面向研究生的机器学习类课程实践改革研究

随着日益增长的数据处理和分析需求,传统的数据处理模式已不再适用,人工智能(AI)应运而生。文章阐述了高校机器学习课程的建设情况,首先,以机器学习类课程教学为例阐述了人工智能融入教学的重要性;其次,结合西部某高校研究生机器学习类课程,分别说明了该课程的实施方案及细节,指出了课程实施过程中遇到的问题;然后,针对教学实践过程中遇到的问题,分别从形式、内容及实践多角度给出了解决方案;最后,总结指出机器学习类课程对于培养新一代人工智能技术人才的重要性。

再生沥青混合料拌和均匀性识别与机理分析

为探究再生沥青混合料(RAP)拌和过程中的均匀性特征变化规律,考虑拌和时间和RAP料老化程度因素,选择二氧化钛粉末作为RAP料示踪剂,在实验室内制备掺有质量分数40%RAP料的再生沥青混合料,并建立均匀性指标评价再生沥青混合料均匀性特征.通过计算机断层扫描技术(CT)获取沥青混合料数字图像,并对图像进行基于Mimics软件的组分识别,最终建立关于组分和结团的均匀性评价体系.结果表明:粗集料分布情况对混合料拌和均匀性的影响最大,其次是沥青和孔隙分布情况;延长搅拌时间有利于提高再生沥青混合料的拌和均匀性,然而拌和过程中形成的新结团又会阻碍拌和均匀性的改善.考虑组分和结团的均匀性评价体系可以有效揭示再生沥青混合料拌和均匀性特征变化规律,为建设高质量再生沥青路面提供参考.

基于神经网络架构搜索的X射线图像违禁品检测算法

为了提高卷积神经网络设计的自动化程度并进一步提高复杂背景下违禁品检测的准确率和速度,提出了一种基于神经网络架构搜索的X射线图像违禁品检测算法。首先,设计逐层渐进式搜索策略和多分支搜索空间,并基于批量归一化指标为每一个layer结构搜索最佳侧分支;然后,逐层搜索构建新的骨干网络组件;最后,组成由数据驱动的新目标检测模型。该算法在数据集HiXray、OPIXray、PIDray上分别取得了83.4%、87.2%、70.4%的检测精度。实验结果表明,本文算法能够自适应数据集并自动搜索出性能更好的Backbone组件,与FCOS、YOLOv4等主流算法相比,有效提高了复杂背景下违禁品检测的准确率和速度。

面向CPU/GPU异构服务器集群的节能调度算法

异构计算给超级计算机和高性能集群带来了计算效率的优势,但是基于异构计算的服务器集群高能耗问题仍然没有得到很好的解决。于是以CPU/GPU异构服务器集群高能耗问题展开研究,先建立CPU/GPU异构服务器集群的能耗优化模型,主要包括任务模型、CPU/GPU功耗模型及性能模型等;提出基于任务分类和动态电压/频率调节(DVFS)的节能调度算法ESATD。算法的核心思想是将任务按照性能分类后在满足时限的前提下,结合DVFS方法将任务分配到合适的计算单元上,从而达到节能的目的。通过仿真将ESATD分别与经典的算法进行比较,实验结果表明在节能方面ESATD最多节约了54.2%的能耗,在运行时间方面最多缩短了93.4%。

基于OBE理念的人工智能课程体系改革研究

文章主要阐述基于OBE教育理念对现有的人工智能课程体系进行改革,主要内容包括:(1)基于OBE教育核心理念,以学生为中心建立能力导向的人工智能专业课程理论体系;(2)结合人工智能教学实践平台改革实践教学,通过“以赛促学,以赛代练”激发学生的学习兴趣;(3)将多元化考核、评价机制及持续改进等融入现有课程体系,从多元化、学生差异性及持续改进的角度,达到培养学生解决复杂问题能力的目的。

基于Stackelberg博弈定价的电力需求响应激励方法

结合多租户数据中心的特点,通过考虑多租户数据中心的电力定价问题提出一种基于非线性规划的高效激励定价方法。建立需求-响应模型,及其相关的成本和收益函数;为反映需求方与响应方的定价交互,采用Stackelberg博弈进行建模,证明了该模型下纳什均衡点的存在性;基于非线性规划方法求解最优得到纳什均衡点,即满足需求方成本最低和响应方利益最大化的目的。将设计的方法与其它经典的最优化方法进行比较,实验结果表明,提出方法能获得最佳的电力定价,达到需求响应方共赢的目的,时间复杂度低。

基于OBE理念的电子信息类专业教学体系改革与探索

为实现电子信息类专业内涵式深度发展,本文以教学体系的改革与实践为切入点,以开展“工程教育认证”为抓手,以立德树人和应用创新型人才培养为目标,以产出为导向,全面促进教学全方位改革。本文基于OBE理念,系统地构建立体化培养的电子信息类专业教学课程体系,突显课程“育德”功能,形成协同育人及立德树人的新模式,深化专业课程理论教学研究和教学方法改革,为地方高校同类专业提供借鉴。

