ON THE PERFORMANCE OF DATA-DEPENDENT SUPERIMPOSED TRAINING WITHOUT CYCLIC PREFIX FOR SISO/MIMO SYSTEMS

Compared with channel estimation method based on explicit training sequences,bandwidth is saved for those methods using superimposed training sequences,while it is wasted when Cyclic Prefix(CP) is added.In previous work of McLernon,the Mean Square Error(MSE) performance of Data-Dependent Superimposed Training(DDST) without CP for Single-Input Single-Output(SISO) system was analyzed under the assumption that the data-dependent sequence matrix was a circulant matrix and not interfered by others.In fact,for the system without CP,the data-dependent sequence matrix is not circulant any more and will be interfered.This paper derives the exact expression of MSE for the system without CP and also gives its extension to Multiple-Input Multiple-Output(MIMO) system without CP.

基于画像技术的教师研修路径智能推荐研究

教师是教育的第一资源,研修是促进教师专业发展的重要方式。在大数据、数字画像等新技术赋能下,优化教师研修路径以提升教师发展质量变得尤为重要。文章构建了多模态数据和画像技术支持的教师研修路径智能推荐模型,包括数据伴随式采集分类与预处理、教师画像生成、研修路径算法三个模块,实现教师研修特征与优质研修资源的智能匹配。在教师研修路径动态优化方面,模型通过提供基于画像的个性化导研服务、基于知识图谱的资源关联推荐、基于群体智能的群体路径发现、基于目标导向的过程评价和基于研修行为的智能预警,满足教师的个性化研修需求,为发掘研修数据潜能、促进教师智能研修模式创新提供参考。

大数据时代空间信息与数字技术专业建设探讨

面对大数据时代“空间信息与数字技术”专业建设的挑战,如何适应经济社会发展的人才需求,培养兼具“信息技术”+“领域知识”的“空间信息与数字技术”专业的复合型人才,是该专业持续建设需要着重探讨的问题。从创新“3332”人才培养模式、重构“信息技术+领域知识”的课程体系、构建“基础-综合-创新”相结合的实践教学体系三方面对该专业的建设问题进行了探讨,给出了与之对应的专业建设的具体措施、路径与办法,以期为大数据时代“空间信息与数字技术”专业建设和人才培养提供参考,以满足国家战略对该专业高层次复合型人才培养的需求。

面向多源异质遥感影像地物分类的自监督预训练方法

近年来,深度学习改变了遥感图像处理的方法。由于标注高质量样本费时费力,标签样本数量不足的现实问题会严重影响深层神经网络模型的性能。为解决这一突出矛盾,本文提出了用于多源异质遥感影像地物分类的自监督预训练和微调分类方案,旨在缓解模型对于标签样本的严重依赖。具体来讲,生成式自监督学习模型由非对称的编码器-解码器结构组成,其中深度编码器从多源遥感数据中学习高阶关键特征,任务特定的解码器用于重建原始遥感影像。为提升特性表示能力,交叉注意力机制模型用于融合异源特征中的信息,进而从多源异质遥感影像中学习更多的互补信息。在微调分类阶段,预训练好的编码器作为无监督特征提取器,基于Transformer结构的轻量级分类器将学习到的特征与光谱信息结合并用于地物分类。这种自监督预训练方案能够从多源异质遥感影像中学习到刻画原始数据的高级关键特征,并且此过程不需要任何人工标注信息,从而缓解了对标签样本的依赖。与现有的分类范式相比,本文提出的自监督预训练和微调方案在多源遥感影像地物分类中能够取得更优的分类结果。

生成式人工智能数据训练的法治基调及展开

数据训练是保证人工智能应用高质量落地的核心。随着生成式人工智能大模型产品的广泛应用,数据训练过程关涉用户基本数据、各主体行为轨迹及多元主体复杂的权益变动,这可能对市场竞争、企业创新甚或国家安全产生负面影响。基此,需确保数据来源的合法性,提升数据质量的可信度,遵循数据来源合法—数据质量可信—数据价值释放的基本要求对标数据训练的不同阶段。在数据计算与应用阶段,应注意深度合成技术带来的训练数据污染和运行数据异常问题;在数据开放和共享阶段,应全面准确审视个人信息保护风险和知识产权侵权风险,遵循科技发展的规律,平衡技术可及性、实践可行性以及价值正当性之间的关系,在夯实安全发展的基础上为创新发展预留空间。为此,生成式人工智能的数据训练应以安全为底线,在优化协同监管架构及方法的同时促进创新发展,并兼顾多元主体的正当权益。

