基于多模态数据的个性化学习精准干预研究

多模态数据建模已成为洞察学习规律的新范式。随着信息与传感技术的发展,采集学生的多模态数据成为可能,基于各种学习者数据对学生进行全面而综合性建模的综合模型应用是大势所趋。文章在学习者画像与多模态数据的基础上,构建了多模态数据个性化学习研究框架,包括多模态信息采集、多模态特征提取、多模态特征融合分析等。最后,文章探讨了真实协作场景中多模态教育数据,实现多维度、立体化、动静结合的个性化学习推荐,实现智能教育精准决策。

基于随机游走的图扩散模型

图注意力网络(Graph Attention Networks,GAT)通过汇聚相邻节点计算中心节点特征时,缺少图的结构信息且没有利用高阶邻域节点。针对此问题,提出一种采用随机游走策略的图扩散模型。该模型通过随机游走访问邻域内的节点以提取结构信息,并通过设置游走时的重启参数和迭代次数,控制邻域范围以提取局部和全局节点信息,再通过图注意力的加权求和机制对特征进行转换。该模型在3个引文图数据集上进行实验比较,比传统GAT模型的准确率平均提升了1.1%,证明了随机游走策略在捕获节点结构信息方面发挥了重要作用。

基于注意力机制的图学习方法研究

深度学习已经在许多领域取得成功,人们在这一领域投入了大量的研究工作,极大地推动了图学习方法的发展。根据现有图神经网络模型的特点,首先描述了一种通用的图学习框架,以系统的方式对其进行全面概述,包括消息传递、特征聚合以及节点更新三个部分。然后,以该框架为基础引入图注意力机制,并改进消息传递方法,解决注意力机制对空间结构学习的不足。最后,我们简要概述了该框架的应用,以期为图学习方法的研究提供指引。

基于图注意力机制的交通流预测模型

针对现有交通流预测模型在预测精度上的不足,提出一种基于注意力机制的图模型。首先,利用多头注意力机制在交通图中编码高阶邻域结构,提取交通网络中的高阶空间特征。然后,嵌入长距离时间结构注意力机制提取长期性的历史周期信息。模型采用注意力机制替代传统的局部卷积核结构,可以有效提取长距离时空依赖关系。在METR-LA(洛杉矶路网)、PeMS-BAY(加州湾区路网)、PeMS-S(加州小型路网)三个真实的交通数据集上进行实验证明,模型在预测未来60 min的交通流精度上较传统深度学习方法,RMSE(均方根误差)平均降低3.1%、3.9%和1.8%,表明所提模型的长时间预测能力优势明显。

海量图像检索系统关键技术研究

对于传统的图像检索,需要耗费大量的时间及精力,不利于发挥图像的信息价值。在新时期,为了更加高效地在海量图像中检索出相关信息,满足人们的多样化需求,就需要对图像检索系统进行深入挖掘,把握其关键技术,缩短图像检索时间,提高检索精确性。

视频图像处理与应用研究

当前,我国科学技术发展迅速,在此背景下,视频图像处理与分析应用,在人们的社会生活中发挥的作用越来越大,比如在视频监控、数字电视等方面应用广泛,它和每个人的生活息息相关,其重要性不言而喻。本文将对视频图像应用的发展进行阐述,同时将结合一些典型事例对其应用进行了分析。

基于BP神经网络的多尺度图像检索方法

当前应用较为广泛的图像检索方法大多是单一结构,在实际应用的过程中容易出现误差,同时获取的视觉特征也不全面,一定程度上缺乏创新延伸的能力,导致对应图像的综合表达能力匮乏。因此,基于BP神经网络的多尺度图像检索方法进行设计。计算图像深层特征卷积值,依据得出的数据信息,建立复杂层级的多尺度检索结构,将结构添加在初始的检索模型中,创建BP神经网络的归一化重叠检索模型,通过区域生长算法最终实现多尺度图像的检索。测试的结果表明:在相同的测试环境之中,对比于两种传统方法,本文所设计的方法具有更强的灵活性,并且得出的图像检索MAP值较小,表明其检索的范围相对较大,具有实际的应用意义。

