基于“电路理论”课程考核方式改革的探索与实践分析--以中南民族大学电信学院为例

随着改革开放的不断深入,高等教育改革已全面展开,并取得了很大成绩。而进一步更新教育教学观念,优化教育教学的方法和手段,是高等院校深化教学改革深入的必然。在优化教育教学方法和手段的进程中,相对滞后的是课程考核制度的改革。课程考核方式,对正确引导学生的学习方式,深挖学生的潜能,培养社会需要的各种复合型人才具有重要的意义。本文指出了高等学校在课程考核方面存在的问题,提出了解决的办法,并以中南民族大学电信学院为例,说明了课程改革的必要性和合理性。

大学生自主学习现状及培养策略研究——以中南民族大学为例

在知识经济和信息时代,自主学习对于学生的发展有着重要的意义,本文通过问卷调查,了解大学生自主学习的状况,针对问题提出了大学生自主学习能力提升的策略。

高校网络文化建设与高水平大学建设——以中南民族大学校园网为例

江泽民同志在庆祝北京大学建校100周年大会上的讲话中第一次从教育质量的角度．用“四个应该是”对高水平大学与一流大学的基本特性作了概括．全面提出了高水平大学与一流大学的办学目标．以及评价高水平大学与一流大学的根本标准。

具有民族特色的电子信息人才基地建设模式探索

针对民族高校生源特征和差异性,探讨少数民族电子信息类人才的培养模式。结合电子信息科学的发展趋势,在人才培养模式和基地建设方面,采取大众性参与和高水平学科竞赛相结合的模式,让大多数学生享受创新教学资源,并相应地建设普及性和拔尖提高性的创新人才培养基地。在软硬件方面,改革人才培养模式,把创新课程融入教学大纲,在课程设置、创新实验室建设、递进式实训模式、全程导师制和创新评价体系等方面进行改革,全面提高学生工程应用和创新能力,探索民族类院校的创新人才培养模式。

民族高等院校电子信息类创新人才培养模式探索

文章针对如何在民族高等院校开展电子信息类创新人才培养模式进行探讨。对民族高等院校电子信息类专业的办学情况分析,结合电子信息科学的发展现状,从生源分类、教学内容、实验体系、教师能力建设、教学方法以及评价体系等方面,研究通识课程、专业课程和工程实践体系,并进行教学改革,达到提高学生的学习兴趣,培养工程应用能力,全方位增强学生的综合创新创业能力,提高民族高校电子信息类创新型人才培养质量。

少数民族大学生就业价值取向特点及引导

本文分析了少数民族大学生就业价值取向现状及影响因素,提出了少数民族大学生就业取向的引导策略。要引导少数民族大学生树立正确的世界观、人生观和价值观;加强少数民族大学生职业规划和就业指导教育;提升少数民族大学生综合素质,提高就业竞争力;加强少数民族大学生的创业教育。

第二课堂提升民族高校大学生实践创新能力的探索

针对高校第二课堂存在的问题,系统构建了以"普惠、渐进、多元、全程"为特征的第二课堂体系,即学生参与的普遍性、由学院竞赛过渡到高水平学科竞赛、形式丰富的多层次科技创新活动、大学四年的全程覆盖。通过重新设计第二课堂框架、打造"四位一体"创新实践平台、建立运行与保障机制、拓展第二课堂外延,破解了困扰第二课堂的若干难题,实现了第二课堂的健康可持续发展。8年实践证明,该体系有效提升了学生实践创新能力,为民族高校大学生高素质创新人才培养探索出了一条特色之路。

民族高校大学物理实验教学改革

大学物理实验是面向理工科专业学生开设的重要基础实验课程,民族高校的大学物理实验教学有其特殊性。结合中南民族大学的实际,分析了当前大学物理实验教师教学和学生学习中存在的问题,提出了解决问题的具体思路。通过合理安排实验难度,分层次教学,以学生为中心,激发学生的学习动机,建立多元化的实验成绩评价体系,提高了民族学生的动手能力和科学素质。

新工科背景下计算机网络技术类实验课程创新应用实践模式探索

分析当前计算机网络技术类实验课程中面临的痛难点问题,在新工科背景下,提出一种“双师整合+实物教学+多学科融合+创新应用”的计算机网络技术类实验课程创新应用实践模式,以计算机网络实验课程为例,介绍创新应用实践过程,最后说明教学实践成效。

