研究生《人工智能》课程教学方法改革浅析

大数据时代的到来,人工智能不可或缺。研究生《人工智能》课程的教学方法改革更是迫在眉睫。基于问题的启发式教学和采用实际工程项目的案例式教学可以促使学生积极、主动地思考。教师提出问题并不讲解,引导学生去解决问题。学生通过自己的体会和理解,来真切地体验理论与实践的结合,促进知识向成果的转化。

控制工程多学科交叉复合教学及信息化研究

控制工程基础以控制理论为工具,研究系统分析及设计中的共性化问题,是应用性较强、多学科交叉复合的工科专业课程。由于课程内容较抽象,涉及较多理论性知识,使学生对课程产生复杂枯燥的印象。为调动学生积极性,强化该门课程的应用性,该项目对课程进行教学改革尝试,调整教学内容,引入OBE(Outcomes-Based Education)成果导向理念,增加实验课程比重,同时建设线上教学平台,取得良好的教学效果。

基于YOLOv5的行人检测方法研究

针对YOLOv5在检测行人时容易出现漏检目标及检测精度低的问题,提出一种改进YOLOv5网络的行人检测模型。首先,主干网络使用SPD(Space-to-Depth)模块和Ghost卷积组合构造的SPD-GConv模块进行下采样,减少细粒度特征信息的损耗。其次,通过增加小尺寸检测层,增强模型的多尺度检测能力。然后,使用α-EIoU损失函数替换原始CIoU损失函数,提高行人目标定位准确度。使用Crowdhuman数据集进行训练和测试,实验结果表明,所提出算法比原始算法的召回率和平均精度值分别提高了4.7%和3.5%,能够有效提高远距离目标和密集场景下行人检测的准确率。

大数据应用背景下的公共卫生应急响应体系建设——以邯郸市为例

近年发生的多起重大突发公共卫生事件,如非典型肺炎疫情、中东呼吸综合征疫情、三聚氰胺奶粉事件、疫苗造假事件以及近期新型冠状病毒肺炎疫情等,严重危害了人民健康和生命安全。随着互联网、云计算和物联网技术的成熟,医疗卫生信息化的广泛普及,使得医疗卫生相关数据迅速积累。本文以人口近千万的地级市——邯郸市为例,研究如何有效利用大数据资源、最新医学研究成果以及现代人工智能技术手段,创建涵盖疫情实时预警、分析研判、资源调度以及决策指挥的信息化联动体系,在后疫情时期为政府提升精准管理水平、有效防范处置突发公共卫生事件发挥有力支撑作用。

永磁同步电机无位置传感器控制现状和展望

永磁同步电机(PMSM)的无位置传感器控制是当前电机控制领域的研究热点。针对永磁同步电机无位置传感器控制中基于反电动势观测以及电感凸极性的位置估计方法进行归纳总结。分别对滑模观测器法、模型参考自适应法、龙伯格观测器法、扩展卡尔曼滤波器法、无迹卡尔曼滤波器法和高频信号注入法的基本理念进行了介绍,通过比较每种方法的优势和不足,并根据其缺点归纳了目前主要的改进方法,并阐述了全速范围内两大控制方法的结合策略,且对无位置传感器控制的研究趋势进行了展望。

新冠文本实体关系抽取及数据集构建方法研究

实体关系抽取可有效地获取文本中的关键信息,利用新冠文本中的关键信息有助于切断疫情传播途径,发掘疫情传播源头。但该领域没有适合的公开有标注的数据集,针对该问题,通过分析新冠文本的语义表示和结构特点,提出一种针对新冠文本的实体关系定义,并根据实体关系定义对收集的数据进行实体标注和关系标注,在标注完成后,通过数据预处理等操作生成新冠文本实体关系抽取数据集。与公开数据集相比,该领域的数据集本文实体和关系分布较为密集,单一神经网络模型特征抽取能力较差,因此采用多种神经网络模型拼接的方法构建命名实体识别模型和关系抽取模型。通过模型的结果对数据集进行实验验证,实验结果证明该数据集可以应用于该领域的实体关系抽取任务。

基于标签混淆的院前急救文本分类模型

针对院前急救文本专业词汇丰富、特征稀疏和标签混淆程度大等问题,提出一种基于标签混淆模型(LCM)的文本分类模型。首先,利用BERT获得动态词向量并充分挖掘专业词汇的语义信息;然后,通过融合双向长短期记忆(BiLSTM)网络、加权卷积和注意力机制生成文本表示向量,提高模型的特征提取能力;最后,采用LCM获取文本与标签间的语义联系、标签与标签间的依赖关系,从而解决标签混淆程度大的问题。在院前急救文本和公开新闻文本数据集THUCNews上进行实验,所提模型的F1值分别达到了93.46%和97.08%,相较于TextCNN(Text Convolutional Neural Network)、BiLSTM、BiLSTM-Attention等模型分别提升了0.95%~7.01%和0.38%~2.00%。实验结果表明,所提模型能够获取专业词汇的语义信息,更加精准地提取文本特征,并能有效解决标签混淆程度大的问题,同时具有一定的泛化能力。

