新工科背景下计算机专业校企合作案例教学方式探索

共建课程教学案例是校企合作的重要内容之一,针对传统合作方式存在的案例总体数量少、内容良莠不齐以及缺乏持续改进机制等问题,结合“新工科”建设背景,提出在校企合作中为企业培养急需人才、集中高校人才优势参与企业技术攻关、基于企业项目转化成实践教学案例的改革方式,形成有企业导师参与的实践教学授课、考核方式。改革实践结果表明,该模式提升了学生的学习兴趣、学习深度、实践能力以及企业实习适应度。

《大学计算机文化基础》教学中实际应用能力培养的探讨

此文针对大学《大学计算机文化基础》课程的不足，就如何培养学生的动手能力提出了一些自己的看法，论述了培养学生计算机实际技能的必要性。

关于地方本科院校计算机专业学生创新创业教育模式的研究

随着地方产业经济的不断转型发展,经济发展对人才高素质、多样化的需求使得其对高校人才的培育提出了更高的要求。然而众多高校在培养大学生的素质与技能上却已和社会中的企业发展需求脱节,也引发了大学生就业难的现象出现。目前主要表现在:对创新创业教育理念存在一些认识不清、对计算机专业的人才缺乏具体的培养目标和方向、在课程设置上与创新教育目标难以融合、整体师资队伍的建设水平有待提高以及学科课程教学优化存在问题以及课堂气氛缺失等方面,因此,在高校计算机专业学生创新创业教育模式的选择上,亟待从树立正确的人才教育理念、确立合理的人才培养目标、加强学科课程体系和课堂教学的发展、提高师资队伍的专业素质、完善社会创业环境体系等方面加以改进和完善。

非计算机专业C语言程序设计实验教学改革实践

分析了目前非计算机专业C语言程序设计实验教学的现状和存在的问题,针对存在的问题设计一个实验教学系统和相应的实验教学素材。该实验教学系统将每次实验作为课程考核的一部分,实现了学生实验报告书写和批改的自动化、无纸化,既能促使学生积极主动对待每一次实验课的学习,又避免目前实验报告千篇一律的抄袭状况。

非计算机专业“数据库应用”课程教学改革的思考

本文分析了目前非计算机专业"数据库应用"课程教学存在的主要问题,提出了教学改革的一些措施:优化教学内容;构建案例教学模式以及互动式教学模式。

MSTP在林业信息化建设中的应用

随着对业务种类和带宽需求的进一步增长,MSTP很好地支持TDM业务的同时,支持日益增加的数据网业务。分析了MSTP的主要技术,结合湖南林业信息化建设的实际情况,提出了MSTP/SDH双平面解决方案。

基于注意力机制的轻量化YOLO v5s蓝莓检测算法

为实现自然环境下蓝莓的精确快速检测,在YOLO v5s的基础上提出了一种结合轻量级网络和注意力机制的改进算法。首先,在主干网络和检测头的位置去除了最大目标检测层的结构,因而降低模型的参数量,增强模型对小目标的检测能力。其次,将MHSA(Multi‐head self‐attention,多头自注意力)替换了SPPF(Spatial pyramid pooling‐fast,快速空间金字塔池化)前面的C3模块,使模型学习到更全面的特征表示,增强模型对蓝莓图像中复杂空间关系和上下文信息的理解能力。最后,在C3模块中加入了S-PSA(Sequential polarized self‐attention,顺序极化自注意力),以便模型能够更好地捕捉特征图中相邻区域之间的上下文依赖关系。结果表明,改进后的YOLO v5s算法对成熟、半成熟和未成熟蓝莓的检测精度分别提升1.2、4.4、2.6百分点,平均精度提升2.7百分点,模型参数量减少76.0%。与当前主流轻量化目标检测模型相比,改进后的模型性能更加优越,能为自然环境下蓝莓采摘机器人视觉系统提供一种有效的方案。

