大数据时代高职院校网络思政教育精细化探究

大数据、云计算、物联网、区块链、人工智能等新一代信息技术的集成运用,为高职院校网络思政教育带来新的机遇与挑战,本文以马克思主义理论为指导,运用教育学、计算科学、管理学等学科综合性研究的理论视角,剖析高职院校网络思政教育存在的现实矛盾,提出网络思政教育精细化的概念,尝试探索出大数据时代高职院校网络思政教育精细化的三大路径,为大数据时代高职学生思想政治教育工作提供可遵循的实践范式。

加强网络接入管理促进网络管理精细化

校园网络接入管理方案和综合布线系统、网络设备等有密切关系,针对校园的不同功能区可根据综合布线的情况实施不同网络接入方案,加强网络接入管理可以让网络管理向网络用户接入端口延伸,使得网络管理更加精细化。

物理成像模型的分解合成循环细化去雾网络

为了充分挖掘雾天成像时的先验信息和物理参数间的约束关系,提高去雾算法的精度,本文提出了嵌入物理成像模型的分解合成循环细化网络以实现图像去雾。不同于已有的去雾算法,它包含透射率估计分支和清晰图像估计分支,且两分支均使用嵌入循环单元的多尺度金字塔编码解码网络框架来实现,具有能加强循环间信息交流、充分利用多尺度上下文特征的优点。考虑到透射率与场景深度和雾气浓度有关,可将透射率视为雾浓度先验,引导清晰图像估计分支循环细化去雾结果;而清晰图像中包含场景的深度信息,可将其视为深度先验,引导透射率估计分支预测及循环细化透射率。每次循环时,两分支估计的透射率和清晰图像进一步合成雾图,循环作为网络的输入,以确保透射率和清晰图像的估计结果满足物理成像模型的约束。实验结果表明算法在合成雾图及真实图像上均能取得较好的去雾效果,在视觉评价和客观评价方面均优于现有的去雾算法,单张雾图的处理时间仅为0.037 s,能有效用于图像去雾的工程实践中。

基于注意力机制的人体姿态细化网络

人体姿态估计任务依赖于视觉线索和关节间的解剖关系来定位关键点,现有的大多数基于卷积神经网络的方法能非常好地捕获视觉线索,但由于卷积操作感受野受限,往往难于关注远程上下文线索.针对上述问题,提出一种基于注意力机制的人体姿态细化网络,打破卷积神经网络固有的局部操作,扩大网络感受野,对远距离关节依赖关系进行建模.同时,由于网络在训练过程中会弱化不可见关键点,为解决此问题,使用焦点损失函数,使网络更关注于复杂关键点,如膝盖、脚踝等,加速模型收敛速度,提升网络识别能力.在同等实验条件下,分别使用目前精度最高的特征提取网络HRNet与经典特征提取网络ResNet做主干网络进行实验,以证明细化网络的鲁棒性.在人体姿态估计基准数据集MPII上表明,细化网络可以提升人体姿态估计网络性能.

基于DPI的网络精细化管控技术研究

传统DPI技术通常被应用在网络安全领域。目前,DPI技术的发展态势使得对于DPI技术在网管方面的应用的研究迫在眉睫。本文介绍了DPI技术和IP业务控制等关键技术,并提出了基于DPI的网络精细化管控技术架构。

访问控制列表ACL在网络精细化管理中的作用研究

近年随着高校校园网络规模的增长,随之而来的管理和安全问题日益凸显,其管理模式也必将向可控化、精细化模式方向发展。基于访问控制列表的校园网络控制技术可以满足网络精细化管理的需要。在简要介绍ACL基本概念及其工作原理的基础上,文章结合实例通过配置ACL规则研究了ACL在网络精细化管理中的作用,探讨了ACL在网络精细化管理中的作用和意义。

胜利油田综合信息网网络精细化管理系统研究和实现

随着胜利石油管理局信息化进程的推进，网络技术的发展以及internet的迅速普及，网络规模不断扩大，复杂性不断增加，异构程度越来越高。同时，油田的关键业务对网络的性能要求不断增加，网络管理的内容越来越多。现在，一个有效的和实用的网络一刻也离不开网络管理。网络管理技术已经成为重要的前沿技术，本文详细介绍基于传统的网管平台IP OPENVIEW的胜利网管系统SLNMS的设计和实现。

基于通信企业细化网络单元核算的价值经营研究——以广西联通为例

创新的管理模式是企业保持竞争力的不竭动力。成本存在于企业业务经营的每个环节,不同的管理模式与管理方法会对企业资源计划与配置产生不一样的组合效果,需要建立更适应经济趋势的管理模式,做到价值经营。因此,推进建立基于业务量的网络价值经营体系,用效益管理牵引运维工作变革,是当今通信企业实现健康发展和业务持续增长的重要突破口。以广西联通为例,以构建细化网络单元核算模型为研究对象,解析广西联通细化网络单元核算体系搭建方式及实践措施,以及其对网络价值经营的深远影响,论证细化网络单元核算的必要性,为通信企业实现网络价值经营管理提供借鉴。

