基于“智学重工”平台的《计算机组成原理》课程智慧教学改革研究

“计算机组成原理”作为面向工科院校计算机大类专业的一门专业基础课程,课程理论性强、基本原理和概念抽象,学生理解困难;在传统教学模式下的体验感和成就感不足。因此,文章在前期研究的基础之上,融入现代教育技术进行改革创新,积极探索基于“智学重工”平台的智慧教学改革模式,构建线上线下混合式生态教学环境,不仅能突破传统教学环境限制,还能初步实现学习资源的共享,而且一定程度上有利于提高学生的自学能力。

基于迁移学习的细粒度图像快速识别方法

识别类间差异较小的同类物种时容易出现识别错误问题,为此提出一种基于迁移学习的细粒度图像快速识别方法。通过计算迁移学习中的给定源域以及无标记目标域,获取图像像素数据集,输入至卷积神经网络模型预训练,凭借全连接层中softmax分类器,估计图像处于不同分类结果的概率,区分不同种类个体。使用多层感知机模型输出所有类别预测的概率值,计算度量指标与损失函数,使损失函数值达到最小化,最后通过迭代权重,更新类,找出近似解,完成细粒度图像识别。实验结果证明,所提方法能够实现对静态与动态图像的有效识别,且识别速度快、精度高。

基于编码量化参数调节的图像清晰化处理

从人类视觉角度出发研究融合视觉感知特性的图像失真校正方法,提升视频图像中的图像清晰程度,改善图像失真问题。定义视觉感知因子,综合考虑视觉感知过程中图像纹理、亮度以及空域活动性的感知特性,将当前编码树单元作为单位融合视频内容自适应调整拉格朗日乘子,按照量化参数和拉格朗日乘子之间存在的关系,使用编码量化器实现量化参数动态调节,进一步去除视频图像中的视觉感知冗余,实现图像失真校正。经过实际视频序列图像分析,在调节参数为0.6的情况下,编码与失真平衡效果最好,上述方法中由于使用双边滤波器保留图像高频纹理细节,确保图像失真校正具有更好的效果,同时,上述方法还校正图像细节失真问题,使得图像更加清晰。

面向工程教育认证的应用型课程案例教学模式探析

工程教育的核心是以学生为中心、成果导向和持续改进。在课程教学中要遵循这一原则,最好的教学方法就是案例教学,将课程目标、知识点和能力点融入案例设计中,每个案例要求学生完成一个小作品,教学后对发现的问题进行分析和修正。这种参与度高、实践性强、成果导向的方法对培养学生解决复杂工程问题的能力很有效,能激发学生兴趣,对实现工程教育专业认证的目标起到很好的促进作用。

基于深度学习的不完整的手写体数字图像识别研究

对于不完整的手写体数字图像识别,传统识别方法并不具备鲁棒性。本文所作研究主要针对不完整手写体数字图像进行识别。本文首先用传统方法进行实验分析,提出针对性的优化策略。其次通过MNI ST数据集对构建的模型进行训练,并在自建测试集上对模型进行识别测试。实验测试结果表明,针对性的优化策略,对不完整手写体数字图像的识别率有显著提高。

论新时代本科教育下的课堂改进方法

随着全国高等学校本科教育工作会议的展开,为我国的高等教育指明了前进的方向。现阶段建设高水平本科教育是所有高校共同的任务,本文就如何改进高等教育课堂,适应本科教育的高水平要求,提出了自己的见解与方法。

基于多损失值融合神经网络的语音增强研究

语音增强旨在提高因噪声导致衰减的人声语音的清晰度,可懂度。虽然基于深度学习技术的神经网络模型,在语音增强应用中效果显著。但其大多因使用基于时域波形之间的均方差(Mean Square Error, MSE)损失函数,而受到一定的性能限制。本文提出一种基于多损失值融合神经网络的语音增强模型,使用语音生成对抗神经网络,作为人类听觉感知指标,构建出与人类听觉感知有关联的多损失值损失函数,进行语音增强。