基于特征交换的CNN图像分类算法研究

针对深度学习在图像识别任务中过分依赖标注数据的问题,提出一种基于特征交换的卷积神经网络(CNN)图像分类算法。结合CNN的特征提取方式与全卷积神经网络的像素位置预测功能,将CNN卷积层提取出的特征图与同类标签特征图进行交换,充分融合有限的图像特征,以解决图像识别中样本不足的问题。实验结果表明,该算法对标注数据的依赖性较低且有效提升了网络识别准确率,适用于数据量较小的图像分类场景。

自主平行泊车系统的二型模糊控制器设计

针对颠簸路面上自主平行泊车系统中存在的系统不确定性问题,提出了一种基于二型T-S模糊模型的控制系统设计方案,设计过程采用了并行分布式补偿法,并利用李雅普诺夫方法分析了系统的稳定性。该方案应用二型模糊系统在处理多重不确定性问题方面的优势,同时解决了由系统的非线性特征以及路面颠簸状况引起的系统不确定性,即在对系统进行分段线性化以建立模糊规则的同时利用二型模糊隶属函数对由路面颠簸状况引起的系统参数的不确定性进行描绘,并在模糊降型以及解模糊的过程中进行模糊融合以达到使系统输出精确化的目的。实例仿真表明,二型T-S模糊控制系统可以同时掌控由系统的非线性特征以及路面颠簸状况引起的不确定性,仿真结果验证了该控制器的稳定性和有效性。

二型模糊系统在音频信号分类中的应用

针对数字音频信号分类问题提出了基于二型模糊集合理论的C均值聚类算法,并在此基础上应用跳跃基因遗传算法对聚类得到的初始模糊模型进行优化,最后采用向量相似性测度准则对优化后的模糊规则集合进行简化,得到最终的模糊分类器模型。与传统的一型模糊集合相比,二型模糊集合可以掌控更多的不确定性信息。基于二型模糊集合理论的C均值聚类算法对样本分布不均匀、结构不规则的样本集的聚类效果更精确。实例仿真结果对比显示,应用二型模糊C均值聚类算法的音频信号分类器比应用一型模糊C均值聚类算法的分类器得到的分类结果更准确。

基于GSA与DE优化混合核ELM的网络异常检测模型

为了增强网络入侵检测模型的准确率与泛化性,提出一种基于引力搜索算法(GSA)与差分进化(DE)算法优化混合核极限学习机(ELM)的网络入侵检测模型。该模型针对采用单个核函数的ELM模型存在的泛化能力弱、学习能力差的问题,结合多项式核函数和径向基函数的优点,构建混合核ELM模型(HKELM),将GSA和DE相结合优化HKELM模型参数,从而提高其在异常检测过程中的全局和局部优化能力,在此基础上利用核主成分分析算法进行入侵检测数据的数据降维和特征抽取,构建网络入侵检测模型KPCA-GSADE-HKELM。在KDD99数据集上的实验结果表明,与KDDwinner、CSVAC、CPSO-SVM、Dendron等模型进行对比,KPCA-GSADE-HKELM模型具有更高的检测精度和更快的检测速度。

基于跳跃基因的GA-BP算法研究

GA-BP学习算法往往会出现收敛速度慢,可能陷入局部极值的现象。针对以上问题,选取了自适应GA-BP(AGA-BP)算法,并在GA-BP算法和AGA-BP算法的基础上添加跳跃基因,称之为JG-GA-BP算法和JG-AGA-BP算法,用于解决分类问题。算法在遗传算法的基础上增加了跳跃基因算子,用于优化BP神经网络的结构参数,从而建立相应的神经网络拓扑模型。为验证添加跳跃基因后的学习算法的分类效果,将JG-AGA-BP算法、JG-GA-BP算法、AGA-BP算法和GA-BP算法的性能进行比较。以随机数、iris、wine、鲍鱼数据集的分类实验为例,研究结果显示出添加了跳跃基因的GA-BP算法的准确率和收敛速度都有一定程度的提高。

进化计算与复杂网络结构关系的研究

基于达尔文进化论的进化算法可以将问题的求解过程模拟为群体的适者生存过程,通过群体不断进化,求得最终解。但进化过程的描述不够清晰,且只注重最终结果,常常忽略算法的中间过程。复杂网络结构可有效弥补这一缺陷。通过分析算法的优化过程,将个体之间的关系进行动力学过程描述,并讨论其蕴含的复杂网络结构,最终利用复杂网络技术控制或改进算法。设置相关参数进行动力学描述的实验设计并验证网络结构是否符合复杂网络特征。研究结果表明进化计算的优化过程可以描述为复杂网络结构或类似于复杂网络的结构。这对于复杂网络的深入研究及进化计算的改进、优化和控制有一定的理论意义和应用价值。

