基于时间卷积神经网络的短时交通流预测算法

短时交通流预测是智能交通系统实现交通控制与交通诱导的关键所在。传统一维卷积神经网络(CNN)在短时交通流预测上难以获取长时记忆,同时存在信息泄露的问题。文中提出扩张-因果卷积神经网络(DCFCN),引入扩张卷积来增加感受野大小,获取序列的长时记忆;同时,引入因果卷积来解决信息泄露问题。DCFCN由6层卷积层堆叠而成,每层通过Padding的方式实现因果卷积,扩张系数逐层呈指数增长。实验结果表明,文中提出的DCFCN在短时交通流预测上优于其他对比模型,且在GPU上计算效率明显提升。

形成性评价在课程教学中的应用和实践——以计算机网络课程教学为例

以计算机网络课程为例,提出采用布鲁姆掌握学习理论和形成性评价机制设计课程教学内容和考核方式,以形成性评价机制检查学习达成度,并反馈给教师和学生,以调整和矫正学习。通过举例两届学生的实践情况并经过双样本t检验验证,证明效果显著。

同伴互评在《计算机网络》课程中的实践

课程进行过程中,在各章节设置评测,有利于调动学生的全课程参与,客观题评测较易设计和实施,而主观题评测存在不能自动批改、人工批改任务重、反馈不及时等问题,同伴互评通过将批改任务下放给学生来解决这些问题。在计算机网络小规模在线课程中,采用同伴互评来进行主观题作业的评测,分析了评测数据,表明同伴互评及分数是可信可靠的;在学生中发放和回收了调查问卷,问卷分析表明,大部分学生认可同伴互评及其产生的分数。