Hadoop平台下大学生学习预警模型研究

将大数据技术应用到教育领域,利用高校长期积累的海量数据,预警大学生可能存在的学习问题。首先给出数据特征提取方法,提取数据特征,得出特征集合;其次提出特征选择方法,根据特征集合选择适合大学生学习预警的特征;然后根据教育大数据的特点和学习预警的需求,选用加权投票组合预警方法组合分类回归树、逻辑回归和贝叶斯等单一模型;最后为满足大数据处理的要求,采用Hadoop平台并行化处理组合预警模型,构建大学生学习预警模型。通过模型评估,证明该模型的准确率、灵敏度和特异性能满足学习预警要求。

一种基于三角数分解的可配置2-D卷积器优化方法

多尺寸2-D卷积通过特征提取在检测、分类等计算机视觉任务中发挥着重要作用。然而,目前缺少一种高效的可配置2-D卷积器设计方法,这限制了卷积神经网络(CNN)模型在边缘端的部署和应用。该文基于乘法管理以及奇平方数的三角数分解方法,提出一种高性能、高适应性的卷积核尺寸可配置的2-D卷积器。所提2-D卷积器包含一定数量的处理单元(PE)以及相应的控制单元,前者负责运算任务,后者负责管理乘法运算的组合,二者结合以实现不同尺寸的卷积。具体地,首先根据应用场景确定一个奇数列表,列表中为2-D卷积器所支持的尺寸,并利用三角数分解得到对应的三角数列表;其次,根据三角数列表和计算需求,确定PE的总数量;最后,基于以小凑大的方法,确定PE的互连方式,完成电路设计。该可配置2-D卷积器通过Verilog硬件描述语言(HDL)设计实现,由Vivado 2 022.2在XCZU7EG板卡上进行仿真和分析。实验结果表明,相比同类方法,该文所提可配置2-D卷积器,乘法资源利用率得到显著提升,由20%~50%提升至89%,并以514个逻辑单元实现1 500 MB/s的吞吐率,具有广泛的适用性。

基于CycleGAN的风格迁移系统设计与实践

针对现有风格迁移系统使用VGG16/VGG19或传统的纹理模仿导致的使用复杂和效率低下的问题,意在制作一个用户友好的、性能较强的、可互动性高的基于深度学习的风格迁移原型系统,以更好地普及大众使用及专业艺术领域创意创作。以印象主义风格为例,运用CycleGAN采用SSIM指标及用户主观评价进行效果衡量,结果表明,相比传统的VGG19均有不同幅度的提升,测试组最低提升29.33%,最高提升153.52%。此外,针对用户端开发了一个风格迁移原型系统,用户可以通过简单易用的界面实现手绘作品和上传图像的印象主义风格迁移。系统展示效果和用户体验得到了优化,并获得了用户积极的反馈,表明该系统在提升用户审美认识和计算机辅助设计领域具有巨大的潜力,可为未来审美教育和艺术创作提供新的思路。

人工智能项目式综合实验教学平台设计与实践

为满足人工智能领域对高级工程实践人才的需求,基于OBE的教学理念构建了以项目为驱动的人工智能综合实验教学平台。该平台通过“验证性实验→设计性实验→综合实践性实验”的递进式教学,强化学生的人工智能专业理论知识,培养学生主动学习能力和在真实应用情境中的实践技能。平台设计了人工智能算法仿真实验,嵌入式及AI边缘计算实验,人工智能综合创新实验的教学案例,覆盖了从基础理论到高级应用的全方位教学内容。教学实践表明,该平台有效地促进了学生在人工智能领域的专业成长,提高了学生解决实际问题的能力和创新思维,帮助学生更好地适应人工智能产业的快速发展和不断升级的需求。

