计算机技术专业学位研究生产教融合培养模式的探索与实践——以江南大学人工智能与计算机学院为例

深化产教融合是国家推动教育优先发展、人才引领发展、产业创新发展的战略性举措。专业学位研究生教育是培养高层次应用型专门人才的主渠道,为我国经济社会发展作出了重要贡献。近年来,高等院校积极开展校企合作、协同育人,不断探索产教融合创新实践路径,提升专业学位研究生培养质量,取得了良好成效。然而,基于产教融合的专业学位研究生培养还存在一些问题,相关教育工作者要在未来实践中认真思考并加以解决。文章结合江南大学人工智能与计算机学院的探索与实践,分析了计算机技术专业学位研究生产教融合培养模式的发展现状和存在问题,并提出了对未来发展路径的若干思考,以期为同类高校的相关研究提供借鉴。

高校人工智能专业建设方法探讨——以江南大学为例

人工智能是中国新兴科技产业变革的主要发力点,推动着经济社会各领域从数字化、网络化向智能化加速跃升,发展人工智能已经成为维护国家安全和提升国家竞争力的重大战略。为积极响应与贯彻落实国务院《新一代人工智能发展规划》和《高等学校人工智能创新行动计划》的文件精神,围绕江南大学一流本科专业建设需求,立足人工智能专业处于建设初期亟须优化发展的现状,以江南大学人工智能专业建设为例,从实践平台建设、学科跨界融合两个方面探讨一流专业建设方法。

新工科背景下计算机人才培养模式探究——以江南大学为例

文章以江南大学计算机专业为例,探究了新工科背景下如何培养专业基础扎实、跨学科思维灵活、创新意识强的复合型计算机人才。文章分析了当下计算机人才培养模式中存在的问题,结合新工科背景,从教育模式改革、产学研合作、学科交叉融合等方面介绍了江南大学计算机人才培养的新思路及取得的成效。

基于人工智能的集成食品检测技术应用与展望

人工智能与快速检测技术的结合为食品检测领域带来了显著的变革,推动了食品安全、质量和真实性鉴别能力的提升。介绍了基于人工智能的集成食品检测技术的应用现状。在化学检测和生物污染检测方面,人工智能结合快速检测技术有效提高了食品安全检测的效率和准确性。在食品质量检测方面,人工智能结合快速检测技术被广泛应用于水果、肉制品、水产品以及其他食品的品质评估,通过高效的数据分析和智能识别,实现了对食品品质的精准评价。此外,人工智能在食品真实性鉴别中的应用,包括掺假检测和地理可追溯性技术,保障了食品的真实性和可靠性。特别是当区块链技术与人工智能相结合时,基于区块链的追溯系统通过透明和不可篡改的记录确保食品的全程可追溯性,同时人工智能算法能够实时分析食品流通环节中的数据,识别潜在的风险和异常。这些技术的集成不仅能提升食品检测的整体水平,也可为未来的智能食品检测系统构建奠定基础。

人工智能专业以科研促进教学的研究与实践

人工智能作为一门新崛起的学科,具有广泛的应用前景和巨大的市场需求。尽管越来越多的高校开始开设人工智能专业,为了适应快速发展的人工智能领域,有必要实施一种以科研促进教学的研究与实践。该计划旨在提高人工智能专业学生的专业技能、培养他们的人工智能思维模式和创新能力、帮助学生更好地适应未来人工智能领域的挑战。本文包括两个方面内容:一是在人工智能课程设置和教材设计方面增加科研元素,将学生引入人工智能研究领域,引导学生参与实践项目,培养学生的科研能力。二是在人工智能课外活动方面增加科研体验和实践机会,如开设人工智能论坛和专业实验室等,提高学生的科研水平和创新能力。初步实践表明,该研究与实践计划对于提升人工智能专业学生的科研能力,激发其创新潜力,适应未来人工智能领域发展具有一定的促进作用。

融入课程思政的计算机科学与技术专业课程群建设

在现代高校教育体系中,课程思政是教学活动中不可或缺的一环,在教学中融入思政元素有利于促进学生全面发展。为了用好课堂教学这个主渠道,使各类课程与思想政治理论课同向同行,形成协同效应,立足于计算机科学与技术专业,对其课程按群进行合理柔性的划分,从人才培养方案、理论教学、实践教学、课程群四个层次融入思政元素,利用工程教育认证理念,依托CG课程一体化实验平台,有效消除“思政孤岛”,提升计算机科学与技术专业课程的教学质量,最终实现计算机各类课程与思想政治理论课的相互促进,形成可推广、可示范的协同育人新模式。

“新工科”背景下人工智能专业人才培养模式探究——以江南大学为例

为了培养具有跨学科思维、创新意识的高级复合型人才,文章以江南大学为例,首先分析了人工智能专业人才培养存在的问题,然后论述了“新工科”背景下人工智能专业人才培养模式构建,包括创建“项目依托”培养环境,优化人才培养策略,结合学校发展定位,促进产学研结合;推进“学科交叉”复合型人才培养,创新跨界融合培养机制,联合培养企业需要的复合型人才;运用AIED技术,拓宽学生教育资源获取渠道;等等。

