“新工科”背景下《数据科学导论》课程思政教学探究与实践

在“新工科”、新业态的要求下,新兴工科专业培养的人才不仅需要技术精湛,更要有良好的道德品质。《数据科学导论》课程作为引导学生进入大数据世界的导论性质的课程,对课程中的思政教学探究与实践研究十分必要和紧迫。本文从课程目标出发,进行课程思政教学探究与总体设计,挖掘思政内容,在理念、内容和实践方面进行积极探索和创新,培养数据科学人才的3C精神(Curious、Creative、Critical),并将思政内容融合进课程评价中,取得了较好的育人成效。

可解释时空卷积网络的微表情识别应用

面部微表情具有持续时间短、强度低等特点,因此微表情识别的准确率较低,且当前提出的基于深度学习的微表情识别方法难以理解网络模型的决策原因,以至于难以应用于实际.针对该问题提出一种基于残差单元的可解释时空卷积网络用于微表情识别的方法,该方法通过使用时空卷积网络,将微表情视频帧序列作为输入,并解释网络模型参数与特征,在实现模型可解释性的同时,提高了微表情识别的准确率.在CASME2、SMIC和SAMM数据集上对提出方法进行验证,实验结果表明,本文方法优于目前大部分基于深度学习的微表情识别方法.