基于关系的函数题目自动解析和解答方法

关系表示作为数学题目解答的基本问题而广受关注,而对于含有函数的题目解答,由于函数关系本身的复杂性以及表达方式的多样性,使得该问题超出了现有解题范围,为解答提出了新的挑战。针对这一问题,提出一种基于关系的自动解析和解答算法。扩展关系表示方式使其满足函数关系表示与计算的需要;通过改进句法语义模型和提出图形关系模式分别从文字和图形中提取关系;根据函数的模型化定义识别和提取函数关系;利用函数关系与数量关系进行等量代入,消除参数得到解答结果。对采集的数据集进行验证,与基于框架的基线方法相比较,该算法能够获得较好的结果,有效完成了83%的题目理解和66%的正确解答率。

基于AHP方法的线上线下混合教学质量评估方法

文章以提升线上线下混合教学模式实际应用效果为目的,研究基于AHP方法的线上线下混合教学质量评估方法。首先,构建线上线下混合教学质量评估指标体系,运用AHP(层次分析法),计算特征向量,确定各混合教学质量评估指标的权重系数;之后,引入信心指数评估各级指标,构建线上线下混合教学模式模糊综合评估矩阵,获取评估结果。实验结果表明:所研究方法可以准确评估教学质量,根据分析结果发掘当前教学中存在的问题,辅助提升线上线下混合教学效果。

基于WebGL的虚拟服装结构拆分展示系统研究

由于服装结构层次复杂,在基础学习和教学过程中很难通过观察来理解服装的完整结构。为此,本文提出一种基于WebGL的服装虚拟结构拆分展示技术,通过将虚拟服装模型在Web端拆分,来展示服装结构的部件细节信息。本文以合体女衬衫为例,利用CLO3D服装建模软件建立虚拟模型,导出为GLTF格式并进行轻量化处理,然后导入服装虚拟拆分系统,系统设计的聚类分组算法可以将服装附件组合到所属版片,做到被整体连带选择,使系统更好地呈现全部部件结构细节。初学者可以动态观察服装结构细节,交互拆分查看内部多层结构。

基于注意力变分自编码器的时序异常检测算法

基于时间序列的异常检测对于多领域的应用场景至关重要,目的是从时间序列的样本分布中识别出异常样本,设计该识别算法的根本挑战是学习一个能有效区分异常的表示。提出一种基于注意力变分自编码器的无监督时间序列异常检测算法,编码器采用卷积与自注意力机制进行特征提取、采用对称结构进行特征重建,通过隔离状态的数据集来计算重建损失从而确定异常阈值。通过与现有5种方法的对比实验表明,该方法在Precision、Recall和F1-score三个指标上均有提升,有效提升时间序列无监督异常检测的准确率。

变分资格迹元强化循环网络用于空间滚动轴承剩余寿命预测

针对经典时间循环神经网络(SRNNs)在预测时间序列中存在长时依赖的缺陷,同时由于遍历整个训练数据集进行现有监督式学习增加了时间复杂度,造成SRNNs在预测空间滚动轴承剩余寿命中存在预测精度和计算效率较低的问题,提出一种变分资格迹元强化循环网络(VETMRRN)。在VETMRRN中,构建新型时间循环网络结构以增大历史信息记忆量,并设计基于神谕门机制的元学习超参数自初始化网络来加速搜索VETMRRN的最优回顾序列长度;设计含有资格迹算子的变分自编码元策略梯度学习算法,以提高对VETMRRN参数的训练速度和全局优化效果。在此基础上提出基于VETMRRN的空间滚动轴承剩余寿命预测方法。首先采用Shapely值特征融合提取空间滚动轴承的性能退化特征;然后将性能退化特征输入VETMRRN中预测性能退化特征趋势;最后建立威布尔分布可靠度模型来预测空间滚动轴承的剩余寿命。该方法具有较高的预测精度、较好的泛化性能和较高的计算效率。最后通过空间滚动轴承剩余寿命预测实例证明了该方法的有效性。

