大规模基因组重复序列识别与分类研究进展

重复序列在基因组中普遍存在,大量实验证实其在生物进化过程中起着重要作用。目前,重复序列的发现与识别技术已经成为基因组学的研究热点,文章分类总结了有关这方面的研究进展,并对相关工具的功能特点进行了简要分析,同时对重复序列发展趋势进行了总结和展望。

浅析生成对抗网络及其在计算机视觉中的应用

大数据技术的飞速发展,促使海量数据的处理成本逐渐降低,因此在图像处理领域,建立在大量数据无监督训练基础上的生成对抗网络具有很大优势。本文围绕生成对抗网络的发展轨迹,对其本身与各类变种网络的研究进展进行追踪,进而对生成对抗网络在图像领域的原理及研究进展进行调研总结。对比分析了目前较为热门的典型生成对抗网络模型,并对其在计算机视觉领域的应用进行了分析和总结。

济阳坳陷车镇凹陷低位隐伏潜山油气藏研究

通过对车镇凹陷北带车57潜山油气藏的构造、储层及油气藏特征的分析研究,提出了“低位隐伏潜山油气藏”的新概念,认为该类油气藏主要沿箕状断陷深大断裂下降盘一侧呈断续的条带状分布,分析了成藏特点,预测了有利勘探目标,并提出了相应的勘探方法。

宏基因组中可移动序列的精确检测问题研究

基因组组装是宏基因组分析的主要挑战之一。通常假设所有测序序列均来源于同一个基因组,微生物中非常活跃的可移动元件给这个前提假设提出了重大质疑。文章将该质疑抽象为可移动元件与宿主染色体之间的二分类问题,准确的二分类性能将进一步促进宏基因组学方面的研究。基于宏基因组测序数据的数值化特征,详细考察特征选择算法Relief F、卡方检验和Fisher判别t检验,并结合分类模型逻辑回归、极限学习机、支持向量机和随机森林,验证最优可移动元件检测模型的性能。实验结果表明,Relief F特征选择算法和随机森林分类算法的融合模型,使用100个特征即可正确分类95%以上的宏基因组测序数据,优于使用全部的690个特征。

基于多视图架构深度神经网络的图像威胁识别

由于藏匿物体的大小、形状和位置未知,且样本类别不均衡,常用的深度学习方法存在误报率较高的问题。为此,构建一种基于多视图架构的深度卷积神经网络模型。通过残差连接卷积神经网络对特征进行提取,使用基于稠密连接的长短期记忆注意力模型模拟人类多角度观察,以强化威胁信息表达,并基于焦点损失函数优化网络,从而构成端到端的架构。在HD-AIT毫米波人体威胁扫描数据集上的测试结果表明,相比其他基线模型,该模型的准确率和召回率分别可达到0.997、0.999。

本科专业建设中“科技论文写作”课程设置浅析

科技论文写作是高等学校本科工科专业中培养学生科技论文写作能力和创新能力的一门课程。本文论述了普通本科大学中科技论文写作课程设置现状、学生在科技论文写作中常见的问题,指出了设置科技论文写作课程的意义,并对课程设置需要考虑的因素以及课程内容进行了简要分析。

计算机思维与大学计算机基础教育探究

社会发展和进步的今天,计算机相关知识的教育和教学已经成为在校大学生所必须接触的知识点,对现代大学生进行计算机能力的培养具有重要的意义。在社会经济文化以及科学信息水平不断提高的背景下,大学计算机基础教育被提出了更高水平的要求,它是计算思维发展的重要基础,也是社会发展的重要推动力。基于此,本文重点对计算思维下大学计算机基础教育进行研究,并探究怎样才能运用全新的计算思维,提升大学计算机教育的教学质量。

基于导向驱动的人工智能课程教学实践研究

随着人工智能技术的快速发展,智能家居、无人驾驶、智慧城市和智能医疗建设中都可以看到人工智能的身影,《人工智能》逐渐成为了大学计算机专业的核心课程。大学计算机教师要关注人工智能技术发展,设计全新的导向驱动式教学模式,从兴趣驱动、问题驱动和任务驱动入手,引导学生探索模式识别、计算机视觉和数据挖掘等专业知识,提升学生的实操能力,体现学生在课堂上的主体地位,尽快使学生掌握编程、图形图像识别和智能化系统设计等知识,提升学生岗位胜任能力。

树突神经网络分析

树突神经网络(DENN)是一种含有局部非线性树突结构的特殊神经网络模型。文章研究了DENNs在网络结构变化的情况下模型的学习行为。在有监督学习任务的实验中发现,局部非线性结构的DENNs可以提高模型的表达能力,并且在中等树突分支数量时表达能力最强,在网络较小的情况下DENNs模型比常规前馈型神经网络的优势表现得更加明显。在随机噪声数据集上的实验中发现DENNs拟合能力的优势不明显,这种现象进一步表明,DENNs的容量优势与自然图像数据中的冗余有关。