立德铸魂,计算机师范教学与思政教育的和谐之探究——以《网页设计技术》师范方向为例

为了推进课程思政的发展,将思政元素与各学科专业教育相融合,立足于计算机专业的教学,结合师范教育的特点与要求,以《网页设计技术》课程师范方向为例,从教师自身品格与课程内容优化两方面入手,探究思政元素在计算机专业上的有机运用,以实现新时代背景下立德树人、和谐育人的目标。

结合OBE的计算机组成原理混合式教学改革实践

针对目前计算机组成原理课程的教学现状进行探讨与分析,提出了基于成果导向教育(OBE)理念的混合式教学模式,该模式主要从教学内容、教学方式以及教学评价三大方面着手改革,旨在提高该课程的教学质量和教学效果,有效锻炼学生的自主学习能力和动手实践能力,培养学生的工程意识和创新能力,使其能够运用计算机思维解决实际问题,从而满足新时代社会对计算机专业人才的需求。

“计算机组成原理”课程混合式教学模式设计

针对“计算机组成原理”课程教学改革的问题,按照“以教师为主导、学生为主体”的教学理念,以线上网络教学资源为基础,线下传统课堂面授为补充,依据课前—课中—课后三阶段的学习框架完成理论教学,再通过“实验+实训”双结合的方式进行实践指导,最后按照考核评定标准对学生学习情况进行考核,设计出“计算机组成原理”课程的混合式教学模式开展的教学内容,目的在于充分发挥“网络教学+课堂面授”混合式教学的优势,以提高“计算机组成原理”课程教学质量和效率,推动“计算机组成原理”课程教学的改进与创新。

计算机类在线直播课程教学资源建设探究

计算机类在线直播课程教学资源建设,从课程特征出发,结合在线直播课程教学资源需求,依据建设要点、建设目标、建设要素3层次的建设思路;形成在线直播、实时互动、自主学习、考核评价4个建设要点的在线课程体系;从各建设要点梳理出计算机类在线直播课程教学资源中蕴含的建设元素;结合建设目标,将学习内容与实际工作生活结合起来,使所建教学资源在促进知识与技能掌握的同时,推动学习者创新应用能力与计算思维的形成。

一种面向雾计算的任务调度算法研究

在雾计算环境中,为提高雾计算效率和给用户请求的任务分配合适的资源,需要对任务调度问题进行研究。面向流水线独立任务进行调度研究,首先基于经典Apriori算法提出一种雾计算环境中任务的分类I-Apriori算法;将得到的分类规则以及加权最早完成时间作为任务优先级选择的依据;对于同时达到的任务,优先选择出现在调度关系中的任务进行调度,其他雾结点则依据最早完成时间和加权链接数的高低进行调度。通过仿真实验对ITPS(improved task priority scheduling)算法的性能进行了评估,结果表明,ITPS算法在makespan及AWT(average waiting time)方面具有较好的性能。

人工智能技术应用背景下程序设计基础课程教学改革探索

针对程序设计基础课程教学过程中存在的问题,以“字符数组”章节内容为例,从教学目标、教学内容、教学方法、教学评价等方面探索人工智能技术应用背景下程序设计基础课程教学改革策略。通过对教学视频学习数据的采集,利用人工智能技术对教学视频学习数据进行挖掘,通过教学实践应用,形成一套有效的课程教学模式,有效促进了人工智能技术在课程教学改革中的应用,为推动人工智能技术应用背景下程序设计基础课程改革奠定了基础。

基于OBE的分层实验设计

针对学生基础知识和学习进度不一致、实验课时有限的情况,分析课程教学目标达成要求和学生个性化需求,提出线上线下混合式设计,构建强化课程思政建设和个性化分层培养的实验教学体系,并以省级线上线下混合式课程数据结构与算法中的一个章节为例,详细介绍理论与实践相结合的实验实施,展示从教学设计、知识讲解、技能训练、团队协作到项目答辩的完整流程。

基于SPOC模式的《网络攻击与防护》课程教学模式探讨

为了应对传统教学模式中学生能力差异大、知识点繁多、课时有限和师生交互困难等问题,本文提出了基于SPOC(SmallPrivateOnlineCourse)模式的《网络攻击与防护》课程教学改革方案。课程改革利用超星平台,构建了课前知识传递、课中知识内化与升华、课后知识巩固与学情分析的三阶段教学框架,并进行了教学活动与评价模块的精细设计。基于SPOC模式的教学改革结合线上学习的灵活性和线下教学的互动性,不仅提高了课程学习效率,还增强了学生的自主学习能力和实际问题解决能力。