磁控溅射法制备掺镁氧化锌薄膜的微观结构及其物理性质

采用磁控溅射工艺制备了纯氧化锌(ZnO)和不同掺杂量的掺镁氧化锌(MgZnO)薄膜,研究了薄膜样品电学、光学、气敏性能和微观结构与掺杂量之间的依赖关系,以及温度和气体浓度对薄膜气敏性能的影响,并对掺杂量为10%(质量分数)的薄膜样品的室温气敏特性进行细致分析.结果显示:所有制备的薄膜样品均为c轴择优取向生长的六角纤锌矿晶体结构,掺杂量为10%的薄膜样品具有最好的晶体质量、微观结构、光学性能,气体响应性优于其他薄膜,对氨的响应性优于其他目标气体.在室温条件下,掺杂量为10%的薄膜样品对50cm^(3)·m^(-3)氨的响应为44.62%,180天后其响应仅轻微下降为42.02%.

改进YOLOv7的城市小型无人机目标检测方法

针对“低小动”无人机的反制技术已成为低空空域安全防御的重要手段,然而实时检测与准确识别是实施有效反制的前提条件与关键基础。针对城市低空环境下,目标检测算法对不同背景下小尺度无人机目标检测精度低,容易出现漏检误检且易受外界因素干扰等问题,提出了一种基于改进YOLOv7的“低小动”无人机目标检测方法。首先采集大量不同环境、不同背景下的无人机样本构建数据集,并采用ViBe(visual background extractor)算法进行预处理;其次引入坐标注意力机制与SPDConv(space-to-depth convolution)模块改进和优化YOLOv7的网络结构;最后提出融合ViBe和改进YOLOv7的二级检测架构,将改进后的YOLOv7作为网络模型检测经ViBe处理后的图像。依据原图与处理图像的位置大小关系,将检测出的目标坐标映射回归至原图片,从而完成目标检测提取。实验结果表明,所提目标检测方法检测精度达96.5%,较原YOLOv7方法提高了15.8个百分点,显著提升了“低小动”目标的检测精度,能够满足低空无人机的实时精准检测的需求。

城市低空小型无人机目标实时高精度检测算法

面向城市低空小型无人机(unmanned aerial vehicle,UAV)乱飞引发的公共安全隐患,针对目前存在的动小目标检测精度低、实时性差等问题,提出了一种基于改进YOLOv7的目标检测模型。该模型在主干网络中引入RepVGG轻量化网络,降低计算复杂度以满足实时性要求;提出C3m模块以解决无人机小目标在图像中占比小、特征信息有限等问题,从而改善检测精度;在此基础上,将CBAM卷积注意力机制插入到主干网络和特征融合网络之间,提高网络对多尺度无人机目标的敏感度,降低噪声影响。在自构建的城市低空无人机数据集上进行消融实验,结果表明改进后的YOLOv7模型与原始YOLOv7模型相比,参数量减少了6×10^(6),浮点运算量降低了77.9%,检测精度mAP@0.5提高至95.1%,检测速度FPS提高了43.7%,实现了对复杂场景下小型无人机目标的实时高精度检测。

面向解决复杂工程问题能力培养的嵌入式系统教学改革探索

在分析嵌入式系统发展趋势的基础上,分析嵌入式系统硬件结构和软件生态的变化对课程教学改革带来的挑战,从培养学生解决复杂工程问题能力的要求出发,提出通过优化课程教学内容、改进实践教学方法、开展综合实训等手段提升嵌入式系统课程的教学质量。

用于多目标跟踪的高斯混合轨迹预测模型

针对视频中目标之间的遮挡会增加轨迹关联难度的问题,提出了一种高斯混合轨迹预测模型来改善遮挡情况下的关联效果.该模型采用Transformer结构,从对象的历史运动信息中提取更长的时间依赖性,以便更准确地预测跟踪对象在未来的轨迹分布;同时,将模型的输出设置为高斯混合分布,采用多个高斯分布相加来定义跟踪对象在未来的轨迹分布,以利用轨迹分布来计算检测目标和跟踪对象之间的空间相似性.实验结果表明:该模型能够改善跟踪性能,在MOT17数据集上HOTA达到了56.3%.

基于并行反向投影的图像超分辨率

基于反向投影的残差特征提取与融合,可有效提升深度网络的特征提取能力,从而有益于改善图像的超分辨率重构性能.在此基础上提出了一种改进的采用并行反向投影策略的图像超分辨率深度网络,通过并行增强处于不同频段的高频特征,得到超分辨率性能的进一步提升.具体进行浅层特征提取后,网络经过多级的双路并行的反向投影特征增强模块.每一级模块中包含两个通路,分别采用顺序相反的上下采样,可同时得到处于不同频段的残差特征信息.通过对多级残差特征的融合,图像的高频特征得到不断的增强.同时网络引入了多尺度特征提取与通道注意力机制,以改进特征表达和学习能力.在多个公开的数据集上的大量实验结果表明,该方法可以有效提升超分辨率性能,并且在减少模型复杂度方面有一定的成效.