信息智能化在仓储中的应用

文章依照文献对比法和理论分析法,首先论述粮食仓库的智能化,提出仓储智能化建设的主要内容以及智能出入库管理系统的分析、监控系统等。结合技术背景,明确了信息智能化仓储建设优势,基于传感、通信、计算机、射频识别等技术,研究信息化在仓储过程中的应用,能够有效保障实现粮油仓储业务自动化、信息化和智能化管理的实现,为信息化技术在工业中的应用提供参考。

融入课程知识图谱的KMAKT预测

现有多数深度知识追踪模型的知识追踪结果的可解释性弱,且忽视了习题与知识点的内在关联性对知识追踪效果与预测结果的影响。针对上述问题,提出一种用于学生表现预测的结合课程知识图谱与多头注意力机制的知识追踪(KMAKT)模型。首先,采用Word2Vec和双向长短期记忆(Bi LSTM)网络将习题作答序列数据转换为低维稠密向量,利用图嵌入模型Trans R进行课程知识图谱嵌入表示,并使用多头注意力机制计算过往习题作答序列对当前知识状态的贡献程度;然后,通过注意力网络挖掘前驱知识对预测结果的影响程度;最后,通过多层神经网络获取预测结果,提高模型的可解释性与预测精度。实验结果表明,KMAKT模型在ASSISTments2017数据集上的受试者工作特征曲线下的面积(AUC)、准确率和F1值相比于深度知识追踪(DKT)模型分别提升了约5.20、4.20和2.40个百分点,具有较好的预测性能。在湖南大学信号与系统(HNU_SYS)子数据集上的知识追踪可视化结果验证了KMAKT模型的知识追踪结果符合教育学认知规律且具备一定程度的可解释性。

基于golang微服务的库房智能管理系统设计

针对传统库房管理主要依赖人工、效率低、数据难以及时更新、人力成本高等问题,文中基于golang微服务,结合ZigBee、RFID、人工智能和区块链等技术设计一种新型仓库智能管理系统。该系统主要由综合信息处理控制系统、以ZigBee为主的信息交互系统、以STM32与人脸识别为核心的门禁控制系统、RFID读写设备、后台管理五个部分构成,采用分布式架构将仓库设备管理、数据采集与处理和任务决策整合为一体,既能便捷联动ZigBee、RFID及人脸识别,又具有极强的内存管理和跨平台性。应用系统基于golang语言开发,使用vue、uniapp、electron、php、tdsql-c等技术,采用B/S和C/S两种架构;后端服务采用go-micro微服务形式来提高系统可插拔性和高并发能力;为提高租借数据的可靠性,系统采用区块链对其进行加密,实现每条数据自动上链功能。数据库采用tdsql-c云原生数据库,以方便横向扩展。实验表明,该系统能高效实现盘点和更新、全程无纸化记录及影像和出库数据留存,确保资料溯源,信息化水平高,极大地降低了企业运营成本。

基于改进U-Net的轻量级眼底病变分割算法设计

精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤,然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此,在原U-Net网络中加入改进的Ghost卷积模块与多尺度特征融合模块,提出一种改进U-Net眼底病变分割图像的算法。该模型能以少量的参数量、较低的计算复杂度获得良好的分割结果。利用GhostModel替换原始卷积,设计出Ghost卷积与Ghost下采样卷积模块,在保证准确度的同时降低参数量;设计出一种轻量级的Half-UNet多尺度特征融合模块来获取多尺度信息,针对不同尺度病变目标,引入CBAM注意力机制以改善其适应性,从而更好的提取细小的病变信息。改进后的模型在e_optha与IDRiD两个公开数据集上的mIoU分别为61.42%、61.84%,F1-Score分别为70.59%、69.41%。模型参数量、FLOPs分别仅为5.48M、35.46GMac,较U-Net、Att-UNet等模型更加精简,分割精度更高。

