关于塔式网络矢量量化中格点的标号

在格型矢量量化中，用格点作为量化矢量，构成码书。为了存储或传输量化输出，必须对格点进行标号。我们在数据压缩课题研究中，对塔式网格矢量量化中格点的标号进行了探索，给出了常用的几种网络诸如ZL、DL、E8、A16等格点的标号算法。

基于金字塔式双通道卷积神经网络的深度图像超分辨率重建

针对深度图像分辨率低的问题,构建了一种金字塔式双通道深度图像超分辨率卷积神经网络。在金字塔的每一级,通过两个通道对低分辨率深度图像提取不同的有效特征,通道1为增强型残差结构,可以将丰富的图像细节传递到后面的图层,通道2将不同卷积层提取的特征连接起来作为此通道最后一层卷积层的输入,有益于局部特征和全局特征的结合。接着,通过将不同通道融合后的特征输入亚像素卷积实现超分辨率重建。实验结果表明,相比其他方法,该方法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。

塔式神经网络在人脸验证上的新应用

首先提出BP神经网络在人脸验证上的应用方法,并在Cs_PCA方法的基础之上,提出一种"Cs_PCA+塔式神经网络"的人脸验证新模型(Cs_塔式)。传统的神经网络受到输入样本维数大小的限制,必须经过各种降维处理才能加以训练,受各种降维方法的限制,在降维过程中会丢失相应的数据信息,因此验证效果受到影响。针对此种情况提出了Cs_塔式方法,利用同样的方法,普通BP网在Cs_PCA基础上,利用PCA方法降维构成Cs_BP模型,并且遵照LAUSANNE协议在ORL人脸库上与Cs_塔式模型进行了比较。结果表明,塔式网络有着更好的验证效果。

基于人才培养全过程的医药高校创新创业课程体系建设探索

医药高校创新创业教育应基于人才培养全过程构建课程体系,将其作为医药领域创新创业人才培养的媒介。建设医药高校创新创业课程体系要以学生发展和需求为中心,贯穿人才培养全过程,坚持第一课堂与第二课堂相结合,全员参与并凸显医药特色,全面完善创新创业课程体系,形成"理论课-实训课-实践课-创业实务"金字塔式课程体系网络,从理论知识、实践能力、创新思维和创业素养四个方面对学生进行重点培养,使其具备医药企业家的基本素质,有效提升医药创新创业人才培养质量。