基于词汇增强的中文命名实体识别方法

针对中文命名实体识别中词嵌入表示不充分,以及传统分词方法存在分词错误引起误差传播的问题,提出两种词嵌入编码策略,并结合预训练语言模型BERT增强文本的初始向量表示。输入向量以字为单位,通过输入句子与词汇库匹配的方式,为每一个歧义字符引入多种可能的分词情况,然后利用提出的两种策略将多个词向量进行融合;通过统计数据集中所有词语的词频,为词向量引入词频信息,使得模型倾向于学习词频较高的词向量,减少了错误分词带来的噪声问题。利用BERT模型根据上下文语境生成动态字向量,将字向量和融合后的词向量拼接作为双向长短期记忆网络的输入,最后利用条件随机场进行标签解码。在MSRA和Resume数据集上进行仿真实验,F;值分别提高了2.01%和1.55%。

基于复杂网络的文本抗毁性分析

针对中、英文有向加权文本同现网络的抗毁性能进行研究。选取著名的外文小说《飘》的中、英文版本作为基本语料,以章节作为基本单元,构造了12个中文字有向加权文本同现网络和12个英文词有向加权文本同现网络;分析了各文本同现网络基本参数的变化趋势,并且绘制了相应的分布曲线,并分析了各文本同现网络的抗毁性能。实验结果表明,中、英文的抗毁性能随着文章长度的增加都在逐渐降低,但中文网络的抗毁性下降的速率要比英文网络慢得多。从侧面反映了中文字之间的连接关系和协调性相对来说比较好。

改进在线词对主题模型的微博热点话题演化

话题演化分析是舆情监控的研究热点之一,面向微博热点话题进行演化分析,对于网络用户以及网络监管部门都有很重要的现实意义。针对在线词对主题模型(On-line Biterm Topic Model,OBTM)新旧主题混合、冗余词概率相对较高的问题,对OBTM进行改进,提出基于话题标签和先验参数的OBTM模型(Topic Labels and Prior Parameters OBTM,LPOBTM)。根据微博热点话题的话题标签,将微博文本集区分为含话题标签和不含话题标签的两类数据集,并设置不同的文档-主题先验参数;在前一时间片文档-主题概率分布的基础上,借鉴Sigmod函数对所有主题进行强度排名,从而优化当前时间片上主题-词分布的先验参数计算方法。实验结果表明,LPOBTM能够更准确地描述话题的内容演化情况,并且有更低的模型困惑度。

“新工科”背景下引入人工智能理念的“结构概念与创新设计”课程的构建

基于"新工科"建设对地方高校土木工程专业学生能力培养的要求,将课程改革创新与学科竞赛相结合,交叉融合计算机学科人工智能领域和土木工程专业知识,构建了"机构概念与创新设计"课程建设方案,制定了课程的教学目标与大纲和课程的具体组织与实施环节。实践成果表明,将学科竞赛与课程改革有机结合,融合跨学科的工程解决方案,是培养大学生综合应用所学知识解决复杂工程问题能力的有效途径。

结合GCN和注意力机制的文本分类方法研究

针对传统文本分类方法中需要手动提取特征和分类进而导致分类准确率不高的问题,提出一种结合图卷积神经网络和注意力机制的文本分类方法。方法首先建立整个语料库的大型文本图,然后将文本图的邻接矩阵和特征矩阵输入到图卷积神经网络中,最后网络输出与注意力机制相结合,利用注意力机制中Self-Attention机制的Query矩阵,Key矩阵和Value矩阵计算Attention值,充分学习文本表示,不断调整网络的输出,最终提高文本分类的准确率。在数据集上的仿真结果表明,所提出的方法与传统文本分类方法相比,其准确率较高。

最优化理论与算法课程教学改革与实践

针对最优化理论与算法课程内容多学时少、知识跨度大、理论抽象,以及学生在学习过程中存在学习目的模糊、学习动机不明确、学习结果预期一般、理论与实践脱节等问题,提出依托案例重构课程内容、融合应用打通理论与实验、开设专题完善课前课后学习内容、探索创新强化授课效果的课程教学改革与实践,突出课程学以致用的要求,将理论学习、动手能力培养、分析与解决问题能力的培养充分结合于教学中。

《智能信息处理技术》课程案例教学探索

随着大数据时代的来临,智能信息处理技术已经成为了计算机应用领域的研究热点。针对传统《智能信息处理技术》课程自身特点和教学过程中存在的问题,从教学案例设计的基本原则和教学案例内容设计两个方面,对《智能信息处理技术》课程案例教学进行探讨。提出将"沃森医生"案例贯穿整个教学过程,通过启发式讨论和算法设计的方式自主学习课程,激发学生学习的兴趣,提高解决实际问题的能力。