人工智能技术赋能大型仪器设备开放共享研究

为提高大型仪器设备开放共享的智能化水平和开放共享效益,充分发挥人工智能技术的赋能作用,该文提出“测力”“测据”“测法”概念。在大仪开放共享的全生命周期,借助人工智能技术形成包括基于机器学习的大仪平台布局、虚拟现实融合的大仪培训体系、自然语言处理的大仪标准操作规程、知识图谱赋能的测试方法应用创新,结合工作实践验证了该方法论的效能、适用性和体系贡献。

挑战与前景:基于智能化评估的人工智能专业学生能力认证

人工智能领域的迅速发展引发了对人才培养和能力认证的新思考。基于智能化评估的人工智能专业学生能力认证是一种融合教育和技术的创新方法,旨在利用人工智能技术为学生提供更准确、更客观的能力评估。这一认证方法仍面临一些挑战,需要解决数据隐私和安全、数据偏见和不公平性等关键问题。此外,如何在评估过程中平衡主观性和客观性,提升技术的成熟度成为新的挑战。同时,这一认证方法具有个性化学习、实时反馈、教育改革等广阔前景。通过智能化评估,学生可以获得个性化的学习支持并优化教育体验,教师可以更好地了解学生的需求。然而,要实现这些前景,必须解决好数据隐私和安全问题,确保评估结果的准确性和公平性。

人工智能驱动的体育教育创新:机遇、挑战与展望

人工智能技术的快速发展对社会产生了深远的影响,本论文探讨了人工智能在体育教育领域所带来的创新,以及这种创新所带来的机遇、挑战和未来展望。通过分析现有的案例和研究,本文旨在揭示人工智能如何影响体育教育方式,提升学习和训练效果,同时也关注可能的技术、伦理以及文化问题。

人工智能赋能高质量学习的前瞻性实践研究

无锡市尚贤融创小学以江苏省基础教育前瞻性项目为研究基础,围绕人工智能对教育领域的深刻影响,探索基于“深度融合,创新发展”的人工智能创新应用,从人工智能赋能高质量学习的创新实施路径及前瞻性评价方式的角度,阐述人工智能赋能教育的创新应用,突出数字资源在创新课堂营造、因材施教、个性化学习、教师教研过程中发挥的积极作用,以及数字化的总体评价、过程性评价和总结性评价等多维度评价方式对研究深入推进的支撑作用。

食品科学大数据与人工智能技术

大数据技术是指从各类数据中,通过不同分析方法和工具获取有价值信息的能力。人工智能技术是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术。大数据技术与人工智能技术相辅相成,大数据是人工智能的基石,人工智能是大数据应用的体现。食品科学大数据与人工智能则是将大数据技术、人工智能技术与食品科学交叉融合。将人工智能与大数据技术融合到传统食品科学领域中,可以创新食谱并智能推荐,追踪溯源食品,分析用户口味偏好,监控食品安全等,使得食品科学获得更大发展,并为人们提供更好的服务。本文阐释当前食品领域大数据与人工智能交叉融合发展现状,分析其面临的挑战,讨论可行性解决方案,展望食品科学大数据与人工智能技术未来发展趋势。本文通过抛砖引玉,旨在吸引更多的大数据和人工智能技术与食品科学相结合,从而更好地预见并服务于未来食品的发展。

改进近邻人工蜂群算法求解柔性作业车间调度问题

为了更好地解决以最小化最大完工时间为目标的柔性作业车间调度问题,提出了一种改进的人工蜂群算法。首先,采用随机选择和反向学习策略来提高初始蜜源的质量。同时,设计了一种新颖的特征表示方式,用于计算蜜源之间的距离。在引领蜂阶段,通过引入交叉和变异策略来优化种群中的近距离蜜源。在探索蜂阶段,引入了六种变邻域方法,以扩大解空间的搜索范围。而在侦查蜂阶段,则根据蜜源的潜力值剔除局部最优个体。在15个数据集上进行了广泛实验,实验结果表明,该改进算法性能明显优于其他四种著名的群智能优化算法。该研究为解决柔性作业车间调度问题提供了一种新的有效方法,对于实际生产调度具有重要的实用价值。

基于深度强化学习的多用户计算卸载优化模型和算法

在移动边缘计算(MEC)密集部署场景中,边缘服务器负载的不确定性容易造成边缘服务器过载,从而导致计算卸载过程中时延和能耗显著增加。针对该问题,该文提出一种多用户计算卸载优化模型和基于深度确定性策略梯度(DDPG)的计算卸载算法。首先,考虑时延和能耗的均衡优化建立效用函数,以最大化系统效用作为优化目标,将计算卸载问题转化为混合整数非线性规划问题。然后,针对该问题状态空间大、动作空间中离散和连续型变量共存,对DDPG深度强化学习算法进行离散化改进,基于此提出一种多用户计算卸载优化方法。最后,使用该方法求解非线性规划问题。仿真实验结果表明,与已有算法相比,所提方法能有效降低边缘服务器过载概率,并具有很好的稳定性。