精细化网络流量分析的作用

网络安全问题是现代社会中的重要问题。随着网络技术的发展,网络攻击手段也日趋复杂和隐蔽,传统的网络安全防护方法已经无法满足对抗各种恶意攻击的需求。而网络流量分析作为一种关键技术,被广泛应用于网络安全防护、网络优化以及网络监管等领域。精细化网络流量分析是一种能更加精准地分析网络流量,并定位网络安全问题的技术,它能通过对网络流量的深入挖掘和分析,发现并防范隐藏在网络背后的威胁。因此,精细化网络流量分析具有非常重要的意义。

基于改进级联细化网络的语义图像合成

针对级联细化网络(cascaded refinement networks,CRNs)存在合成图像不完整、语义信息丢失、合成的图像颜色差异大的问题,提出一种改进级联细化网络的语义图像合成方法.在级联细化网络中用空间自适应归一化[spatially-adaptive(de)normalization,SPADE]代替层归一化,通过空间自适应的学习调节归一化层中的激活,从而使语义信息更加完整;引入平滑L 1损失函数,减少输出图像和对比图像间的颜色差异;引入可学习的空间自适应归一化,增加网络参数的存储容量,能够学习更多的语义信息,使合成的图像质量得到提升.在Cityscapes数据集和GTA5数据集上的试验结果表明:该方法的平均交并比和像素准确性分别比CRNs的提升了31.4%和7.4%,弗雷歇初始距离比CRNs的降低了16.3%.

小浪底2号进水塔工作门段预应力分析

利用 8～ 2 1节点块体单元离散了小浪底 2号进水塔 ,针对工作门段 4种不同方案进行了应力分析 .计算表明 ,预应力方案Ⅰ到方案Ⅲ降低拉应力的程度在 5 %和 10 %之间 ,其降低拉应力程度最大的方案Ⅱ达到 9.2 % ,方案Ⅱ是最优的预应力锚束布置方案 .但就预应力方案来讲 ,拉应力的降低程度不大 ,采用预应力工程措施降低工作门段侧墙区域拉应力的效果不明显 ,不适用于大型箱型进水塔结构 。

基于场矩阵分解机和CNN的点击率预测模型

点击率预测是在线广告和推荐系统的基本任务之一.主流模型通常通过对高阶和低阶特征进行特征交互建模来提升性能和泛化能力.然而,许多模型往往仅学习每个特征的固定表示,而忽视了特征在不同上下文中的重要性,并且一些模型结构过于简单.因此,本文提出了特征细化卷积神经网络融合场矩阵分解机(FRCNN-F)模型,以解决这些问题.首先,在特征细化网络(FRNet)中融合了卷积神经网络的特征生成模块,利用其在局部模式下重新组合生成新特征的优势,提升了重要特征选择能力.其次,设计了场矩阵分解机,使模型能够感知上下文并通过不同场的交互进行显示建模,从而增加了子模型的组合方式.最后,通过在Frappe和MovieLens两个公开数据集上对比实验,实验结果表明,FRCNN-F模型相比基线FRNet在AUC得分分别提升了0.32%和0.40%,交叉熵损失函数Logloss分别降低了1.50%和1.11%.该研究对于实现广告的精准投放和个性化推荐具有实际应用的价值.

基于无线传感器网络定位技术的图书馆智能管理创新

"互联网+"时代,信息技术的发展对图书馆的智能化管理工作提出了更高的要求。文章概述了无线传感器网络与定位技术,重点讨论了如何将WSN定位技术运用到图书智能管理,通过定位技术与大数据、云计算等信息技术的结合,推动图书馆智能系统建设和智能化发展。

基于改进YOLOv4算法的轮毂表面缺陷检测

汽车轮毂加工过程中产生的表面缺陷严重影响整车的美观性及服役性能,针对人工检测效率低、漏检率高的问题,提出一种基于改进YOLOv4算法的轮毂表面缺陷检测方法。构建了轮毂缺陷数据集,其包含6种表面缺陷,由2346张4928×3264 pixel的图像组成;采用K-means方法进行先验框聚类,并针对YOLOv4算法在纤维、粘铝等小尺度缺陷上检测精度不足问题,在原网络Neck部分引入细化U型网络模块(TUM)和注意力机制,用于增强有效特征并抑制无效特征,强化多尺度特征提取与融合,改善特征处理过程中可能存在的小目标信息丢失问题;基于该数据集,训练并测试不同算法的缺陷检测性能并验证改进模块的有效性。结果表明,该方法大幅提升了粘铝等小尺寸缺陷的检测能力,缺陷检测平均精度达到85.8%,与多种算法相比较检测精度最高。

