基于生涯思路的“三年四阶段”研究生培养模式——以广东工业大学自动化学院为例

现阶段研究生教育及培养模式主要由结果产出导向,以培养高层次研究型、应用型技术人员为目标,侧重培养研究生实际工作能力的培养模式,往往对研究生身心教育缺乏全面关注和引导。为落实"立德树人"根本目的,提出基于生涯阶段理论的研究生培养模式,将研究生的三年分解成懵懂入学、过渡阶段、自我沉淀、毕业升华的"三年四阶段",根据研究生个人特点,分不同侧重点对研究生进行培养,目标是培养出德才兼备,思源爱校的全面发展型研究生。

高校集成电路拔尖创新型人才培养模式的研究——以广东工业大学集成电路创新设计人才实验班为例

本文针对当前集成电路拔尖创新型人才短缺的问题,以广东工业大学集成电路学院创新设计人才实验班的建设为例,积极探索集成电路拔尖创新型人才培养的模式,对集成电路相关的课程、教材、实验室以及平台资源进行开发与建设,实施包括校企贯通、导师贯通、本硕博贯通的人才培养新模式。深化与企业的合作,真正做到产学融合,培养高素质的集成电路复合型人才,提高集成电路创新人才培养质量,力求在集成电路创新人才培养方面探索出一条新路。集成电路创新设计人才实验班预计实施效果良好,在不同建设时期,应采取相应的推广计划,共享以建设集成电路创新设计人才实验班为代表的集成电路拔尖创新型人才培养模式。

大学生创业教育实践模式的探索——以广东工业大学为例

我国高校大学生创业教育发展取得了一定成绩,但其实践仍然存在短板:创业教育师资和课程设置资源相对缺乏,学生自主创新能力和实际操作能力不强,创业教育政策支持、启动资金和社会认可环境有待完善。在分析广东工业大学创业教育实施与产业深度融合的创新创业教育体系、全程推进创新创业人才培养改革的基础上,提出创业教育理论学习和实践指导相结合的抓好师资和课程建设、搭建创业教育实践平台、完善创业教育保障体系"三个阵地"联动的立体化大学生创业教育实践模式。

新形势下依托“三进三融”提升高校学生团建工作的研究——以广东工业大学国际教育学院为例

新形势下,高校共青团的工作内容、形式和阵地的改变,使得传统的共青团工作不再适应青年学生的成长需求,提升团工作的全面性、高效性和创新性,是高校育人工作的重要内容。对此,我院以高校共青团改革中存在的问题为着力点,结合学生社区发展及学生实践需求,发挥学生专业优势,通过"三进三融"共青团建设工作模式,提升共青团的有效覆盖面及引领作用,让学生在潜移默化中坚定理想信念,在发挥专业优势中坚定"四个自信",在实践服务中明白责任担当,在自我管理中相互促进。

基于体验式学习理论的高校学生党员教育形式探索——以广东工业大学党员教育实践为例

高校学生党员的培养是推动社会人才建设和国家政治建设的重要根基。传统的教育培养方式存在组织生活频率低、教学内容单一、教学形式枯燥、学生缺乏主动性和积极性等问题。以体验式的学习方式为路径,通过学生党员体验式学习圈的实践探索,以丰富实践学习、加强党员交流、突出思想教育,并从实践要点、实施保障、发展方向等路径进行反思,增强学生党员教育的实效性。

以社会实践为载体的大学生学习型党组织建设研究——以广东工业大学党员社会实践为例

社会实践是高校大学生将理论知识运用于实践的过程。以广东工业大学党员社会实践为例,通过校内、校外社会实践等多种途径展开研究,探讨社会实践对学习型党组织建设的重要党建功能,以及将社会实践与学习型党组织建设相结合的新方法。

“一带一路”背景下高校学生创新创业能力现状及培养路径研究——以广东工业大学为例

“一带一路”背景下，市场经济的不断发展对人才 的需求量也有所增加。高校作为人才培养的摇篮，高等教 育对社会发展的重要性不言而喻。为了能够全面推动高等教 育发展，提高人才培养质量，高校必须要加强学生创新创业 教育，保证人才培养符合市场需求。本文以广东工业大学为 例，就高校创新创业现状以及培养路径展开探究，指出当中 的问题,进而分析相应的解决对策。

