基于产教融合的人工智能专硕培养实践探究

针对产教融合研究生培养中培养体系不完善、培养过程不系统以及培养目标不明确等问题,以武汉理工大学海南专项研究生培养为例,通过分析和总结武汉理工大学海南专项研究生培养的实践经验和取得的成果,探讨如何在产教融合模式下进行全过程、全方位的人工智能专业硕士培养。在产教融合课程设置中,根据市场需求和专业发展趋势精心设计不同领域的特色课程,确保学生掌握人工智能核心知识以及在不同领域下的人工智能应用方法。此外,通过开展科研合作和项目实践,不仅使学生获得实践经验,而且院校可与企业建立良好的合作关系。这一研究为其他高校在人工智能专业硕士培养中的实践提供了启示与借鉴,推动了产业与教育领域的有机结合,以期实现高等院校自我发展、地方经济产业发展以及专业领域人才培养的目标。

基于空间投影和关系路径的地理知识图谱表示学习

近年来,类人智能技术和相关产品飞速发展,这在很大程度上得益于完备知识图谱的构建,特别是以地理为代表的基础教育知识图谱。传统的知识图谱采用网络知识组织形式进行表示,计算复杂度较高,而且三元组的知识表示形式不能有效地度量和利用实体间语义关联关系。该文构建了基于空间投影和关系路径的知识表示学习算法—PTransW(Path-based TransE and Considering Relation Type by Weight)模型,该模型结合空间投影和关系路径来对翻译模型进行扩展,并加入关系类型的语义信息进行改进。最后,在FB15K数据集和GEOGRAPHY数据集上训练并做链接预测实验。实验结果表明,PTransW模型对复杂关系的建模能力取得了较大地提升;对于规模较小的数据集,复杂度低的TransE和TransR模型将会训练得更充分;但是PTransE和PTransW模型由于利用了关系路径和反向关系中的语义信息,在关系预测方面有很大的优势。

“三协同一交叉”计算机类专业人才实践与创新能力培养模式的探索与实践

随着计算机科学与技术的不断进步,信息产业形态发生重要变化,新型计算系统应用日益深化,对计算机类本科专业人才的知识结构与创新能力提出更高要求,构建与时俱进的本科人才培养体系是我国高校计算机类专业教育教学改革的重要目标。瞄准计算机类专业人才培养中急需改革创新的问题,探索计算机类专业人才实践与创新能力培养新模式,以系列项目的交叉递进、分阶段开展改革与实践,获得了良好的教学效果。

多维协同构建计算机类专业人才实践与创新能力培养体系

依托多维协同改革思路,紧密跟踪计算机学科发展前沿,顺应人才培养教育的时代需求,构建了"行业协同、校企协同、科教协同、学科交叉"的计算机类专业人才实践与创新能力培养模式,利用教学云平台将六个实践与创新能力培养平台整合为一体,并通过专业基础型、综合设计型、研究创新型三个层次的教学来提升学生实践与创新能力,构建了一套能力评估与质量监控机制,形成了"三层次六平台一机制"的实践与创新能力培养体系,着力培养"适应能力强、实干精神强、创新意识强"的计算机类新型"三强人才"。

基于企业需求导向的产教融合研究生培养模式改革与实践

结合高校产教融合培养研究生存在的利益共同体目标追求迥异、支撑载体缺失、长效机制缺乏等共性问题,武汉理工大学通过建立多元主体利益共同体、打造产教融合支撑平台、构建运行机制进行制度设计,探索了校企协同遴选优秀人才、校企合作优化培养方案、校企联动实施双向选择、校企联合实行双师指导、校企互动强化学生管理、校企协作创新质量评价的以企业需求为导向的研究生培养模式,认为深化产教融合是专业学位研究生教育发展的必由之路,扩大教育规模是专业学位研究生教育发展的现实选择,探索有效模式是专业学位研究生教育发展的未来期待。

自动图像标注技术综述

图像自动标注技术是减少图像数据与内容之间"语义鸿沟"的其中一种最有效途径,对于帮助人类理解图像内容,从海量图像数据中检索感兴趣的信息具有重要现实意义.通过研究近20年公开发表的图像标注文献,总结了图像标注模型的一般性框架;并通过该框架结合各种具体工作,分析出在图像标注研究过程中需要解决的一般性问题;将各种图像标注模型所采用的主要方法归为9种类型,分别为相关模型、隐Markov模型、主题模型、矩阵分解模型、近邻模型、基于支持向量机的模型、图模型、典型相关分析模型以及深度学习模型,并对每种类型的图像标注模型,按照"基本原理介绍—具体模型差异—模型总结"3个层面进行了研究与分析.此外,总结了图像标注模型常用的一些数据集、评测指标,对一些比较著名的标注模型的性能进行了比较,并据此对各种类型的标注模型做了优缺点分析.最后,提出了图像标注领域一些开放式问题和研究方向.

