间分辨率、低空间分辨率的特点,其低空间分辨率影响了海洋漂浮藻类遥感探测的效果。本研究通过对具有较高空间分辨率的Sentinel-2遥感卫星影像结构特征的迁移学习,应用ESRGAN超分辨率重建技术,将GOCI影像的空间分辨率提升至125 m;在此基础上,构建了基于超分辨率重建GOCI遥感影像的U-Net深度学习语义分割网络,实现了海洋漂浮藻类的较高精度探测。实验结果表明:超分辨率重建的GOCI影像显著提升了影像的空间细节清晰度,基于此实现的海洋漂浮藻类探测结果取得了较高的精度,其中面积相对误差下降了51.87%,F1值提高了2.41%。本研究是应用GOCI遥感影像进行海洋漂浮藻类高精度探测的一次成功实践,为实现海洋目标的动态精细化监测提供有益的参考。