面向运动想象分类任务的任务导向子域对抗迁移网络

运动想象是一种应用前景广泛的脑机接口范式.在基于脑电的运动想象分类任务中,由于设备和被试的缘故,会导致与被试、时间相关的数据分布漂移现象.这种数据分布漂移会使得分类器分类精度下降.而迁移学习能很好地解决这种分布漂移现象.本文提出了一种新的单源域选择算法,多子域可迁移性估计(multi-subdomain transferability estimation, MSTE)和一种新的迁移方法,任务导向的子域对抗迁移网络(task-oriented subdomain adversarial transfer network, ToSAN),用于脑电信号的分类任务. MSTE能评估源域和目标域在时间和类别上的相似性. ToSAN能面向分类任务分解特征,在与任务相关的特征上进行多个子域对齐,从而克服分布差异.在BCI Competition IV 2a和BCI Competition IV 2b上的实验结果表明, ToSAN相比于其他方法在分类准确率上提高了最少2.67%, 8.6%. MSTE和ToSAN的结合在BCI Competition IV 2a和BCI Competition IV 2b数据集上分别达到了81.73%和88.73%的分类准确率,显著优于所有对比方法.

高校学科竞赛组织管理平台的研究与实现

随着高校对学科竞赛的日益重视,赛事数量和参赛人数都在不断增长,对管理服务的要求越来越高,学科竞赛的信息化建设势在必行。本文在分析学科竞赛组织管理的功能和非功能需求的基础上,利用移动互联网等技术,实现了一个高校学科竞赛组织管理平台。该平台提供了包括信息发布、组织管理、在线报名、资源共享、虚拟实验等功能,提升了管理效率,规范了管理流程,为师生提供了多种赛事服务,推动了学科竞赛的进一步发展。

基于PHP的党校在线学习与考试系统的开发

该文讨论了一个基于PHP的党校在线学习与考试系统的设计,根据党校的具体需求设计了系统的各个功能和模块,并介绍了其中几个主要的模块。

模拟仿真在高职院校计算机组装与维护实训课程中的应用

在当今各高职院校计算机组装与维护实训室的条件下,很难让学生得到全面的实操练习。将模拟仿真技术应用到高职院校的计算机组装与维护课程的实训教学中,可以较好地弥补当前这一问题,很好的改善了教学效果。该文分析了使用仿真软件的目的和意义,并介绍了实用的仿真环境的建立和使用方法。

计算机仿真建模技术在通信原理实验教学中的应用

通信原理实验引入计算机仿真建模技术,可以突破原有围绕通信原理实验箱验证性实验的局限性。通过线性调制系统仿真实例,介绍计算机仿真建模技术在通信原理实验教学中的应用,经实践表明实验多元教学模式不仅可以巩固和提高学生对理论知识的掌握,还可以帮助学生建立通信系统的整体概念,有利于培养学生综合素质和技术能力。

基于评分偏好和项目属性的协同过滤算法

针对传统的协同过滤推荐由于数据稀疏性导致物品间相似性计算不准确、推荐准确度不高的问题,文中提出了一种基于用户评分偏好模型、融合时间因素和物品属性的协同过滤算法,通过改进物品相似度度量公式来提高推荐的准确度。首先考虑到不同用户的评分习惯存在差异这一客观现象,引入评分偏好模型,通过模型计算出用户对评分类别的偏好,以用户对评分类别的偏好来代替用户对物品的评分,重建用户-物品评分矩阵;其次基于时间效应,引入时间权重因子,将时间因素纳入评分相似度计算中;然后结合物品的属性,将物品属性相似度和评分相似度进行加权,完成物品最终相似度的计算;最后通过用户偏好公式来计算用户对候选物品的偏好,依据偏好对用户进行top-N推荐。在MovieLens-100K和MovieLens-Latest-Small数据集上进行了充分实验。结果表明,相比已有的经典的协同过滤算法,所提算法的准确率和召回率在MovieLens-100K数据集上提高了9%~27%,在MovieLens-Latest-Small数据集上提高了16%~28%。因此,改进的协同过滤算法能有效提高推荐的准确度,有效缓解数据稀疏性问题。

基于迁移学习和批归一化的菜肴图像识别方法

菜肴图像识别属于图像细粒度识别。针对菜肴子类之间差距小、外观差异大且受外界因素影响难以识别问题,提出一种基于迁移学习和批归一化结合的深度学习模型菜肴图像识别方法。以预训练的VGG-16为迁移学习基础,对部分卷积层以及全连接层输出做批归一化处理,最终得到尺度变换和平移后的特征集合。通过迁移学习解决深度学习所带来的过拟合问题,获取比人工特征更具有鉴别性的深度特征;通过批归一化处理缓解深度学习中存在的梯度消失问题。迁移学习的相关实验中以loss、top1、top5准确率为指标;批归一化相关实验中以top1准确率和top5准确率为指标。实验表明,在VireoFood172和UEC-Food100数据集上,所提出的模型与原始模型相比,loss明显下降,准确率有大幅提升,并且与现有方法相比在菜肴图像识别的top1和top5准确率上均有所提升。

图像超分辨率特征浓缩网络

自从卷积神经网络应用到图像超分辨率领域以来,越来越多的神经网络被提出,并且取得良好的效果,但是当前大多数方法都严重依赖于模型的深度和宽度,而没有充分利用底层信息。针对以上问题,提出了一种新型特征浓缩网络,该网络通过多个特征浓缩块逐步提取有效特征信息。网络包括特征提取模块、特征浓缩模块和重建模块,并添加了双三次插值运算和全局残差学习。通过底层特征处理来提取有用的特征,使用特征浓缩块进一步提取特征,由重建模块恢复高分辨率图像。在实验中,选择4个不同的公开数据集进行不同尺度的测试,通过实验结果可以看出,所提出的网络对比其他方法有更好的客观指标结果。

高职院校计算机网络实训教学探讨

大多高职院校都开设有计算机网络专业课程,而实训教学是计算机网络专业中很重要的部分。该文根据实训教学的特点,结合作者的教学体会,从开设网络实训课程的设计、实训过程、综合项目实训、实训成绩考核等方面对网络专业的实训教学进行了一定的探索。