算法设计与分析课程混合式教学设计

课程设计是混合式教学成功与否的关键。针对当前课堂教学质量不高的问题,将线上自主学习和线下课堂活动整合,通过课前、课中和课后三个阶段,使学生理解课程教学内容,提高自身能力和素质。以算法设计与分析课程为例,分析学生需求,对教学内容进行重组,引入典型的实际案例,设计小组讨论、成果展示等课堂教学环节,激发学生的学习兴趣,根据学生反馈及学习效果持续改进教学设计。

基于改进YOLOv7的X线图像旋转目标检测

针对X线图像违禁品目标检测中存在的识别定位困难以及忽略物品方向性的问题,提出了一种基于改进YOLOv7的X线图像旋转目标检测算法。首先,通过在原网络中融合高效注意力机制模块提高模型对深层重要特征的提取能力;然后,改进扩展的高效长程注意力机制的特征融合路径,在模块之间增加跳跃连接和1×1卷积架构,使网络提取更丰富的物品特征;最后,针对X线图像中违禁品放置方向任意的问题,使用密集编码标签表示法对角度进行离散化处理,提高违禁品定位的准确性。实验结果表明,改进的算法在HiXray,OPIXray和PIDray数据集上分别取得了91.2%,92.6%和66.4%的检测精度,较原YOLOv7模型分别提高了20.2%,10.6%和15.5%,在有效提高X线图像违禁品检测精度的基础上,为保障公共安全提供了很好的技术支持。

基于改进北极熊算法的多租户数据中心电力成本优化方法研究

为了满足电力需求响应,通过改进北极熊算法提出了一种面向多租户数据中心的成本优化算法。首先采用一对多的逆向拍卖模型建立租户及运营商的关系,激励租户主动参与拍卖并提交相应的节能方案和期望奖励;接着通过改进现有的北极熊算法,来求解最优租户组合和最小成本,其中采用了sigmoid函数对坐标进行离散化处理;同时为了增强算法跳出局部最优的能力在算法中融入了变异策略,并且为提高算法的寻优能力,采用自适应视野代替固定视野来动态调整局部搜索的范围,进一步降低算法陷入局部最优解的概率。最后将提出的方法分别与经典的算法进行比较,实验结果表明在满足需求响应的情况下,提出的方法不仅花费成本最低,而且具有更高的效率。

基于SPIN的无线传感器网络安全协议建模与分析

模型检验方法在有线网安全协议的分析和设计方面取得了巨大成功。无线传感器网络对安全协议同样具有严格的要求;与有线网相比,无线传感器网络在通信环境和网络节点等方面都更为脆弱,为相应的安全协议的分析和设计提出了挑战。提出了一种适用于无线传感器网络的安全协议形式化建模分析方法。它充分借鉴了传统有线网络安全协议的建模方法,在其基础上充分考察了无线传感器网络的通信环境以及网络节点,建立起一个全面并且直观的安全协议运行模型。以A.Perrig等人提出的SPINS安全协议为例,应用模型检验工具SPIN对其认证性和机密性等安全需求进行了分析验证,发现了该协议存在的漏洞。实例分析证实了模型检验方法在分析无线传感器网络安全协议时的有效性,从而推进了其在安全协议分析方面的应用范围。

面向云数据中心的虚拟机部署时延优化算法研究

考虑了服务器内资源容量及虚拟机多类型资源需求时虚拟机部署最优化时延问题。首先将最优化虚拟机部署时延问题进行了形式化建模,并证明了该问题为一个NPC问题;然后通过遗传结合贪心策略提出了一种高效的虚拟机部署算法优化时延。该算法的主要特点在于:结合了贪心策略指导个体在初始化、选择、交叉、变异时形成最优解,并且在交叉过程中采用奇、偶数位个体交叉的方式形成新个体,既避免了个体间的重复交叉,又通过多样化的新个体形成使得算法的解不会陷入局部最优。另外,由于遗传算法在交叉过程中会存在交叉冲突问题(服务器容量超载),还设计了一种交叉冲突检查方法,避免了交叉冲突后非法个体的生成。最后,通过实验比对,将提出的算法分别与最新研究成果VMPDN、粒子群优化算法等进行比较,结果表明提出的算法有效地缩短了虚拟机的部署时延。同时通过不同资源类型数量、迭代次数及种群大小的情况下,分析和考察了算法性能,结果表明提出的算法性能仍优于其他的算法。