基于策略梯度Informer模型的滚动轴承剩余寿命预测

典型的编码器-解码器——Transformer存在二次时间复杂度、高内存使用及模型结构复杂等固有限制,造成Transformer用于滚动轴承剩余寿命(RUL)预测会表现出较低预测精度和较低计算效率的问题。为此,提出一种新型编解码器——策略梯度Informer(PG-Informer)模型,并将其应用于滚动轴承RUL预测。首先,在PG-In-former的新型编解码器体系结构——Informer中设计了概率稀疏自注意力(PSSA)机制替代Transformer中原有的自注意力机制,以提高非线性逼近能力并减少时间和空间复杂度;然后,PG-Informer采用自注意力蒸馏(SAD)操作减少参数维度和参数量,并提高了对时间序列的预测鲁棒性;此外,PG-Informer的生成式解码器对解码输入进行一步解码输出预测结果,无需动态多步解码,提升了对时间序列的预测速度;最后,构造了策略梯度学习算法来提高对PG-Informer参数的训练速度。PG-Informer的以上优势使所提出的基于PG-Informer模型的滚动轴承RUL预测方法可以获得较高的预测精度、较好的鲁棒性和较高的计算效率。对辛辛那提大学智能维护系统中心的1号滚动轴承的RUL预测实验结果表明,所提出方法预测得到的RUL值为963min,其RUL预测误差仅为6.50%,比基于Transformer的RUL预测方法预测精度更高、预测误差更小、鲁棒性更好;所提出方法所耗费的RUL预测时间仅为132.37s,比基于Transformer的RUL预测方法的预测时间更短。以上实验结果验证了所提出方法的有效性。

推进考试领域智能化阅卷系统实施的挑战与对策

随着科技的不断进步和互联网的广泛应用,传统的人工阅卷模式正逐步转变为智能化阅卷模式。在考试领域实施智能化阅卷系统旨在提高阅卷效率、减少人为误差,并为教育教学改革提供支持。然而,该实施面临着一系列挑战。作者基于系统工程的学科特点,分析了目前推进智能化阅卷系统实施的困难与挑战,并提出了相应的对策。

基于深度知识追踪的个性化推荐编程实训系统建设与教学实践

在软件设计类实验课程中,过高的生师比使学生缺乏充分的教师个别指导。针对此问题,文章研究了基于深度知识追踪的个性化推荐学习方法,并应用于上机编程实训环节教学。该方法采用融合注意力机制的动态键-值记忆网络,对学生的历史编程实训答题记录进行建模;然后通过双向门控循环单元神经网络追踪学生编程能力水平随时间的变化;最后根据由多种学习属性构成的推荐度来生成个性化推荐方案。运用该方法建设的个性化推荐编程实训系统,能够为学生个体生成个性化的编程实训指导方案,支持学生独立自主地进行编程实训,尤其适用于大规模在线编程教育场景。

融入课程思政的大学生心理危机干预系统

为及时有效地干预有心理危机的大学生,本文设计了一个融入课程思政的大学生心理危机干预系统。系统能根据学生的特征预警其心理健康风险并给出心理干预策略。实际应用测试的结果显示,系统达到了设计目的,具有实际应用价值。

基于树莓派和Python的数字均衡器实验设计

传统的实时性数字音效处理系统主要基于DSP硬件平台进行开发,对于本科生而言开发难度和成本都较高,针对此问题,提出了基于树莓派和Python的数字均衡器综合实验设计方案。首先,提出了一种基于尖峰滤波器模型的均衡器方法;其次,从理论角度阐述了IIR数字滤波器形式的设计过程,并通过窗函数法转换为FIR数字滤波器;最后,借助树莓派数字音效处理系统,印证了实验方案的可行性和拓展性,提高了学生的理论应用能力和创新实践兴趣。

基于深度学习的体操错误训练动作识别方法

体操错误训练动作影响运动员身体稳定性,易对身体造成损伤。为此,提出基于深度学习的体操错误训练动作识别方法。通过选取合适像素深度阈值将图像目标和背景分离;凭借Hu矩获得体操训练完整动作矩形边框,计算每个框图内深度差像素;通过深度学习中空间图的卷积网络,建立骨架序列的时空动态模型;利用连续帧连接相应关键点建立图时间表达形式,划分骨架结构图并对比历史图像,完成体操错误动作识别。实验结果表明:所提方法可对体操错误动作实现精准识别。