基于学习通SPOC混合式教学模式评价策略研究

为提出适合SPOC混合式教学模式的评价模型,需要对评价策略进行研究。首先对SPOC混合式教学评价模型及教学活动进行描述;然后将形成性评价和终结性评价相结合,总结出一种SPOC混合式教学模式的评价体系;接下来基于学习通平台对SPOC混合式教学模式评价策略进行实践,并对评价结果进行对比分析。实践表明,学习通平台可以很好地实施评价策略,根据评价结果调整和优化混合式教学活动,较好地解决教学过程中出现的问题。

面向深度学习的高校智慧课堂教学探索

针对高校创新人才培养需求,以深度学习理论为指导,提出面向深度学习的高校智慧课堂教学框架,以Java程序设计课程为例,介绍教学实践过程,最后分别从认知、能力和情感3个维度说明该教学框架对促进学生深度学习的有效性。

改进的分布估计鲸鱼算法求解区块链DAG任务调度问题

为了克服区块链单链技术效率低的问题,一种新的范式有向无环图正在蓬勃发展。针对区块链有向无环图中考虑代价权重的非独立任务调度问题,构建了区块链DAG的任务调度数学模型,并为了求解该问题提出了一种基于改进分布估计鲸鱼的新任务调度算法。新算法在WOA中引入EDA的空间采样和统计学习来预测搜索的最佳区域,进而产生优秀的新个体,从而使得新算法具备更强的全局搜索能力和更快的收敛速度。最后通过程序仿真,对比了多种算法在收敛速度和全局寻优能力方面的性能。实验表明IEWOA比传统的WOA和EDA在以上参数性能有明显优势,相比于改进遗传算法FPGA,IEWOA同样在参数性能上有一定的优势。

2维不规则条带装箱问题的一种启发式求解算法

不规则条带装箱问题是切分与布局问题的子问题,且在工业制造领域中尤为常见.该文针对2维不规则单箱装箱问题(two-dimensional irregular single bin size bin packing problem)中的特殊变种条带装箱问题,提出结合闵可夫斯基和(即闵可夫斯基加法)与遗传算法的综合求解的算法,其中遗传算法在优化算法中起到整体框架的作用,并在通过闵可夫斯基和寻找到候选放置位置后使用启发式的方法进行放置,同时讨论了在特定情况下该算法与传统优化方法的对比效果.在实际数据测试(50块数据集)中,较成熟的商业软件SVGnest得到的最终面积利用率为78.94%,应用该文的启发式算法,最终面积实用率提升到81.2%.

面向英文阅读难度分类的神经网络设计与实现

阅读文本是影响英语阅读材料难度的重要因素,有效地评估英文文本难度可以为不同阅读能力的学习者提供相匹配的阅读材料,帮助教师科学选择合适的教学资源,为考试命题者提供科学指导。基于神经动力学方法(NDA)的收敛差分神经网络(CDNN),将文本数据进行特征选择、加权和样本归一化预处理,用于训练不同映射函数的网络,再将网络的输出通过投票规则进行增强泛化,从而实现了一种结合投票收敛差分神经网络(Voting-CDNN,V-CDNN)的英文文本阅读难度分类方法,提高了计算效率和分类预测准确率。实验结果表明,V-CDNN的分类准确率最高值和平均值分别达到98.81%和95.45%,其在计算时间、平均精度和最高精度等方面进一步证实了V-CDNN是一个高性能的分类器。

集成的深度强化学习投资组合模型

投资组合问题是量化交易领域中的热点问题。针对现有基于深度强化学习的投资组合模型无法实现自适应的交易策略和有效利用有监督信息的缺陷,提出一种集成的深度强化学习投资组合模型(IDRLPM)。首先,采用多智能体方法构造多个基智能体并设计不同交易风格的奖励函数,以表示不同的交易策略;其次,利用集成学习方法对基智能体的策略网络进行特征融合,得到自适应市场环境的集成智能体;然后,在集成智能体中嵌入基于卷积块注意力模块(CBAM)的趋势预测网络,趋势预测网络输出引导集成策略网络自适应选择交易比重;最后,在有监督深度学习和强化学习交替迭代训练下,IDRLPM有效利用训练数据中的监督信息以增强模型盈利能力。在上证50的成分股和中证500的成分股数据集中,IDRLPM的夏普比率(SR)达到了1.87和1.88,累计收益(CR)达到了2.02和1.34;相较于集合式的深度强化学习(EDRL)交易模型,SR提高了105%和55%,CR提高了124%和79%。实验结果表明,IDRLPM能够有效解决投资组合问题。

