基于可视化分析的理工科课程思政研究综述

理工科课程思政是课程思政建设的重点和难点部分。文章通过对课程思政自进入国家政策议程以来第一个五年内相关期刊论文的梳理,发现研究热点集中在提炼大学物理、高等数学等相关课程的思政元素,并重点关注了相关专业课程的教学改革和教学设计;同时,发现刊文量快速增长但高质量成果占比偏低,作者来源广泛但尚未形成核心作者群,实践类成果较多但宏观理论类成果偏少。未来需加强专业课程教师和教育类、思政类学者的协同合作,更加深入系统地研究理工科课程思政的理论与实践问题,尤其要加强从实践中提炼理论、通过理论建构来指导实践方面的研究。

基于半监督学习的数据流混合集成分类算法

当前已有的数据流分类模型都需要大量已标记样本来进行训练，但在实际应用中，对大量样本标记的成本相对较高。针对此问题，提出了一种基于半监督学习的数据流混合集成分类算法SMEClass，选用混合模式来组织基础分类器，用K个决策树分类器投票表决为未标记数据添加标记，以提高数据类标的置信度，增强集成分类器的准确度，同时加入一个贝叶斯分类器来有效减少标记过程中产生的噪音数据。实验结果显示，SMEClass算法与最新基于半监督学习的集成分类算法相比，其准确率有所提高，在运行时间和抗噪能力方面有明显优势。

基于TINY YOLO2神经网络视觉翻译棒

2015年10月,AlphaGo在没有任何让子的情况下,以5:0的悬殊比分击溃欧洲围棋冠军樊麾二段。随即第二年六月战胜第一围棋手柯洁。人工智能初露锋芒,而在当今人工智能的发展下各个产业出现了新的转变,人脸识别,视网膜识别,虹膜识别,掌纹识别,专家系统,无人驾驶,智能搜索,定理证明,博弈等人工智能逐渐改变着人们的生活,神经网络在图像处理的运用上更加广泛,常应用于车辆检测、目标分类识别。本项目意在通过YOLO2的剪枝算法TINY yolo2实现在嵌入式soc上进行目标检测达到图像转文字的目的。再尔,通过云服务实现文字转语音的服务。完成整个项目的目的,即图像转文字的过程,适用于幼儿教学市场。