大学工科专业课程考试方式研究——以北京工业大学电类非计算机专业编程实验课为例

考试是大学教学的重要组成部分。本文分析了考试对学生的影响以及不同考试方式的适用性,比较了西方发达国家的大学考试方式,提出对考试方式的改进建议,同时介绍了北京工业大学电类非计算机专业编程实验课成绩组成及评定的具体做法和特点,以期为我国大学工科专业课程考试改革积累经验。

工业物联网中基于信息熵的联邦增量学习算法与优化

面对工业生产过程中大规模、多样且随时间增长的数据和机器学习任务,该文提出一种基于信息熵的联邦增量学习(FIL)与优化方法。基于联邦框架,各本地计算节点可利用本地数据进行模型训练,并计算信息平均熵上传至服务器,以此辅助识别类增任务;全局服务器则根据本地反馈的平均熵选择参与当前轮次训练的本地节点,并判决任务是否产生增量后,进行全局模型下发与聚合更新。所提方法结合平均熵和阈值进行不同情况下的节点选择,实现低平均熵下的模型稳定学习和高平均熵下的模型增量式扩展。在此基础上,采用凸优化,在资源有限的情况下自适应地调整聚合频率和资源分配,最终实现模型的有效收敛。仿真结果表明,在不同的情景下,该文所提方法都可以加速模型收敛并提升训练精度。

泵站行走式智能巡检机器人研究与应用——以北京市东水西调工程为例

以北京市东水西调工程中的杏石口泵站为例,泵站人工巡检存在巡检场景多、项目多、工作量大、存在安全隐患等问题,导致人工巡检效率低、工作质量难以得到保证,影响泵站安全稳定的运行。为有效提高巡检效率,保证巡检安全性、可靠性,从根本上实现泵站智能化的建设目标,在泵站巡检中使用行走式智能巡检机器人进行辅助巡检是非常有必要的。泵站行走式智能巡检机器人具有巡检、机器视觉识别、传感器数据采集、数据统计等功能,在泵站巡检中具有其自身独特的优势。本文以杏石口泵站为例,探究了行走式智能巡检机器人的系统设计、主要功能和具体应用,通过实际应用分析,行走式智能巡检机器人能够提升泵站巡检的效率、保证人员巡检的安全,值得进行推广应用。

面向工业过程的图像生成及其应用研究综述

在面向工业过程的计算机视觉研究中,智能感知模型能否实际应用取决于其对复杂工业环境的适应能力.由于可利用的工业图像数据集存在分布不均、多样性不足和干扰严重等问题,如何生成符合多工况分布的期望训练集是提高感知模型性能的关键.为解决上述问题,以城市固废焚烧(Municipal solid wastes incineration, MSWI)过程为背景,综述目前面向工业过程的图像生成及其应用研究,为进行面向工业图像的感知建模提供支撑.首先,梳理面向工业过程的图像生成定义和流程以及其应用需求;随后,分析在工业领域中具有潜在应用价值的图像生成算法;接着,从工业过程图像生成、生成图像评估和应用等视角进行现状综述;然后,对下一步研究方向进行讨论与分析;最后,对全文进行总结并指出未来挑战.

面向复杂工业过程的虚拟样本生成综述

用于复杂工业过程难测运行指标和异常故障建模的样本具有量少稀缺、分布不平衡以及内涵机理知识匮乏等特性.虚拟样本生成(Virtual sample generation,VSG)作为扩充建模样本数量及其涵盖空间的技术,已成为解决上述问题的主要手段之一,但已有研究还存在缺乏理论支撑、分类准则与应用边界模糊等问题.本文在描述复杂工业过程难测运行指标和异常故障建模所存在问题的基础上,梳理虚拟样本定义及其内涵,给出面向工业过程回归与分类问题的VSG实现流程;接着,从样本覆盖区域、实现流程与推广应用等方向进行综述;然后,分析讨论VSG的下一步研究方向;最后,对全文进行总结并给出未来挑战.