高校创新创业教育体系探析——以广东工业大学为例

创新作为时代的主流,国家对高校培养创新创业人才的创新教育理念与模式方面越来越重视。以广东工业大学为例,探索立体式创新创业教育体系,通过构建创新创业新体系激发培养学生的创新创业意识,引导学生的创业方向。

人工智能类课程产教融合教学模式探索与实践——以广东工业大学-华为智能基座课程“模式识别”为例

作为人工智能类的核心课程,“模式识别”具有理论强、应用场景广泛、算法和编程能力要求较高、跨学科协同、跟踪技术创新等特点,对课程教学提出了全面挑战和要求。本文遵循新工科建设理念,依托华为智能基座资源,融入昇腾的自主技术,依据课程目标,从课程内容、教学方法、实践教学平台、评价方式等方面入手,确定了“一主四辅”的课程内容,创立了“一核多元”的教学方法,构建了“线上线下混合”的实践平台,建立了“两层两维”的评价方式,探索并实践了产教融合课程教学模式,为AI类课程提供了植入自主技术的有效教学改革方案。

新形势下大学生出国(境)交流行前统战工作的探索与创新--以广东工业大学为例

新形势下,出国(境)的大学生在国(境)外受到的挑战因素越来越多,出国(境)学生的统战工作面临的问题愈发复杂,出国(境)大学生的行前统战工作愈发重要。对于我国高校出国(境)行前统战工作的问题,本研究结合工作实际,立足学生实际,制订分阶段、针对性的行前教育工作方案,在行前教育的内容和方式上创新,全面提升学生的综合能力,增强学生的文化认同感,厚植学生爱国主义情怀。

工业4.0与智能制造新形势下自动化创新型人才培养

介绍了工业4.0与中国制造2025,阐述了新形势下创新型人才培养的必要性。提出了"基础课实验室+综合实验基地+企业实习平台"多层次立体化的人才培养新模式。校内依托工业4.0智能制造实验基地,进行自动化专业综合实验教学改革,校外借助高校、企业、政府三方合作的实习基地和协同育人平台,实施"卓越工程师培养计划",探索和实践"三进三升"人才培养新模式。

以太网在工业自动化领域的应用及研究

对现场总线作了简单的介绍 ,主要介绍了现场总线与以太网结合的应用 ,对工业以太网作了详细的阐述 ;并对将来工业自动化的发展作了展望。

网联自动驾驶货车编队规划与控制研究综述

物流运输联盟内开展货车编队运行,有望成为未来物流运输降低运营成本的新形态。本文以网联自动驾驶货车编队规划与控制为研究对象,通过文献检索来分析网联自动驾驶货车编队的关键技术与研究现状。从市场应用角度,分析目前实现货车编队市场应用面临的挑战,以及相关利益方之间的成本分配问题。从技术方法视角,围绕网联自动驾驶编队规划与运作控制问题,解读相关技术内涵与实现方法。通过评述网联自动驾驶编队技术研究现状,总结该领域未来研究方向,旨在为研究者掌握该方向发展脉络提供参考。

浅谈自动化学院的办学思想、定位与特色

文章通过对自动化学院办学思想及定位特色的讨论,结合学院实际情况,重点思考和论述了自动化学院办学思想和特色的形成要素,以及办学过程中面临的若干现实问题,提出了“凝聚办学思想,强化定位特色”的发展模式和思路。

面向工业自动化的网络体系

本文详细介绍罗克韦尔自动化三层网络体系(RNA)的结构特点,并在对各层通信原理、协议分析的基础上,描述了面向工业自动化体系的网络软件平台,最后对未来工业网络体系的发展前景作了展望。

