面向新工科的计算机专业建设思考与实践

在新一轮科技革命与产业变革的浪潮下,国家发展取决于新型产业或产业新变革,从而形成新的经济增长点、提高综合国力、培养大批具有创新意识的高素质人才。2017年教育部提出开展新工科建设,全力探索形成领跑全球工程教育的中国模式、中国经验,助力高等教育强国建设。2020年3月,中共中央政治局常务委员会会议提出,要加快5G网络、数据中心等新型基础设施建设进度。可以说,新工科和新基建为高等教育带来了新的发展机遇。

智能语言模型工具对程序设计类课程教学的挑战与应对

根据实际案例分析人工智能技术驱动的大语言模型工具对程序设计类课程教学带来的挑战,对该工具在学习过程中的各种不合规使用提出防范方法和措施,同时指出未来它带给程序设计类课程教学的机遇。

基于卫星遥感数据的RA-BP神经网络三维海温反演方法

本文利用2005—2017年的实测海温数据和卫星观测数据,构建了基于RA-BP神经网络的三维海温反演模型,对2018年印度洋东北部和太平洋西部研究海域海温剖面进行了反演,并与回归分析法和基础BP神经网络反演海温结果进行了对比分析。以均方根误差和Pearson系数作为检验指标,结果显示所有模型反演海温剖面与实测海温剖面的Pearson系数均在0.99以上。对混合层、温跃层、中深层三个水深范围,RA-BP神经网络模型在印度洋东北部研究区域的均方根误差(RMSE)均值分别为0.32、0.76和0.17℃,在太平洋西部研究区域的RMSE均值分别为0.24、1.01和0.24℃,单个剖面的RMSE在0.6℃以下。这表明在研究海域,基于实测海温数据和卫星遥感数据构建的RA-BP神经网络模型是可行的,且具有良好的反演精度。

基于数据属性修改的联邦学习隐私保护策略

针对大部分联邦学习防御方法存在降低联邦学习实用性、计算效率低和防御攻击种类单一等问题,文章提出一种基于变分自编码器的属性修改框架,在客户端对数据预处理以达到保护联邦学习的目的。首先,为了提高算法计算效率,文章提出一种基于迁移学习的变分自编码器训练方案来减少客户端训练周期;其次,利用变分自编码器具有连续性的潜变量,设计了一种基于属性分布约束规则的属性修改方案来实现客户端训练数据的重构。实验结果表明,属性修改方案可以成功分离和控制图像的属性向量,通过将原始图像改变为带有相应属性的重构图像,保护了客户端数据隐私。将修改后的图像用于训练联邦学习分类任务,其准确率可达94.44%,体现了方案的可用性,并且该方案可以成功防御非主属性隐私泄露和基于数据中毒的后门攻击。