平行视域下朋辈教育模式初探——基于重庆工商大学学生访谈工作

作为隐性思想政治教育资源的朋辈教育,是高校育人载体中有待深入开发的新形态。传统的思想政治教育采取自上而下的模式,关注的是大学生全面发展的整体性,而平行的视角更能关注到“人”的主体性。学生访谈创新朋辈教育新模式,通过生生对话聚焦学生发展的痛点和盲点,为精准思政提供现实依据。以重庆工商大学学生访谈的具体实践为例,探讨当前朋辈教育模式存在的困境和成因,从主体地位、环境氛围、价值期待、朋辈队伍、评估反馈五个方面进行优化,进而达到朋辈引领和帮扶的效果,最终实现大学生思政从“大水漫灌”到“精准滴灌。

新形势下“人工智能+”人才培养模式探讨

文章在分析了"人工智能+"发展方向的基础上,对"人工智能+"人才培养模式进行了概述,并提出了新形势下"人工智能+"人才培养模式的实施路径,包括明确培养定位,确立"人工智能+人才"的培养方案;建立"人工智能+"多学科交叉联合培养机制;加强"人工智能+"人才培养教师队伍建设;建立学校与企事业单位协同育人新机制。

“人工智能+”背景下的电子信息工程专业本科教学改革研究

当今社会科技高速发展,智能化已经成了当今世界的发展主题,各行各业都在寻求与智能化相结合的发展方式。然而大多数高校对电子信息工程专业本科生的培养仍采取的是传统教学模式,已经远远不能满足社会对此专业人才素质多样化的需求。为此,本文深入探究了我国"人工智能+"时代背景下的电子信息工程专业本科生的教学改革,并从课程体系改革、实践教学改革、实训体系建设等三个方面提出了相关的改革方案。

商科院校人工智能专业本科教学改革的探究和思考

随着人工智能技术成为了当前世界发展的热点之一,各高校也积极开设人工智能专业。然而商科院校由于专业基础薄弱、建设起步较晚等原因,人工智能专业的建设和发展方面仍然存在着一些需要改革的问题。本文以重庆工商大学为例,从提升教学基础条件、完善教学体系两个方面,为商科院校人工智能专业本科的教学改革提出了方案。

面向人工智能专业的“课程思政”教学探索与改革研究

为贯彻“立德树人”的根本任务,“课程思政”成为了高校人才培养的重要环节,尤其是关系到国家未来发展规划的人工智能专业。然而,当前该专业的“课程思政”教学由于起步较晚、经验不足,仍然存在着一定的困难和挑战。笔者在重庆工商大学的《深度学习》课程中,尝试探索融入“课程思政”的改革思路以及教学实例,在本文中总结了面向人工智能专业的“课程思政”改革方案和对策,为相关院校的教学改革实践提供参考。

燃料组件破损棒自动超声检查系统关键技术研究

燃料组件长期服役过程中,会因为振动、材料老化、强辐照等原因发生破损,这为核电机组安全运行带来隐患,而燃料组件破损自动超声检测系统尚未达到完全国产化。为此,该文从检测理论、探头和采集系统方面讨论了自动超声检测系统中的关键技术,同时对声束传播过程和响应进行了仿真和试验验证。试验结果表明,实际测量结果与理论模型吻合,自主研制的自动超声检查系统可有效分辨燃料组件破损棒。

“数字电子技术”课程的任务驱动法教学探究

数字电子技术课程,作为电类及相关专业的基础课程,在整个专业的课程体系中具有重要的基础地位,同时它也是一门实践性较强的专业基础课。在新工科理念所倡导的培养现代工程师目标中,传统的理论讲授和实验实践存在教学方案设计刻板、缺少对学生的吸引力、缺少实际的工程应用等诸多不足。根据对传统授课的总结,结合任务驱动法的教学思路,在保持传统授课的方式下,增加对知识点应用情境的分析和任务分解,将课程的各知识点拉入学生的最近发展区,从而实现对传统授课方式的改进和提升。

融合卷积神经网络和Transformer的人脸欺骗检测模型

在人脸反欺骗领域,大多数现有检测模型都是基于卷积神经网络(convolutional neural network,CNN),该类方法虽能以较少的参数学习人脸识别,但其感受野是局部的;而基于Transformer的方法虽然能够全局感知,但参数量和计算量极大,无法在移动或边缘设备广泛部署.针对以上问题,提出一种融合CNN和Transformer的人脸欺骗检测模型,旨在保持人脸全局和局部特征提取能力的前提下,实现参数量和准确度的平衡.首先,裁剪选取局部人脸图像作为输入,有效避免过拟合现象;其次,设计基于坐标注意力的特征提取模块;最后,设计融合CNN和Transformer模块,通过局部全局局部的信息交换实现图像局部特征和全局特征的提取.实验结果表明,该模型在CASIA-SURF(Depth模态)数据集上获得了99.31%的准确率以及0.54%的平均错误率;甚至在CASIA-FASD和Replay-Attack这2个数据集上实现了零错误率,且模型参数量仅0.59MB,远小于Transformer系列模型.