结合多尺度多注意力的遥感图像超分辨率重构

视觉Transformer在改进图像超分辨率性能方面展现了良好的潜能.然而,遥感图像中不同目标表现的尺度多样性限制了其超分辨率的图像质量.为此,研究了一种结合多尺度多注意力的Transformer遥感图像超分辨率网络,旨在增强其特征学习能力,从而有效提升遥感图像的超分辨率性能.具体来说,输入特征首先通过多级下采样,得到多个尺度的特征;然后,逐级将低维特征通过一种交替密集注意力与稀疏注意力的Transformer网络进行变换,并将输出结果升维后与高维特征融合.密集注意力与稀疏注意力的结合可同时兼顾对局部相关性和全局相关性的有效提取,而多通路多尺度变换能够增强对图像小目标的建模能力.基于两个开源的遥感数据集的大量实验结果,验证了该方法的有效性.

移动场景下基于深度学习的图像辅助毫米波波束预测方案

针对移动环境下毫米波大规模MIMO通信系统下行链路的快速波束预测问题,提出了一种基于深度学习的图像辅助波束预测方案.该方案将基站采集的RGB图像上传至MEC服务器,通过Faster RCNN目标检测模型与DNN神经网络结合,预测通信环境中用户图像与毫米波下行链路波束向量的高维非线性关系.仿真结果表明:该方案预测下行链路波束向量的可达速率接近理论最优,在模型复杂度和高天线数低信噪比情况下的性能等方面均优于基线算法.

基于人工神经网络的东亚电离层临界频率f_(o)F2长期变化趋势

利用人工神经网络对东亚中纬地区电离层台站观测的F2层临界频率f_(o)F2进行长期趋势研究.用F107、Ap、地方时(Local Time,LT)、月份(Month)作为输入神经元,分别表示太阳活动、地磁活动、日变化和季节变化;用f_(o)F2的月中值作为输出神经元,通过训练网络获取f_(o)F2预测值,对预测值和观测值进行计算和处理,得到东亚中纬地区f_(o)F2长期变化趋势.结果表明:人工神经网络的方法较常用的回归方法能更有效地消除地磁活动对f_(o)F2的影响;这些站点的f_(o)F2随着年份的增长存在明显的长期负趋势,无明显的日变化和统一季节变化性.这对于全球电离层结构和运动变化规律,全球电离层经验模型构建和同化以及电离层特征参数和结构预测具有重要意义.

基于2016-2018年IGS台网观测的美洲地区的低纬电离层特征分析

基于2016-2018年IGS台网的地基GPS观测数据,反演电离层总电子含量(Total Electron Content,TEC),分析了美洲地区(300°E)赤道电离异常(Equatorial Ionization Anomaly,EIA)和低纬电离异常(Low-latitude Ionization Anomaly,LIA)随时间、月份和太阳活动的变化特征.结果显示:EIA和LIA的强度均在地方时1300-1500 LT附近出现极大;春/秋季的强度比其他季节的要大;EIA和LIA的强度还随着太阳活动的减弱而减小.EIA和LIA的南-北半球不对称在地方时1700-2100 LT出现极大;夏季(5-8月)的不对称性最为明显.另外,EIA的强度较LIA的强度要大,而LIA的南-北半球不对称特征较EIA的南-北半球不对称特征更为显著.

基于SKNet注意力机制的飞机类型识别算法

飞机类型识别是细粒度图像分类的一种,重点在于设计神经网络模型使其能够分辨各飞机种类中细微而具有区分性的特征.针对当前飞机识别任务中飞机种类众多、类间差异细微、类内差异显著等问题,提出了一种基于改进SKNet注意力与数据增广的飞机类型识别算法.以ResNeXt101网络作为基础网络,改进CBAM注意力提出并行的通道-空间注意力PCSA并嵌入可选择卷积模块的不同分支,得到PCSA-SK注意力,将其嵌入基础网络以进一步融合基础网络提取的深层特征并为其分配权重.根据目标激活图中具有判别性信息的区域,在原图像上对判别性区域裁剪并加入训练集,实现数据增广.实验结果表明:该算法在FGVC-Aircraft数据集上取得了93.57%的识别准确率,优于其他飞机识别算法.