异常信息敏感的框架API生命周期模型构造

大型软件系统的实现依赖于底层框架或第三方库,但这些复杂的框架/库代码在演化升级时往往独立于其调用者,为上层软件的质量保障带来挑战.例如,框架/库代码演化时新增和删除API、更改API的代码语义等行为会导致框架/库代码的不同版本之间不兼容,进而在上层应用开发者更新版本时,影响应用代码的正确性.为应对这一问题,需精准提取框架/库代码API的演化过程,形成演化报告,协助上层应用开发者选择兼容的版本或快速进行代码适配.其中,框架/库代码API的演化过程分析对应着框架API生命周期模型构造.现有工作中的API生命周期模型主要关注API的存在性变动,而未考虑特定代码语义变更对开发者的影响,特别是异常相关代码带来的语义变更,给上层软件系统带来隐患.为此,本文采用面向Java字节码的静态分析方法,识别框架API中的异常抛出行为并为其生成异常摘要报告,通过多轮流式匹配策略获取异常信息的变更情况,最终为框架/库代码构造异常信息敏感的API生命周期模型.该方法:(1)通过控制依赖语句切片提取异常抛出语句的关键触发条件,采用参数推断策略将局部变量的约束条件转换为仅与外部输入参数相关的异常前断言,并基于自底向上的摘要传递实现跨过程异常摘要提取;(2)通过关键信息精准匹配和自适应模糊匹配策略,分析异常摘要信息的新增、删除和修改情况,最终得到异常敏感的API生命周期模型(共涉及七种API变更形式).基于该方法,实现了基于Java字节码分析的API生命周期提取工具JavaExP.与现有最新方法相比,JavaExP的异常摘要信息提取准确性(F1值)提高了67%,分析用时减少了87%.对真实项目的API生命周期演化分析表明,与异常不敏感的API生命周期模型相比,采用异常敏感的模型时,API发生变动的比例提高了18%.在75,433个被分析的API中,约有20%API的异常抛出行为至少发生过一次改变,这些API共涉及超过七千多处独立的异常变更.在多个项目上的分析结果表明,异常敏感的模型构造能够更加精准地描述API的演化过程.

北京市属高校教育发展的分析与研究

北京的市属高校是北京市教育体系的重要组成部分,在促进首都经济和社会发展中发挥着举足轻重的作用。研究市属高校发展情况,进一步通过分析,发现其中存在的问题,从而可以制定出适合市属高校自身发展的规划,同时有助于提升北京整体教育水平。文章对北京市属高校的现状进行调查和分析,研究发现其中存在的一些问题,并初步探讨了其未来发展的一些思路。

新工科背景下的信息论课程混合教学实践探索

基于线上线下混合教学模式,本研究旨在针对信息论课程传统教学中存在的教学资源局限、教学方法单一、互动性不足,以及课堂反馈延迟等问题进行深度探讨和解决。为了更好地调动学生的学习自主性并加强课堂与线上资源的整合,我们从设计理念、教学设计、教学模式、学习模式及评价体系等角度,进行了全面的课程设计和教学实践改革。实践成果表明,这种混合式教学模式有效地整合了教学资源,促进了学生的自主灵活学习,显著提高了教育的整体质量和学生的综合能力。

新时代高校廉政文化体系构建研究——以北京工业大学机电学院为例

做好高校党风廉政建设的核心是明确新时代的新要求,构建廉政文化体系。高校廉政文化体系建设有利于办好人民满意教育、培养扎根中国特色社会主义人才、营造清明廉政的政治生态。基于北京工业大学机电学院开展廉政文化建设的实践与探索,创新性地提出"五个一"的建设体系,即通过实施"一课、一画、一网、一书、一制"推进正风肃纪,营造风清气正的人才培养环境。

基于四阶累积分析的工业大肠杆菌制备过程故障诊断

工业大肠杆菌制备过程具有非线性和非高斯性共存的特征,导致难以对故障源进行有效定位,针对这个问题,提出一种基于多向核熵独立元分析(MKEICA)的过程监测方法;同时针对传统低阶监控统计量(T2, I2和SPE)无法得到非高斯信息的不足提出了四阶累积监控统计量的方法;其次通过对四阶累积监控量进行推导,得到故障产生的原因.最后将其应用在实际的工业过程并与多向核独立元分析(MKICA)监测模型进行对比验证该方法的可行性及有效性.

面向空天地一体化信息网络的边缘计算资源融合管理方法

随着空天地一体化信息网络的建设与发展,无线网络的全球无缝覆盖与泛在的人工智能成为了可能.卫星与无人机作为天基边缘计算节点,辅助地面设备完成各项任务,成为6G网络中的重要应用场景.当前针对卫星、无人机边缘计算的研究处于起步阶段,这些研究在边缘计算服务模式及实际应用方面仍有待进一步深入.单个卫星或无人机的计算能力薄弱,通常难于独立提供较复杂的数据处理服务.现有资源管理算法通常需要多轮博弈才能收敛,难于满足空天地一体化场景中资源管理方法快速收敛的需求.针对以上挑战,本文在天算星座边缘计算服务场景基础上,对空天地一体化网络中天基资源的服务模式进行了分析,提出了组合及聚合两种计算服务融合方式.本文将天基边缘计算资源的管理建模为两阶段的斯坦科尔伯格博弈模型,提出了分布式混合动态迭代算法与分布式分组动态迭代算法,加快了博弈过程的收敛速度.本文基于分布式场景构建了仿真实验,并在典型参数设置下对算法性能进行了分析.仿真实验结果表明:在两种不同服务模式下,本文提出的方法能够使空中边缘计算节点与用户设备获得最大收益;相比近年相关研究,本文所提方法的收敛时间能够缩短60%以上.