基于新工科背景的人工智能教学改革分析

随着国家新工科计划的提出,我国新工科教育也有了明确的发展目标及发展方向,尤其是对课程资源建设、课程体系优化以及教学方法创新提出了更具体的要求。该文结合新工科背景,对人工智能教学的改革进行深入的分析,以供教育界同仁参考借鉴。

新工科时代“人工智能”课程教学模式探讨

对于高等学校来说,最重要的使命便是人才培养。新工科时代的到来,对高等学校人才培养提出了全新的要求。培养多元化、创新型卓越工程人才,是高校教育工作者面临的崭新任务。以“人工智能”课程为例,分析当前课程教学中存在的问题,从启发式理论教学、理论联系实际的实践课教学、各类资源的有效使用、灵活多样的师生互动等方面,探讨如何从传统的教学模式向创新人才培养的新型教学模式转变,从而有效激发学生的学习热情、培养学生的创新能力和动手能力、提升学生分析问题和解决问题的能力。新的教学模式不仅适用于“人工智能”课程,也适用于计算机专业相关的其他理论与实践相结合的课程。

新工科背景下“数字媒体+人工智能”专业建设与人才培养研究

随着高校人工智能(AI)技术的发展和教育部建设新工科计划的提出,传统的数字媒体专业建设与人才培养模式有待进一步优化。近年,国内外各大高校纷纷设置新的人工智能专业,如何建设好这一新兴工科专业也是高校亟待研究的关键问题。文章以江南大学数字媒体技术与人工智能专业共建为契机,探索新工科背景下AI助力数字媒体专业进一步发展的新模式,提出了符合江南大学实情的人工智能专业课程设置建议,希望通过改革原有教学和评价环节的弊端,完善两个专业的课程和人才培养体系,从而为社会培养AI赋能的全方位新工科人才。

面向人工智能图片合规检测的仿生模型研究

针对在网络不断发展下愈发泛滥的非合规图片,提出了一种基于仿生模型和YOLO的方法对图片进行检测。为满足实验需要,建立了合规图片数据集,并将数据人工标记为适应YOLO算法的VOC格式。其次,在网络模型层面结合了仿生学的思想,使用剪枝的方法对神经网络进行压缩,从而达到降低内存,提高吞吐量的目的。实验结果表明:使用YOLO算法检测效果相比其他目标检测方法速度更快,而压缩后的模型在精度几乎不变的情况下,缩小了体积,加快了检测速率。

改进人工蜂群算法求解柔性作业车间调度问题

柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是生产调度的一个经典问题,目前对FJSP的研究主要集中在单目标方向,因此针对多目标FJSP,本文提出一种使用多策略的多蜂群算法(MCMSABC)求解问题.该算法提出数据预处理方法,缩小搜索空间;改进非支配解的判断条件和提出加快发掘蜜源潜力的更新策略;根据繁殖能力选用不同交叉算子和变异策略对个体进行更新;观察蜂阶段提出3种基于关键路径的小邻域结构,重定义两种选择策略提高蜂群个体的竞争水平;侦察蜂阶段使用两种基于学习机制的策略替换较差个体.采用两组测例和车间实例进行多组仿真实验并与多个算法进行对比,在单目标和多目标方向上均搜索到更优解,结果表明该算法所提改进策略的有效性.

基于GPU的zk-SNARK中多标量乘法的并行计算方法

针对zk-SNARK(zero-knowledge succinct non-interactive argument of knowledge)中计算最为耗时的多标量乘法(multiscalar multiplication,MSM),提出了一种基于GPU的MSM并行计算方案。首先,对MSM进行细粒度任务分解,提升算法本身的计算并行性,以充分利用GPU的大规模并行计算能力。采用共享内存对同一窗口下的子MSM并行规约减少了数据传输开销。其次,提出了一种基于底层计算模块线程级任务负载搜索最佳标量窗口的窗口划分方法,以最小化MSM子任务的计算开销。最后,对标量形式转换所用数据存储结构进行优化,并通过数据重叠传输和通信时间隐藏,解决了大规模标量形式转换过程的时延问题。该MSM并行计算方法基于CUDA在NVIDIA GPU上进行了实现,并构建了完整的零知识证明异构计算系统。实验结果表明:所提出的方法相比目前业界最优的cuZK的MSM计算模块获得了1.38倍的加速比。基于所改进MSM的整体系统比业界流行的Bellman提升了186倍,同时比业界最优的异构版本Bellperson提升了1.96倍,验证了方法的有效性。