大数据背景下船员培训驾驶舱平台设计与实现——以浙江国际海运职业技术学院船员培训为例

以大数据时代为背景,以浙江国际海运职业技术学院船员培训系统为例,设计并实现了一套基于大数据的船员培训驾驶舱平台。通过引入Hadoop、Hive、Spark等大数据技术实现了船员培训数据的采集、分析和可视化展示。该平台的设计目标在于提升船员培训效果,通过大数据存储分析技术对培训项目、人次、计划等数据进行采集和分析,形成主题评估及数据对比,为管理层决策提供支撑。详细介绍了平台的总体架构、环境准备、数据导入、清洗、处理、持久化和可视化等关键步骤,强调了数据处理的全流程。

深部地层智能压井多解性分析与优化策略

开发深部地层油气资源时普遍存在地质条件复杂、钻井周期长和井筒压力控制困难等问题,采用智能压井方法结合多源实时信息反馈,可实现井筒内气液分布状态和压力变化规律的实时预测与更新,但不同修正系数组合可能得到相同的压力计算结果,导致模型存在多解性难题。为此,分析了不同历史时间节点解空间形态的演变规律,揭示了模型多解性的本质源于少量数据约束下模型训练的不完善性;并对应建立了基于实时信息序列的模型全局训练优化方法及动态随机种群训练优化方法,测试了其对于模型全局最优解的搜索能力及适用条件。测试结果表明,全局训练优化方法在压井初期能够实现精准调控,但计算耗时较长;而动态随机种群训练优化方法在压井初期与预期值略有差异,但计算耗时较少。根据可用计算资源情况选择合适的训练优化方法,可实现多源实时数据约束下模型关于井筒气液流动规律的深度学习。

“多元基础、分路径培养”的物流大数据应用型人才培养创新与实践

该文从人才培养模式创新、产教融合提升人才培养质量视角,对大数据本科专业应用型人才培养的多元学科专业基础和培养路径做出分析,进而以物流大数据专业群应用型人才培养为例,通过实施文理文工融合改革思路构建物流大数据复合知识体系,建设“多专业+多课程+多层次+多要求”的大数据实践实训平台、多学科专业融合互促的泛在化教学体系和深化产教研融合,形成多元基础分路径培养的人才培养思路并应用实践。通过物流大数据人才培养改革创新与实践,2021—2023年文理文工融合人才培养模式获得认可,教学成果突出,促进学科专业资源整合,形成“资源-名师-成果”互促上升的发展路径,人才培养质量显著提升,社会认可度提高。

大语言模型“数据为王”:训练数据的价值、迷思与数字传播的未来挑战

伴随着ChatGPT的问世和流行,关于生成式人工智能的意涵和影响迅速成为学界和业界的关注焦点。在这场由大语言模型引领的非监督性深度学习浪潮中,一个核心议题就是训练数据。对训练数据的规模和质量的追求,演绎了“万模大战”形势下的“数据为王”法则。而在训练数据的价值、功能和误读的背后,是对数据概念的改写、对数据可供性的迷信和对数据所有权的争夺。训练数据的具体架构和内部机制引发了智能传播生态的重建和信息生产秩序的重构,在这一变革之中也蕴藏着大语言模型时代的数字危机,其具体体现为蒸馏式传播的偏见再生产、过滤式传播的信息保守化和随机性传播的意义之消散。大语言模型及其训练数据急需破除规模迷思,着重思考如何让数据切实成为社会技术系统的一部分。

生成式人工智能训练数据的风险与治理研究

生成式人工智能技术目前正处于蓬勃发展时期,但其在训练数据收集和处理时,潜在的合规、泄露和偏见等风险时刻威胁着生成式人工智能技术的健康发展、扰乱社会秩序,成为生成式人工智能治理必须解决的问题。我国目前对生成式人工智能训练数据风险治理既有政策支持,又有法律保障。在这些基础上,行政机关可以建立生成式人工智能基础模型信息库,预防训练数据合规风险;也可以开发、使用合成数据,扩大训练数据来源,规避训练数据泄露风险;还可以通过适当细化训练数据审核制度和逐步实施生成式人工智能企业数据信用制度的方式,规范生成式人工智能训练数据使用行为,降低风险发生概率。

招聘大数据分析在优化人才培养方案中的应用

通过探索开放性、交互性、动态性的分析模式,对招聘大数据进行采集、分析、可视化,追踪人才需求变动趋势,刻画行业企业的需求特征,提炼人才培养的职业素养,以适应经济发展、产业升级和技术进步对人才的需求。依据招聘大数据的特征分析,从发展的角度对人才培养、课程体系、教学内容进行持续性的优化,从而推进专业设置与产业需求对接、教学过程与生产过程对接、课程内容与职业标准对接。

TS-Aug架构的半监督自训练情感分类算法

网络教学资源的普及使得资源评价的文本数据规模逐步增大.传统的有监督学习文本分类对标注数据的依赖度较高,需要足够的数据量和高质量数据才能得到良好的结果.在网络教学资源的评价文本工作中,由于标注数据难以获取且质量参差不齐,使得这一任务的难度越来越高.针对这一困难,提出一种TS-Aug半监督自训练方案,通过添加无标签数据并进行伪标签训练,能在强力数据增广的作用下大幅扩充样本集,解决数据增广中的过拟合风险.首先利用标注数据和弱增广策略进行初始化监督训练,然后利用无标注数据和强增广策略进行半监督训练,最后使用标注数据进行微调监督训练.在自建的在线课程评论数据中,能将分类F 1-Score从0.88提升至0.95,表明TS-Aug半监督自训练方案在文本分类任务中具有较好的应用前景.