智能反射面辅助的OFDM系统稀疏信道估计研究

针对智能反射面(IRS)辅助的宽带正交频分复用(OFDM)系统的信道估计,当前大多数研究都是基于单符号全导频设置,且级联信道系数过多会导致导频开销较大。为此,提出了一种基于时域-角域块稀疏的两阶段信道估计方案。首先,通过分析信道在时域和角域上存在的共同稀疏特性,将级联信道矩阵转换为时域-角域上的块稀疏表示,并将信道估计问题转换为块稀疏矩阵恢复问题。其次,考虑传输导频限制和时域-角域块稀疏特性,提出了一种两阶段稀疏信道估计方案对级联信道进行稀疏恢复。仿真结果表明,相比另外三种基准方案,该方案可以使用较少的导频获得更优的信道估计性能,有效减少了导频开销,且估计准确度更高。

基于深度强化学习的多用户边缘计算任务卸载调度与资源分配算法

移动边缘计算(Mobile Edge Computing,MEC)把计算和存储等资源部署在网络边缘以满足某些对延迟要求苛刻的应用.用户设备可以通过无线网络将计算任务整体或者部分卸载到边缘服务器执行从而降低延迟和本地耗能,进而获得良好的用户体验.现有传统优化算法在MEC卸载决策和资源分配方面是可行的,但传统优化算法并不很适合高实时性的MEC系统.深度强化学习可以通过与传统优化算法不同的方式,建立尝试-奖励反馈机制,通过积累经验进行学习,从而完成优化目标.本文考虑移动边缘计算网络中多用户多任务卸载的情况下,研究任务卸载中的卸载决策和任务调度以及服务器资源分配的问题,以最小化系统延迟和传输耗能、本地耗能为目标,基于深度强化学习提出了一种多用户多任务下的任务卸载调度与资源分配算法,在上层服务器分配资源确定的情况下,提出基于贪心策略的流水车间调度算法解决了任务卸载决策和卸载调度问题,下层采用强化学习方法优化服务器资源分配问题.仿真结果表明,所提出的方法在降低延迟和本地耗能方面有比较优越的性能.

CNS-Net:一种循环多注意力特征聚合架构

基于卷积神经网络(convolutional neural network,CNN)方法在高分辨率遥感图像分类时,提取全局特征信息和局部特征信息方面有一定优势,但不能有效区别关键信息和干扰信息。由此,提出一种端到端的CNS-Net网络来提取图像显著性特征。首先,设计了一个全局增强性模块(global enhancement module,GEM)通过显示建模通道之间的相互依赖关系,使网络选择性提取关键区域;其次,提出了一个多级循环注意模块(multi-stage cyclic attention module,MCAM)来捕捉特征信息的长期依赖关系和上下文感知信息;最后,在4个公共数据集上进行实验,结果表明所提方法达到了最优的分类性能。

电力信息采集的通用型通信规约解析系统研究与设计

目前国内电力自动化设备采用众多通信规约标准,导致电力信息采集系统需要同时支持多种通信规约,单独为每种规约编写解析代码不仅工作量巨大、容易出错,而且重用性差、系统维护困难。针对该问题,提出了一种通用型动态通信规约解析系统,基于面向对象和模板技术,通过采用配置脚本方式来定义规约的数据格式,同时将规约解析模块和规约定义模块两者解耦合,构建了通用型规约解析引擎。该系统适用于目前电力行业绝大多数主流通信规约,规约接口维护过程相对简单,同时能够满足对解析速度的要求。基于该设计的电能量采集系统已经在广东、湖南、山西、海南等地运行。

ACM/ICPC对培养信息学科创新型人才的作用

ACM/ICPC旨在使大学生通过计算机来充分展示其分析问题和解决问题的能力。计算机实践教学是信息学科创新型人才培养的保证。文章分析计算机实践教学的不足对培养信息学科创新人才的影响,指出ACM/ICPC在培养信息学科创新人才方面的作用。