基于任务权重自动优化的多任务序数回归算法

目前,只有少量面向多任务学习的序数回归方法。这些方法假设不同的任务具有相同的权重,对整体模型具有相同的贡献。然而,在真实应用中,不同任务对于整体模型的贡献往往是不同的。为此,提出了一种基于任务权重自动优化的多任务序数回归算法。首先,提出了基于支持向量机的多任务序数回归模型,通过分类器参数共享,实现不同任务之间的信息迁移;其次,考虑到不同任务对整体模型可能具有不同贡献,赋予每个任务一个权重,这些权重将在学习过程中自动优化求解;最后,采用了启发式框架,交替地建立多任务序数回归模型和优化任务权重。实验结果表明,提出方法相比于其他多任务序数回归方法,平均0-1误差降低了3.8%~12.3%,平均绝对误差降低了4.1%~11%。考虑了每个任务的不同权重,通过自动优化这些权重,降低了多任务序数回归模型的分类误差。

考虑未来运营收益的自动驾驶出租车充放电协同路径规划

现有的出租车调度模型通常只优化实时成本而忽视当前路径规划对未来运营收益的影响,这不利于自动驾驶环境下的连续调度。为此,本文提出一个专注于长期收益的路径规划模型,并利用强化学习将预估的未来运营收益整合到实时调度问题中。模型的具体求解方法是先利用神经网络来拟合车辆的不同时空状态的状态价值函数,再通过双神经网络和经验池的方式加快算法收敛。深圳路网仿真实验表明,所提出的调度模型能够预先精准地调度车队,服务更多乘客,获得更大的运营收益;并且模型能够利用分时电价的峰谷特征和电动汽车入网(vehicle to grid,V2G)技术进行充放电,从而降低车队的能耗成本。相较于其他调度模型,该模型在长期运营中实现乘客匹配服务率增加4%,总收益提高25%,能耗成本节省50%以及乘客等待时间降低20%。

促进教育公平:国家资助政策在农村地区的实施与挑战——以广东省韶关市周田镇为例

在全面脱贫攻坚的背景下,国家资助政策对推进乡村振兴、促进教育公平公正、深化资助育人工作具有重大的支撑作用。为加大国家资助政策的宣传力度和更深入了解该政策在乡村的落实情况,本文在全面脱贫的视角下,对广东韶关仁化县周田镇某四村的相对贫困家庭展开基层调查。调研发现,部分家庭对国家资助政策的认知存在明显不足,且部分相对贫困家庭学生未能获得当地相关助学金补助。最后,本文针对存在的问题提出了对策建议。

基于TSO-ELM的广东省电力需求预测方法

针对极限学习机(extreme learning machine,ELM)的输入层权值以及隐含层偏值的不同取值对预测结果影响较大和现有的预测模型对广东省电力需求预测精度不高的问题,提出一种基于金枪鱼群优化(tuna swarm optimization,TSO)算法优化ELM得到最优数值,构建TSO-ELM预测模型的方法。将2008—2018年广东省的6个影响因素和电力需求量数据进行归一化处理之后构建预测模型,对2019—2021年广东省的电力需求量进行预测。仿真结果表明,与SVM、BP、ELM和GWO-ELM这4种预测模型相比较,TSO-ELM预测模型具有更高的预测精度。

基于多智能体注意力机制的自动巡检路线强化学习模型

合理的任务分配与巡检路线规划是确保机器人能够高效替代工程师完成变电站危险区域巡检任务的关键所在。然而,以往的研究大多局限于为变电设备规划固定的最短巡检路径,却鲜少考虑到设备检测时间和检验等级的差异性。为了进一步提升变电站巡检的有效性和灵活性,本文在充分考虑检测时间、设备检验等级以及待检测设备数量差异性的基础上,构建了一个动态巡检路径规划模型。鉴于所建模型属于NP-hard问题,提出了一种基于强化学习和多智能体注意力机制的求解策略。在求解过程中,先利用具有注意力层的编码器-解码器框架生成巡检路径,随后通过无监督神经网络进行训练优化。最后,以南方电网某变电站作为实验点进行模型验证。与遗传算法、分层可变领域搜索算法和自适应并行蚁群算法相比,本文提出的算法在路径距离上分别缩短了3.31%,1.24%与1.73%,规划用时分别缩短了17.06%,16.22%与13.89%,单次巡检成本分别降低了21.22%,6.86%与9.14%,展现出显著的优越性。