新质生产力与数字新农人培育:耦合逻辑、现实困境与破解策略

新质生产力是创新起主导作用,符合新发展理念的先进生产力质态,呈现以生产要素创新配置为基本内涵,数据作为关键要素进入生产函数;彰显人的本质力量,劳动者是核心影响因素和主体动力源;以科技创新为驱动力,新产业新模式新业态是其主要表现形态等新特征。基于新质生产力、数字新农人与职业培训之间耦合逻辑分析发现,数字新农人是新质生产力形成和发展的关键变量,而新质生产力与职业培训双向驱动助力数字新农人培育。基于职业培训在数字新农人培育中存在的承载数字新农人培育的职业培训体系不健全;承接数字新农人培育的培训机构效能低下;承担数字新农人培育的主体参与度低等诸多现实困境。构建新质生产力语境下的数字新农人培育体系需要从构建发达的职业培训供给体系,打通制约数字新农人培育的堵点;分类设计“数字+N型农民”培育方案,实施数字新农人差异化精准培训;以数字技术嵌融职业培训,营建数字新农人培育教学实践场景;顶层设计数字新农人培育工程,助推职业培训配套制度和政策的创新供给等方面实施。

基于OBE理念的高职大数据与会计专业人才培养模式创新策略

以高职大数据与会计专业人才培养工作为研究对象,在OBE理念下,围绕高职大数据与会计专业人才培养模式创新展开分析。对OBE理念的概念进行阐述,对现阶段高职大数据与会计专业人才培养存在的问题进行了系统性的梳理,对OBE理念指导下的该专业人才培养模式实施要点进行了介绍,提出了基于OBE理念的高职大数据与会计专业人才培养模式创新策略。

1+X证书制度下大数据与会计专业建设探究

高职院校作为高等职业教育和1+X证书制度试点的主要阵地,应积极探索1+X证书制度实施的路径,重构大数据与会计专业课程体系,优化专业人才培养方案,创新人才培养和职业技能培训模式,加强师资队伍建设,加强校企合作,实现精准育人和高水平育人。

工业机器人教学实训平台的AR可视化应用设计

工业机器人教学实训平台运行机理较为复杂抽象,学生无法在有限的实训时间内完全理解平台整体运行机理,难以安全高效地完成实训任务。针对上述问题,提出以多层次架构设计实训平台AR可视化应用,在Unity3D中实现原型系统开发。通过KEPServerEX获取多源设备数据,以标志物注册配合空间锚点技术实现平台模型的跟踪注册。在Holo Lens2设备上将平台结构信息、运行状态以及操作指引等内容实现AR可视化,学生可通过手势、视点等多元手段获悉平台状态与实训指引。实践表明,工业机器人教学实训平台AR可视化应用能帮助学生把控平台运行状态,安全高效地完成实训任务。

校企融合视域下的高校大数据专业人才培养模式研究

从大数据专业课程系统化教学知识体系建设、复合型人才培养的角度出发,由高校、社会企业联合建构“校企融合”立体化实践教育模式,依托企业大数据产业服务链组建融合教学团队、创设产教融合教育情境。由复合型教师队伍组织设计弹性化教学知识、网上网下实践教学模式,展开课堂专业理论知识、实验实训及竞赛案例、校企合作项目实践的全面综合性教学,指导学生完成对教材知识体系、课外实践项目的认知与实践,做好产学融合实践教育成果的监督和评价,有效提升大数据专业人才的培养效率与质量。

基于OBE理念的大数据与会计专业人才培养路径优化策略分析

在信息技术不断发展的当下,传统会计工作方式已经不适应当前各大企业的经济发展模式。同时企业对会计人才的要求也不仅限于会计专业能力,而是更趋向于对会计人才综合素养的要求。将OBE理念应用于大数据与会计专业人才培养,要求高等院校以成果为导向,不断优化大数据与会计专业课程体系及人才培养方案,从而培养更加符合社会发展要求的大数据与会计专业人才。基于此,文章简单分析了OBE理念下大数据与会计专业人才培养目标,探讨了当前大数据与会计专业人才培养困境,围绕基于OBE理念的大数据与会计专业人才培养路径提出了几点优化策略。