数字技术推进精神生活富裕的现实梗阻与突破路径

精神生活富裕反映了人们对美好精神生活的追求,其依据“需要—生产—享用”三重逻辑运行,精神需要、精神生产、精神享用构成精神生活富裕的三大组成部分。数字技术为精神生活带来了“丰富果实”,但也将人们的精神生活带入精神需求单一化、被动化、边缘化;精神生产物化、无意义化、算法化;精神享用去中心化、封闭化、失控化的现实困境之中。为此,为完善数字技术推进精神生活富裕的路径,需通过数字技术的创新应用重置精神需求侧的“三驾马车”,加快精神生产供给侧结构性改革,实现精神享用的提档升级。

基于深度学习的K近邻图迭代静脉识别算法研究

深度学习在计算机视觉中具有强大的特征表达能力,近年来广泛应用于静脉特征的提取与识别。通常,基于深度学习的静脉识别模型在训练阶段,每次仅输入1幅图像及其对应的标签,学习图像与标签之间的映射关系,然而,这种每次只处理单幅图像的方法,难以捕捉不同类别多幅静脉图像之间的关系。为了解决该问题,提出一种基于深度学习的K近邻图迭代静脉识别算法。用较优的深度学习模型提取掌静脉图像特征;利用K近邻算法通过特征距离在训练集中选出最近的K幅图像及其标签,通过这些特征向量生成标签传播矩阵和标签矩阵;利用图迭代算法预测待分类图像的标签,完成分类。在香港理工大学和同济大学提供的掌静脉数据集上进行实验,最高识别精度分别为99.67%和92.72%。

基于CNN-Transformer的锂离子电池健康状态估计

目的健康状态是评估锂离子电池状态的关键参数,对锂离子电池的安全使用有着十分重要的意义,为了获得准确可靠的健康状态估计结果,建立基于卷积神经网络和Transformer的锂离子电池健康状态估计方法,利用不同模型的数据挖掘特性,将健康指标的深层信息和随循环周期增加的时序信息并行提取。方法从锂离子电池放电过程中的部分电压和温度曲线中提取3个与健康状态相关性较强的健康指标作为模型输入,利用卷积神经网络强大的特征提取能力挖掘健康指标的局部特征,利用Transformer的顺序处理能力挖掘健康指标的时序特征,将健康指标的局部特征和时序特征进行特征融合,通过卷积和全局平均池化层输出健康状态估计值。结果本研究使用MIT数据集进行实验验证,并与卷积神经网络和长短时记忆神经网络进行对比分析,所提出的方法的均方根误差和平均绝对误差是最低的,为0.11和0.08,最小相对误差为0.61%。结论所提出的CNN-Transformer健康状态估计采用不同模型挖掘健康指标不同的特征信息,能够充分利用锂离子电池放电数据,且具有良好的估计效果。

基于混沌精英和Lévy飞行策略的鲸鱼优化算法

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、精度低的问题,提出了基于Tent混沌精英和Lévy飞行策略的鲸鱼优化算法(TELWOA)。使用Tent混沌映射初始化鲸鱼种群,保持种群的多样性,并通过引入精英反向学习策略,对初始种群的精英个体生成反向解,选取适应度高的种群作为下一代鲸鱼种群,加快算法收敛速度。其次,通过使用非线性收敛因子,缓解算法全局搜索和局部搜索能力不平衡的现象。最后,在鲸鱼位置寻优过程中使用Lévy飞行策略,避免算法陷入局部最优,提升算法的全局搜索能力。通过对不同改进策略的有效性分析、与其他智能算法的对比分析,证明了TELWOA算法在收敛精度、算法稳定性和全局寻优能力上与对比算法有显著提升,具有一定的实际工程应用能力。

基于集成神经网络和改进极限学习机的矿井移动机器人故障检测

矿井移动机器人作为一种自主运动的智能设备,广泛应用于采矿、输送和装载等工作中。然而,由于其在恶劣环境下运行,往往长时间无法得到检修维护,导致故障频发,影响了井下安全高效生产。如何及时准确地对机器人进行故障检测,提高其可靠性和生产效率成为一个亟待解决的问题。提出了一种基于集成神经网络和改进极限学习机的矿井移动机器人故障检测方法。该方法融合了多个神经网络模型,并通过改进极限学习机算法来提高检测精度和效率。首先,基于集成学习思想将传统卷积神经网络、递归神经网络和自编码器等多个预训练模型集成为一个更强大的检测模型。其次,在极限学习机的基础上引入了自适应权重调整策略,提高了算法的自适应能力和准确性。将所提出的方法在某矿山数据集上进行了试验,结果表明:该方法在检测区分度较低或异常数据较多的情况下性能优异,有助于实现高精度和高效率的故障检测。

