基于Spark模型的路段行车时间计算方法

近年来,高清摄像头广泛应用于城市交通系统,产生了大量交通卡口过车数据集。该数据集为路段行车时间计算提供了一个良好的数据源。但是,由于该数据集规模较大,现有算法通常采用MapReduce大数据并行模型进行计算以提高效率。然而,现有基于MapReduce模型的路段行车时间计算方法采用两作业迭代完成,两作业之间存在涉及大规模磁盘数据存储,额外消耗了时间,导致性能下降。为此,文章提出一种基于Spark大数据模型的路段行车时间Spark-CoRLTT计算方法,该方法通过1次作业完成计算,避免了额外磁盘数据存储,节约了计算时间。实验证明,文章提出的算法在数据规模较大的情况下,计算性能显著提升。

基于Spark大数据计算模型的多种群并行进化遗传算法

由于经典SPGA缺乏多种群并行进化能力,当问题规模较大时,计算效率偏低。为此,深入研究Spark大数据计算模型并行机制与多种群并行进化机制的潜在关系,将多种群并行进化机制引入经典SPGA,形成一种新的SPGA——MPE-SPGA;将提出的算法应用于TSP,选取EIL51、CH130和TSP225三种数据集,分别代表小型、中型和大型数据集。实验结果表明,提出的MPE-SPGA在小型数据集上计算时间比原算法减少3%,计算性能有小幅提升;在中型和大型数据集上,计算时间分别减少了22%和31%,性能提升显著。

基于Spark大数据计算模型的遗传算法深度前馈神经网络训练算法

新兴的Spark大数据并行计算模型为实现遗传算法深度前馈神经网络数据并行训练提供了一个可能的选择。但是,Spark模型有其特有的数据编码规则和转换规则,目前尚无成熟方法在该模型上实现GADFNN训练。为此,研究了Spark模型的数据编码和转换规则与GADFNN训练的内在关系,提出一个基于Spark模型的GADFNN训练算法——Spark-GADFNN。实验表明,提出的Spark-GADFNN训练算法在中、大规模数据集上,训练时间分别缩短为传统算法的18.18%和16.67%。

Spark并行化基于物品协同过滤算法

针对传统的基于物品(Item-Based)协同过滤算法处理海量数据时耗时过长和效率低下问题,提出基于Hadoop分布式平台以及Spark并行计算模型的Item-Based协同过滤算法。综合考虑推荐系统的执行效率和推荐质量,通过对ItemBased协同过滤算法的改进,实现一个Spark并行化的音乐推荐系统。选取部分KDD Cup比赛数据集在推荐系统中进行测试,为目标用户生成音乐推荐结果和评定推荐误差,实验结果表明,改进后的算法在执行效率和推荐质量方面有了显著提高。

国际生成式人工智能教育应用创新——全球人工智能学习和教育研究联盟之“人工智能赋能学习者会议”综述

生成式人工智能作为一项类似于“电力”的通用技术,正在全球范围内引发智能化变革浪潮。教育领域如何面向生成式人工智能开展教育教学创新是时代赋予教育研究者和实践者的挑战。研究基于全球人工智能学习和教育研究联盟召开的人工智能赋能学习者会议的核心内容,构建了生成式人工智能教育应用创新框架,从理念、实践和共识三个层面系统展现国际生成式人工智能创新体系结构。理念层拥抱生成式人工智能创新文化,实现从制度、育人理念到教与学方式等多个层面的理论创新与认知迭代。教育领域人工智能技术采纳模型、生成式人工智能素养模型和生成主义数字教育框架分别为生成式人工智能教育应用提供了组织保障、素养培养和实践指南方面的理论支持。实践层各类实践创新要坚持以个性化/人性化学习体验为核心,围绕教育场景中的实践问题,开展创新实践和应用推广。当前国际上六类典型实践案例,分别为:(1)生成式人工智能支持网络和物理空间协同学习;(2)大语言模型推动智能导师系统应用推广;(3)生成式人工智能增强沉浸式平台和同伴支持促进脑健康;(4)大语言模型支持自动试题、干扰项和反馈生成;(5)智能学习路径规划和个性化学习支持提供;(6)亲和力小组实践推进高校生成式人工智能应用。同时,会议还形成了六大共识:(1)认识生成式人工智能教育应用创新的特殊性;(2)信任是从消极拒绝走向积极应用的前提;(3)发挥人的主导作用应对认知停滞与去人性化;(4)重视应用中的数据泄漏和安全伦理风险;(5)消弭新的数字鸿沟和结构性不平等;(6)建立人工智能开发和应用新标准。研究对生成式人工智能教育应用创新研究的梳理可为我国生成式人工智能教育应用理论与实践提供参考。

基于ESG的高校可持续发展教育实践优化

本文根据ESG相关内容在商科可持续发展教育中的意义和价值,提出基于ESG的可持续发展人才胜任素质模型,即“星火”(SPARK)模型,认为ESG人才需具备ESG价值理念判断力、ESG市场洞察力、ESG评级分析应用能力、ESG理论与实践整合协调能力、ESG知识与相关政策理解力。进一步分析目前高校在可持续发展教育实践方面存在的问题,发现其在课程设置、教学资源、师资力量、实践环节和评估体系等五个方面存在不足。对此,结合“星火”(SPARK)模型为高校未来可持续发展教育中的ESG人才培养提出相关优化建议,以形成一套我国高校基于ESG的可持续发展人才培养体系。

以大数据为基础的挖掘数据引擎研究

该文在开篇介绍了大数据的基本内涵、主要特点和研究价值。随后浅述了数据挖掘的三种工具和四类主要算法,并在第三部分简述了一种以Spark为基础的数据挖掘算法的模型结构。