Simulation of Hydrodynamic Phenomena by the Lattice-Boltzmann Method

In this paper. a general parallelcooput lug model for simulating the two-dimensional hydrodynamic problems by the LB method is introduced. The pract ice shows that this Model is able to deal with a variety of boundaries and simulate a wide range of Reynolds numbers for two-dlinensional hydrodynamic phenomena. Numerical simulations are shown to confim the exper imental resulis.

基于可信向量的知识图谱上下文感知表示学习

面向知识图谱的表示学习在低维语义空间中对实体和关系进行编码,提升了知识理解和推理能力。传统的平移模型在处理知识图谱中的一对多、多对一以及多对多这些复杂关系时,难以区分在某一属性具有相同语义的实体。本文构建了一种基于二值可信向量的平移模型(TransV),通过向量不同维度的元素值控制对应属性的激活与抑制程度,使不同的关系关注不同的实体属性信息,提高模型处理复杂关系的效果。除了知识图谱中的三元组信息,非结构化文本中包含了丰富的语义信息,能够提高实体表达能力。利用与实体相关的文本信息,构建了一种融合上下文信息的基于二值可信向量的知识图谱表示学习模型(CKRV),使得三元组信息与语义信息能相互影响、相互融合。实验结果表明,该方法复杂度更低,在实体预测准确性方面有明显提升。

基于自适应特征的遮挡人脸特征点定位算法

为了使人脸特征点定位算法在人脸被物体遮挡的情况下仍能快速、准确地检测特征点的位置,提出了一种基于自适应特征的遮挡人脸特征点定位算法。该方法首先检测每个特征点的遮挡状态,即先训练一个逻辑回归模型,通过所有特征点周围的纹理特征快速地估计出每个特征点被遮挡的概率值;然后根据每一个特征点被遮挡的概率自适应地调整该特征点纹理特征的权重,使得被遮挡概率较大的特征点获得较小的权重值,减小人脸遮挡对特征的影响,提高特征点定位的准确度。实验结果表明,本文算法的特征点定位的平均误差达到5.94%,遮挡检测准确率/召回率达到80%/72.84%。

交通分析区尺度上的COVID-19时空扩散推估方法:以武汉市为例

现有的流行病学模型大多是通过对统计数据进行拟合,实现对患病人数的推估,较少考虑细粒度空间人群移动交互对时空扩散特征的直接作用。将空间交互特征融入流行病学模型,提出了基于手机用户空间交互数据的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)时空扩散推估方法,并对2019-12-2020-03武汉市COVID-19患病人数以及时空扩散过程进行推估。研究结果表明,该方法能有效推估出每天的疫情新增交通分析区,能够完全覆盖了有疫情公告的交通分析区,且存在疫情公告的交通分析区占所推估交通分析区的72.7%;2020-02-18后的累计推估患者结果与官方公布患者总量吻合得非常好,差距约为5.6%,间接验证了前期推估的合理性。由此得出,该方法能比较有效地推估细粒度空间之间的传染病传播,对正确认识细粒度空间下人群交互对传染病时空扩散的影响机制,增强宏观流行病学模型的空间可解释性具有一定的科学意义。

基于上下文时序关联的时序知识图谱嵌入方法

时序知识图谱的嵌入表示是知识工程领域的研究热点之一,现有的时序嵌入模型大多通过不同的方式将时间信息融入静态嵌入模型中,以此学习实体和关系的时间演化过程,但是难以挖掘和学习细粒度的时序关联信息。因此本文在之前研究的基础上,提出一种在复数空间下上下文时序关联的时序图谱嵌入表示模型,将细粒度时序信息细分为知识开始时间的相关性和知识时间间隔的一致性。设计了一种上下文感知时序关联信息挖掘方法,筛选语义相似的上下文四元组,挖掘训练四元组中包含的时间信息与上下文四元组时序关联信息,增强嵌入模型对于细粒度时序信息的学习。将本文方法与已有的方法在两个公开的时序知识图谱数据集YAGO11k和Wikidata12k上进行了实验。实验结果表明,对于MRR(mean reciprocal rank)和Hits@k(k=1,3,10)指标,本文方法与已有方法相比都有一定的提升。