基于动态选择预测器的深度强化学习投资组合模型

近年来,投资组合管理问题在人工智能领域得到了广泛的研究,但现有的基于深度学习的量化交易方法还存在一些问题。首先,对股票的预测模式单一,通常一个模型只能训练出一个交易专家,交易决策也仅根据模型预测结果作出;其次,模型使用的数据源相对单一,只考虑了股票自身数据,忽略了整个市场风险对股票的影响。针对上述问题,提出了基于动态选择预测器的强化学习模型(DSDRL)。该模型分为3部分,首先提取股票数据的特征并传入多个预测器中,针对不同的投资策略训练多个预测模型,用动态选择器得到当前最优预测结果;其次,利用市场环境评价模块对当前市场风险进行量化,得到合适的投资金额比例;最后,在前两个模块的基础上建立了一种深度强化学习模型模拟真实的交易环境,基于预测的结果和投资金额比例得到实际投资组合策略。文中使用中证500和标普500的日k线数据进行测试验证,结果表明,此模型在夏普率等指标上均优于其他参照模型。

基于OBE的数据结构与算法课程思政课堂建设探索

针对传统工科课程教学活动中存在的一些痛点,提出进行数据结构与算法课程的教学改革,基于新工科建设背景和OBE教育理念,总结出一套新的教学设计,阐述课程目标和课程设计的具体实现方法,并介绍教学法的应用过程,最后说明教学效果。

太阳能电池背面电极的分割与缺陷检测

自动化质量检测系统是太阳能电池生产过程中必不可少的环节,其目的是识别潜在产品缺陷,但鲜见对太阳能电池的背面电极的检测问题的文献,针对该问题提出一种完整的背面电极分割和缺陷检测算法。首先,利用边缘强度投影和模板匹配方法依次获得电极的粗略位置和较精准位置;然后采用阈值法和种子生长法提取电极边缘点。第三,利用边缘点生成一个闭合的区域来表示电极的形状。最后,设计了一种判断电极是否存在缺陷的方法。为了验证该方法的性能,针对电极分割的精确度进行了实验。实验结果表明,提出的电极分割检测方案优于实验中四种著名的方法。

一种基于格雷码置乱与分块混沌置乱的医学影像隐私保护分类方案

针对传统隐私保护机器学习方案抵抗对抗攻击能力较弱的特点,提出一种基于格雷码置乱和分块混沌置乱的医学影像加密方案(Gray+block chaotic scrambling optimized for medical image encryption,GBCS),并应用于隐私保护的分类挖掘。首先对图像进行位平面切割;然后,对图像不同位平面进行格雷码置乱后再进行分块,在分块的基础上分别进行混沌加密;最后通过深度网络对加密后的图像进行分类学习。通过在公开乳腺癌和青光眼数据集上进行交叉验证仿真实验,对GBCS的隐私保护与分类性能进行量化分析,并从图像直方图、信息熵和对抗攻击能力等指标考虑其安全性。实验结果表明医学图像在GBCS加密前后的性能差距在可接受范围内,方案能更好地平衡性能与隐私保护的矛盾,能有效抵御对抗样本的攻击,验证了本文方法的有效性。

融合CDIO-OBE的软件工程教学案例探索

根据高校课程改革的需要,为了增强软件工程理论与实践之间的联系,在实地调研了学生实习单位和企业的基础上,采用OBE成果导向的教育理念,以现实需求探索软件工程教学案例改革,文章提出融合CDIO-OBE的软件工程教学案例设计模式,探索、实施、改革与软件工程应用型人才培养相匹配的课程教学案例。融合CDIO-OBE教学模式以案例模块为载体,结合课程与实践进行项目的设计与实施,旨在提高学生的实践和创新能力。

用随机汉字为助记词生成比特币私钥种子算法

比特币并不存在于钱包中,其金额以UTXO的形式被记录在区块链网络中。每一次交易所消费的比特币,都来源于上次交易的UTXO。一个比特币钱包中含有大量的私钥/公钥对,而所有用户都有一个包含多个密钥的钱包。用户通过钱包中的密钥签名交易,通过用户的公钥,证明上一个UTXO属于自己,用户必须通过私钥才能花费一个UTXO,未花费的零钱必须转入另一个比特币地址。在该笔交易未确认之前,该私钥/公钥对是不能够被重复使用的。一个比特币用户需要大量的私钥/公钥对,以满足交易和安全需要。本文设计一种算法,使用“汉字”作为助记符。该助记符由12到24个汉字组成。只要记住这些汉字,一旦钱包丢失或者被损坏,就可以利用这些汉字生成seed,再由seed恢复所有的密钥。