基于关联策略的CTR-GCN人体骨骼行为识别

针对骨骼的人体行为识别中表达人体的重要信息的关节点分区策略不能够充分表达行为的问题,提出了一种关联策略的CTR-GCN人体骨骼行为识别模型。首先,通过在智能信道拓扑的细化图卷积网络模型(CTR-GCN)上增加关联策略,能够动态地学习不同的拓扑结构和高效地在不同信道中放大连接点特征,同时提升关键关节点的关联特性;然后,网络模型通过学习一个共享的拓扑并且用特定的信道关系来重新定义每一个信道并通过理论分析统一模型;最后,重新定义模型结构。信道内部局部节点的关联信息得到有效体现,对细微的动作识别具有更强的聚合能力。提出的关联策略的智能信道拓扑图卷积网络模型(ASCTR-GCN)在基于智能拓扑细化卷积网络的基础上比CTR-GCN方法增强了关节点之间内在的关联性,大大提高了骨关节点信息在空间上的识别精度。实验结果表明,在常用的NTU RGB+D和NW-UCLA数据集中识别精度分别达到93.6%(X-View)、97.6%(X-Sub)、97.2%(Top 1),准确率得到提高。

复杂场景下的行人跌倒检测算法

随着人口老龄化程度的不断深化,跌倒检测成为医疗与健康领域的一个关键问题。针对复杂场景下跌倒检测算法准确率偏低的问题,提出一种改进的跌倒检测模型——PDD-FCOS(PVT DRFPN DIoU-Fully Convolutional One-Stage object detection)。在基准FCOS算法的骨干网络中引入金字塔视觉转换器(PVT),以不增加计算量为前提提取更丰富的语义信息;在特征信息融合阶段插入双重细化特征金字塔网络(DRFPN),更加准确地学习特征图之间采样点的位置和其他信息,并通过上下文信息捕获特征通道之间更准确的语义关系,从而提升检测性能;训练阶段采用距离交并比(DIoU)损失进行边界框回归,通过优化预测框与目标框中心点的距离,使回归框收敛得更快更准确,从而有效提高跌倒检测算法的准确率。实验结果表明,所提模型在开源数据集Fall detection Database上平均精确度均值(mAP)达到82.2%,与基准FCOS算法相比,所提算法的mAP提升了6.4个百分点,且相较于其他主流目标检测算法有精度上的提升以及更好的泛化能力。

基于监督注意力机制的语义标签生成图像

由于卷积神经网络内部存在局部连接,通过学习局部特征,模型能够较好地生成纹理风格信息,但是对高级语义特征的学习能力较差,导致生成图像中语义目标出现模糊失真的现象。为提高神经网络的全局特征处理能力,使生成图像中的语义目标更清晰真实,本研究提出一种监督注意力机制应用于端到端结构的级联细化网络图像生成模型。对第一级精细化模块输出的多维低分辨率大感受野特征和语义标签内多维语义特征做特征融合,加强网络内部多维特征之间的全局一致性,通过语义布局指导模型从全局信息中生成真实感图像,提升了由语义标签生成图像中语义目标的清晰度和真实性。将级联细化网络图像生成模型在Cityscapes验证集语义标签上得到的生成图像语义分割平均像素精度提升了8.6%,mIoU精度提升了26.7%。

SDWAN技术在教育专网的应用

江西省“十四五”教育事业发展规划,推动智能时代教育创新,坚持教育信息化“四个一”工作思路,加大教育新基建投资力度,构建数字教育资源公共服务体系,全面提升师生信息素养,促进信息技术在教育教学中的深度应用,推进优质资源开放共享,构建“互联网+教育”新生态,支撑引领教育现代化。(“四个一”指“一条路”(加快教育专网建设)、“一批车”(打造各类优质教育资源和教育教学应用软件)、“一朵云”(遴选建设一批云应用)、“一批机制”(完善体制机制))。方案对提升教师与学生的信息化方案做出全方位描述,旨在加深信息技术在教育教学中的应用。同时,该方案根据开放并共享优质的资源,构建“互联网+教育”的新生态系统,以支持和加速教育的现代化进程。

Debinding of stainless steel foam precursor with 3-D open-cell network structure

The thermal debinding behavior of stainless steel foam precursor in vacuum was studied and compared with that in hydrogen.The formation cause of pore channel was analyzed.The experiment results show that the binder removal rate in vacuum is higher than that in hydrogen.In vacuum,the organic compounds can be removed effectively without change of pore size and the pore morphology for the sample.After pre-sintering,some sintering necks form and the sample has certain intensity.The initial surface pore forms with the temperature increasing at first,and then the internal melting binder is aspirated to form initial pore because of the capillary force and the metal powders re-arrange with the migration of binder at the same time.

Improving Refinery Profits via Fine Management of Hydrogen Networks

Hydrogen network management is important to refineries. Various systematic management techniques have been developed to improve the efficiency of refinery hydrogen networks. However, existing methods all treat the hydrogen network separately. The tradeoff between hydrogen network cost and oil processing network benefit has not been explored in the hydrogen network management yet. A novel sensitivity analysis scheme is presented to take oil processing network into consideration. Oil processing unit which is sensitive to both oil processing networks and hydrogen networks is identified first. Then, sensitivity analysis of the unit around the operating point of oil processing networks and hydrogen networks is carried out. Finally, the overall optimal operating condition is obtained. An example of a real Chinese refinery demonstrates the effectiveness of the proposed analysis method.