基于“SPOC+对分”混合教学模式在实验教学中的探索与实践--以课程《大学计算机基础实验》为例

大学计算机基础实验是培养大学生信息素养的重要课程。本文针对现有实验教学研究中存在的问题,提出了一种基于SPOC+对分的混合教学方法。首先对教学内容进行重构,并制作关于重难点和操作步骤的短视频,在实验课堂教学组织方式方面按照“精讲-学生独立完成作业-小组讨论-全班交流”对分教学步骤进行,在学业评价方面采用平时成绩和考试成绩相结合的全过程考核方式。该教学模式有利于增强学生操作技能,改善实验教学质量和提高学生自主学习能力。

基于MaxEnt的秦艽物种空间分布预测模型的不确定性分析

由于参数设置等不确定性因素的变化,同一模型预测的物种生态分布可能会有所不同。因此,量化不同不确定性因素的贡献对于减少生态预测的变化至关重要。然而,很少有研究分析特定模型的建模不确定性。该研究以秦艽为例,探讨其分布预测的不确定性,重点关注参数设置。首先,采用主成分分析法(PCA)和生态变量组法(EVGM)筛选环境因子。参数设置使用25%的存在点数据和2种缺失点数据方法作为测试方法,建立6套模型,探讨存在点测试集比例对模型性能的影响,综合分析训练、测试AUC值和分布面积,确定物种的最佳模型参数,发现20%的随机测试抽样比例是最佳的。该模型不仅可以为秦艽等野生药材的保护和生态规划提供指导,也能为确定物种空间分布的最优模型提供理论参考。

大学生返乡创业生态系统:目标、要素、机理和对策

创业生态系统从生态系统的视角揭示了创业生态中创业主体、创业要素、创业环境以及各要素之间的相互作用。创业生态系统是一个复杂的自适应系统,其具有复杂的自适应系统的各项特征,从系统的角度来讲,其具有系统的目标、要素、运行机理和系统边界。本文以大学生返乡创业生态系统为例,从系统目标、系统要素和系统的运行机理三个方面立体剖析了创业生态系统的内涵和外延。同时,对大学生返乡创业生态系统的目标设定、大学生返乡创业生态系统各要素的构成以及大学生创业生态系统的运行机理进行了分析,对强化大学生返乡创业生态系统的构建提出了对策建议,为促进大学生返乡创业和乡村振兴提供参考。

新时代大学物理实验课程改革策略探索与讨论

大学物理实验课程具有提高学生实践能力、独立思考能力以及创新能力等作用,结合新时代科技快速发展对理工科的要求,对大学物理实验课程改革,对培养高素质理工科人才、使其适应新时代发展具有重要意义。文章结合当前高校大学物理实验课程的教学特点,分析了教学过程中存在的不足,从开展创新性的课程设计、发展多元的教学模式和实施激励性的考核方式三个方面深入讨论了大学物理课程改革路径,以期为借助大学物理实验课程提升新时代大学生创新能力和拓宽视野提供一定借鉴意义。

“新工科”背景下“大学物理”教学改革的探索与实践

“大学物理”作为理工科专业的通识性基础必修课,具有开设时间早、课程周期长、知识覆盖面广的特点,是理工科学生学习专业知识的基础。“大学物理”课程一般包含力学、热学、电学、光学、原子与量子概述等多学科内容,知识体系庞大,内容较为复杂,教学过程中通常存在授课形式单一、填鸭式教学、课堂不活跃、授课效率较低等问题。首先分析了“大学物理”课程的特点及实施课程改革的必要性,其次探讨了实施课程改革的方案,最后以重庆工商大学机械专业为例,分析了课程改革的实施效果。

青年时代担当精神培育的实践理路探赜--基于重庆市十所高校校长毕业致辞的思考

新时代“两个大局”的背景、培育合力不足的困境与担当精神个人养成的缺位成为青年担当精神的时代境遇与现实问题。培育青年时代担当精神要依据理论内涵、价值意蕴与终极指向把握“何为担当”“为何担当”与“担当什么”的时代担当精神内在逻辑。新时代青年应从历史现实的统一度、知行合一的契合度、“大我”与“小我”的融合度上探赜培育时代担当精神的实现方式,围绕理信定力、本领能力、奋进伟力、育人合力增强时代担当的内驱力、执行力、生命力与战斗力,以“八力”协同展现时代担当的新气象、新面貌。

无线信道建模中二分K均值聚类多径分簇算法

为了对无线信道中的多径分量进行合理分簇,提出了一种毫米波信道二分K均值聚类多径分簇方法,解决了传统的K均值聚类分簇方法只能实现局部最优分簇的问题.采用马氏距离(Mahalanobis distance,MD)衡量多径分量距离(multi-path component distance,MCD),以簇分裂和迭代计算的方式对多径进行分簇.采用毫米波室内信道实验测试数据,验证了所提算法的有效性和可行性.结果表明,所提算法比传统K均值聚类分簇方法获得的分簇结果更合理,能将信道中多径参数相似度较高的多径有效且唯一地分配到同一簇.