基于慕课的混合学习课程设计

混合学习教学作为课堂教学的一种延续性创新,是当前高等职业教育研究热点问题之一。慕课的兴起为混合学习教学模式的开展与实施提供了新的路径。本文在深究混合学习教学模式困境成因基础上,对基于慕课的混合学习课程设计进行研究。混合学习课程设计的目的是整合学习资源,帮助学习者实现知识获取的最优化。本研究从混合学习课程设计的模式、策略、教学方法、学习活动、评价设计等方面进行了详细阐述。最后,对基于慕课的混合学习课程设计需要进一步完善和努力的方向提出了建议。

双转子垂直轴潮流能水轮机水动力干扰特性研究

为了研究双转子垂直轴潮流能水轮机水动力干扰特性及规律,采用计算流体力学方法对双转子水轮机组在定常流下的水动力进行了数值模拟,通过研究典型速比下不同轮机间距、不同转子旋向的双转子轮机的能量利用率、速度场演变、尾流场演化和相应工况下单转子水轮机的对比分析,发现双转子机组水轮机在高速比情况下比单转子水轮机获能效率更高,最高达到36%,而且随着轮机间距的增大双转子轮机增能效果反而降低;由于干扰效应的存在,双转子轮机的叶片表面产生更大的高速区域,尾涡也比单转子轮机更为复杂和混乱,表现为尾涡有偏转且融合的趋势,并随着轮机间距增大而减弱。

基于H.264的视频监控系统关键代码实现与优化

根据实际开发项目经验,分析了H.264视频压缩编码算法的基本原理,如整数DCT变换、多参考帧的运动估、帧内预测、帧间预测;介绍了TMS3206416芯片的内核结构和外围设备,并结合TMS3206416嵌入式系统的特性、程序级代码优化与汇编级优化的方法,应用指令流水线、循环展开、指令并行、数据打包等技术,用汇编语言优化了部分DCT模块。通过实验结果的对比,对H.264中影响编码速度的瓶颈函数取得了较好的优化结果。这些方法和思路具有实际意义,为其他开发视频系统提供了较强的参考价值。

数字视频录像机的研究与设计

文中设计实现了数字视频录像机,重点阐述了最新的视频压缩H.264/AVC中的DCT变换与数字视频录像机系统结构和关键模块设计。TI公司的TMS3206416是专门面向多媒体应用而设计开发的32位定点DSP芯片,可以很好地满足视频信号处理的要求,文中利用TMS3206416的64位和128位的SI MD指令进行算法的优化并利用128位SI MD(Single Instruction Multiple Data)指令并行优化了DCT模块。系统性能测试结果表明,与传统的监控系统相比,本系统设计合理,运行可靠,视频图像质量较好,具有低成本、高质量数字视频监控的优点。

多层无线异质传感网络的高效节能预测聚类算法

无线传感网络设计主要是减少能源消耗,延长网络生存时间。介绍了一种异质传感网络应用于现存聚类算法的研究,并提出了一种高效节能的预测聚类算法,此算法能适应能源和目标异质的传感网络。根据能源和通信成本等各种因素,该算法能使节点选择簇头。相对于具有较低剩余能源的节点来说,具有较高剩余能源的节点成为簇头的概率较大,因此可以均匀消耗网络能源。为了减少聚类阶段进行广播时的能源消耗和延长网络生存时间,建立了一种用于常规数据采集节点的能源消耗预测模式。相对于目前聚类的算法来说,仿真结果表明该算法可实现更长传感网络生存时间、更高能源效率和卓越网络监测质量。

基于真实图像退化的人脸超分辨率重建算法

针对大多数人脸超分算法的预设退化模型与真实图像的退化方式差距大,导致人脸重建的效果不理想的问题,提出了一种针对真实图像退化的人脸超分辨率重建算法。首先设计了一种混合退化模型,通过对运动模糊、高斯噪声等多种退化形式进行合成用于模拟真实图像退化空间,生成接近现实场景的低分辨率图像。然后采用基于小波域的超分辨重建网络预测得到高分辨率图像的小波系数,并经过小波逆变换得到超分辨率图像。在高清人脸数据集(FFHQ)和真实人脸数据集(RealSR)上的实验结果表明,研究提出的算法不仅能有效提升重建效果,而且适用于真实场景下的人脸超分辨率重建。