基于高阶统计的网页隐秘信息检测研究

隐秘信息能隐藏在网页标记字母中,虽在浏览器浏览时无法发现其存在,但却不可避免地改变了标记的内在特征标记偏移量。基于此,该文提出一种新的网页隐秘信息检测算法。根据标记偏移量在隐藏信息前和隐藏信息后的变换规律,确立高阶统计特征来检测网页标记中是否有隐秘信息。实验随机下载了30个不同类型网站的主页测试,实验结果验证了统计特征的正确性。检测的漏检率随嵌入信息的增大而减小,当50%的标记字母被用来隐藏信息后,检测的漏检率为0%。

基于LPDMR-NET的鸟鸣声识别

为了高效且快速地识别自然环境中的鸟鸣声,提出一种基于轻量级逐点深度的多感受野注意力残差网络(LPDMR-NET)模型。首先,通过Mel滤波器生成Mel频谱图。接着,采用basicblock和downblock连接生成两层残差网络DBNet,堆叠DBNet作为鸟鸣声识别的主干网络,以提高训练速度。然后,利用逐点深度卷积网络(PDNet)提取频谱图特征信息,替代主干网络下采样模块,将两个残差模块的basicblock中的3×3卷积替换为分离分支块(DBB),引入不同的感受野,在复杂多分支结构下显著提高网络的识别性能。最后,在两个残差模块间嵌入轻量级高效置换注意力(SA)模块用于传递两层残差模块间的有效信息,增强频谱图波纹特征,进一步提高网络识别性能。在自建的30类鸟鸣声数据集Birdselfdata上的实验结果表明,该模型的识别准确率为96.82%、F1值为96.73%,在识别效率和准确性方面超越了对比模型。

基于Sentinel-2遥感影像的崇礼区地上生物量反演

【目的】以Sentinel-2遥感影像数据为基础,结合森林实测样地数据,以崇礼区森林地上生物量反演为例提出反演新思路。【方法】基于2021年7月河北省崇礼区Sentinel-2遥感影像数据、2021年6—8月的71块崇礼区森林样地实测数据,利用实测数据中的胸径、树高,根据河北省森林生物量计算公式计算各样地实测生物量,通过SNAP、ENVI等软件对遥感数据进行重采样、裁剪等预处理,提取影像原始波段,并计算植被指数、纹理因子、缨帽指数等遥感因子,对遥感因子进行皮尔逊相关性分析筛选,并以匹配最佳纹理窗口大小优化纹理因子的选择,分别采用多元线性回归、BP神经网络以及随机森林3种算法进行崇礼区AGB建模,利用R2以及RMSE评价其模型精度,并选取最优模型进行生物量反演并绘制生物量空间分布图。【结果】1)在遥感因子选择中,除了常规的绿波段、红波段和2个植被红边波段与植被指数DVI、SAVI、EVI,纹理因子的均值和缨帽指数的亮度与绿度在生物量反演模型的建立中也起到了重要的作用,且纹理因子窗口大小的选择也会对最终模型的精度造成影响;2)3种模型的精度均满足反演生物量的要求,以随机森林模型效果最好、多元线性回归模型次之、BP神经网络模型精度最低,但经过十则交叉验证法的BP模型精度有所提升,最优的随机森林模型R2达到了0.843;3)经过最优模型的反演,崇礼区AGB分布主要在50~200 mg·hm^(-2),集中在西部环山地带,存在明显的空间异质性。【结论】利用Sentinel-2遥感影像反演森林生物量具有较高的精度,随着植被指数、缨帽指数、纹理因子的加入,模型效果呈递增趋势,并且纹理因子的窗口大小选择在森林生物量遥感反演中有着重要的影响。

Apriori算法在园林信息系统中的应用

近年来,关联规则挖掘己经成为数据挖掘技术中的一个研究热点。根据长沙市园林信息管理系统的发展要求,并结合长沙市园林业的实际情况,构架设计了园林管理信息系统,分析了数据挖掘在园林行业中的应用,用Apriori算法对园林病虫害数据库中的病虫数据进行了关联分析,找出各种病虫害在相关属性中的分布规律,为决策者提供有参考价值的信息。