空间索面悬索桥主缆线形计算理论探讨

将平行索面悬索桥中使用的分段直线、分段抛物线和分段悬链线理论推广到空间索面悬索桥,并分别编制了Matlab运算程序,然后运用Midas/Civil有限元软件进行验证。几种理论计算结果对比分析表明:重量沿跨度分布的分段抛物线理论误差随着跨径增大而增大,而重量沿弦长均布的分段抛物线理论、分段直线理论及分段悬链线理论误差较小,可以在中小跨径空间索面悬索桥的设计和施工中采用。

云数据中心可靠性感知负载均衡调度算法

绿色云数据中心的建设,虽然缓解了数据中心高能耗的问题,但是内部计算节点能耗高,使得计算节点温度升高可靠性差,运行过程中失效无法完成任务。然而在数据中心内由于冷却系统制冷的不均匀,使得不同位置计算节点的温度差异性大。针对上述问题,提出通过热容阻模型将温度与可靠性相互关联建立计算节点的可靠性模型。为了保证节点温度的平衡,利用概率论的离散方差计算理论,计算各节点间的温度偏差,从而为均衡负载提供指导思想,提出了一种面向云数据中心的可靠性感知负载均衡调度算法。通过仿真,将提出算法分别与经典的调度算法以及最新的算法进行了比较,实验结果表明提出的算法提高了太阳能利用率,而且总能耗使用合理保证了节点的可靠性及作业时限。

面向动态可重构系统的低能耗调度算法

本文主要研究了动态可重构系统的能耗最优化问题,提出了一种基于蚁群算法的低能耗调度算法(ASR).该算法以蚁群算法的概率状态转移规则为中心,通过设计合理的启发函数(即任务放置策略)达到最小化系统能耗目的.通过实验模拟,与蛮力算法比较后发现,采用提出的ASR调度算法,不仅使得系统损失的总能耗比最优能耗高3%,而且算法复杂度低,运行速度快.

托管型数据中心激励机制优化算法分析与研究

针对紧急需求响应下托管型数据中心激励机制中胜标方决策效率低的问题,分别采用动态规划、遗传算法、粒子群优化及混合算法等方法对其激励机制的优化展开分析与研究。根据紧急需求响应的特点和算法需求建立托管型数据中心的激励机制优化模型,证明激励机制中的胜标方决策问题为一个NPC问题。从理论上分析优化算法使用的可行性及复杂度性,为算法在激励机制中的应用提供了理论基础。通过实验仿真,分别从4种算法的处理规模、性能以及时间复杂度的角度进行阐述和对比,实验结果表明,4种算法优化了胜标方选择最大化可供电力并满足管理员的最大支付,体现了优化算法解决问题的有效性及高效率性,提高了决胜标方决策的效率。

面向可重构系统的负载均衡低能耗调度算法

主要研究了基于多FPGAs部件的可重构系统高能耗问题。首先,对多FPGAs部件可重构系统的特征进行了建模,包括重构端口受限、资源受限及通信开销等建立了问题模型;接着,基于概率论与统计学的离散方差理论,采用负载均衡思想设计和实现了一种低能耗调度算法MLB。它的原理是通过计算各个FPGA部件的总能耗方差来引导负载的均衡分配。最后,通过模拟仿真实验,将提出的MLB算法分别与贪心算法和最新研究MFIT算法进行了比较,结果表明提出的算法复杂度低、运行速度快,不仅多节约了15%的能量,而且缩短了最大完成时间。

疫情下ACM程序设计实践课程线上教学探索

本文主要讨论了在疫情下如何采用现有的信息技术手段进行在线教学,主要针对的课程是ACM程序设计实践课程。为了让学生更加融入在线教学课程,本文叙述了一套完整的在线教学方法,主要包括课前教学准备,课堂教学设计以及课后练习、答疑及反馈等,并对涉及的在线教学工具做了一一的介绍,尤其重点介绍了我校自主开发的ACM实践课程在线练习系统GUTOJ,最后文章总结了在线教学的问题及解决方法。

程序设计类课程群建设引导新“三实型”人才培养的探索——以桂林理工大学信息类专业为例

本文以桂林理工大学信息类专业为例,从地域方面分析了学校生源的特点,并通过对程序设计类课程群建设以及实践教学法的分析,指出了其中存在的问题。最后,结合实践教学经验提出了一系列教学改革的思路和措施。

沥青路面性能预测研究综述

沥青路面是中国公路路面的主要形式,其路面性能预测是养护决策的基础,是交通基础设施建设规划及资源分配的依据,能否准确高效地对沥青路面性能进行预测,至关重要。该文分析了沥青路面性能预测的复杂性和影响沥青路面性能变化的诸多因素,在深入调查分析国内外沥青路面预测方法相关研究文献的基础上,总结了现有各预测方法的特点,评述了相关领域的研究进展。根据调研结果,该文提出了现阶段该研究领域的4个关键问题:极端事件导致路面性能波动问题,维修养护导致路面性能变化问题,多因素对路面性能衰变的耦合作用问题,以及大数据在路面性能预测中的应用问题。