融合注意力机制的时间卷积知识追踪模型

针对基于循环神经网络(RNN)的深度知识追踪模型存在的可解释性不足和长序列依赖问题,提出一种融合注意力机制的时间卷积知识追踪(ATCKT)模型。首先,在训练阶段学习学生历史交互的嵌入表示;然后,使用基于题目的注意力机制学习特定权重矩阵,从而识别并强化学生的历史交互对每一时刻知识状态不同程度的影响;最后,使用时间卷积网络(TCN)提取学生动态变化的知识状态,在这个过程中利用扩张卷积和深层神经网络扩大序列学习范围,缓解长序列依赖问题。将ATCKT模型与深度知识追踪(DKT)、卷积知识追踪(CKT)等四种模型在ASSISTments2009、ASSISTments2015、Statics2011和Synthetic-5这4个数据集上进行对比实验,实验结果显示,所提模型的曲线下面积(AUC)和准确率(ACC)均有显著提升,尤其在ASSISTments2015数据集上表现最佳,分别提升了6.83~20.14个百分点和7.52~11.22个百分点,并且该模型的训练时间与DKT模型相比减少了26%。可见,所提模型可以更准确地捕捉学生的知识状态,更高效地预测学生未来的表现。

基于个体特征的大学生心理危机干预策略研究

大学生心理健康问题日益突出,大学生心理危机干预显得尤为重要。大数据环境下,提取和选择大学生个体特征,重构知识点,优化知识库,采用基于个体特征的教学模式,对大学生心理危机进行个性化干预。首先采集多源学生数据,分布式存储预处理后的数据,进行高速计算、深度分析和挖掘;其次提取和选择满足大学生心理健康预警模型需求的特征,选取恰当的预警算法预警出心理危机的学生;然后利用互联网+和大数据技术,重构基于个体特征的知识库,构建个性化教学系统;最后利用该系统对有心理危机的学生进行干预。实验证明,该策略能够对大学生心理危机进行个性化干预,可提高大学生心理危机干预的准确率。

融合IRT的图注意力深度知识追踪模型

知识追踪,旨在根据学生的历史答题表现实时追踪学生的知识状态(知识的掌握程度)并且预测学生未来的答题表现。目前的研究仅仅探索了问题或概念本身对学生答题表现的直接影响,而往往忽略了问题及包含的概念中存在的深层次信息对学生答题表现的间接影响。为了更好地利用这些深层次信息,一种融合项目反应理论的图注意力深度知识追踪模型GAKT-IRT被提出。模型将图注意力网络应用于知识追踪领域,取得了显著的提升效果,并使用IRT增加了模型的可解释性。首先,通过图注意力网络层获得问题的深层次特征表示;接着,根据结合了深层次信息的学生历史答题序列对学生的知识状态进行建模;然后,使用IRT对学生未来的答题表现进行预测。在6个公开真实在线教育数据集上的对比实验结果证明了,GAKT-IRT模型可以更好地完成知识追踪任务,在预测学生未来答题表现上具有明显的优势。

基于数学形态学的零样本低照度图像特征增强方法

在低照度环境下拍摄的图像往往存在严重的噪声和细节模糊等问题,会给后续的图像细节分析和处理带来困难。为此,提出基于数学形态学的零样本低照度图像特征增强方法:以超像素合成的高质量正常曝光图像作为参照图像,使用半软阈值指数衰减法优化小波去噪,完成低照度图像的去噪预处理;通过膨胀和腐蚀操作提取低照度图像特征结构元素;采用盒式滤波求解低照度图像积分反射分量;通过全局零样本迭代学习增益完成低照度图像特征的增强处理。经实验测试,此方法的去噪和特征增强效果较好,能够有效提升低照度图像的视觉质量。

新能源汽车能量回收教学实验台构建研究

设计研究了满足实训项目教学的新能源汽车能量回收系统教学实验台。以新能源车比亚迪E6作为测试车辆,测试各工况下汽车电机、电池性能和能量回收系统特性,监测到的数据能直观反映新能源汽车电机、电池性能和能量回收特性,满足教学需求。