感传算协同工业互联网优化设计

针对工业互联网中感知传输端到计算端的新型场景与时间敏感的需求,解决应用中端到端时延不达标的问题,提出了一种感知传输协同计算组网优化设计方案。首先,提出了基于云边端的感传算协同网络架构,促进多维系统和异构资源的深度融合。其次,对网络拓扑构建方式进行优化,降低网络的平均路径长度,缩短传播距离,抵消使用更高频率导致的信号衰弱变快的问题。最后,改进路由选择方法,并设计拓扑优化和路由策略集成算法,降低网络内排队时延,将端到端时延控制在有界范围内,削弱“长尾现象”。实验结果表明,所提方案通过优化网络拓扑结构和路由策略并集成设计,降低了端到端时延,保证了网络的实时性和可靠性。

面向绿色低碳的工业互联网:发展与挑战

当前绿色工业互联网系统在能效性、隐私性、资源管理等方面存在诸多问题,须融合更多不同领域的技术来实现绿色工业互联网的发展。因此,总结了当前绿色工业互联网的研究现状和实现技术,并对绿色工业互联网的发展和挑战进行了展望。首先,介绍了工业互联网的基本架构和技术特点,围绕绿色通信、移动边缘计算、区块链等前沿网络技术,多角度地讨论了工业互联网“绿色化”的实现途径;其次,详细综述了绿色工业互联网的发展现状以及实际场景建设中所涉及的关键技术;最后,针对现阶段绿色工业互联网发展过程中所面临的问题与挑战,讨论了构建绿色工业互联网系统的解决方案和发展趋势。

基于扩散距离的信息熵FCM多阶段LSTM-AE间歇过程故障监测

针对间歇过程中因忽略数据在阶段划分中的非线性,导致故障监测精度低的问题,提出一种基于扩散距离的信息熵模糊C均值(DDEFCM)多阶段长短期记忆网络的自动编码器(LSTM-AE)间歇过程故障监测方法。首先为了自动识别聚类个数,利用信息熵描述批处理后的二维时间片矩阵。再采用扩散距离对模糊C均值聚类(FCM)算法进行改进,解决欧式距离不能表征数据非线性的问题,有效划分间歇过程的稳定阶段,然后利用轮廓系数划分过渡阶段。最后建立多阶段LSTM-AE监测模型。利用青霉素发酵数据和大肠杆菌实际生产数据对该方法进行验证,结果表明所提方法不仅可以提升阶段划分性能,还能更加准确地进行故障监测。

类别语义信息对齐的无监督领域自适应网络

针对在目标应用场景中缺乏大量有标定训练数据的情况下难以获得有效的深度学习分类模型的问题,结合领域分布差异的方法与对抗学习方法的优势,提出以显式特征对齐与隐式领域对抗及类别对齐为基础的领域自适应框架.对于显式特征对齐模块,考虑到领域知识差异大带来的优化难题,采用渐进式协同优化策略,通过逐层减小不同语义层之间的领域差异,提升领域自适应性能.对于隐式类别对齐模块,为了增强目标特征的判别性,使用自训练方法获得伪标签,克服伪标签存在的标签噪声问题,并通过学习混淆矩阵优化伪标签的准确率,自动构造新的目标领域损失函数,从而在减小领域间差异的同时,提升源领域与目标领域相同类别的特征分布对齐的准确性.基于Office-31数据集的6个跨领域分类任务与基于Office-Home数据集的12组跨领域分类任务的实验结果表明,该方法在迁移学习任务上的平均分类准确率相较于基准方法分别提升11.9%和19.9%,所提出网络对于领域自适应任务是有效的.

基于师生协同的学生科技创新育人模式——以北京某高校工科学院为例

国家对于发展科技有迫切需求,高校亟需要建立健全学生科技创新的育人模式。本文以北京某高校工科学院为例,遵循学生成长规律,创造有利条件,师生协同,建立本科生科技创新育人模式。从新生到毕业生形成三阶段学生科技体系,整合竞赛资源、人才培养、导师储备"三位一体"提供必要的资源保障,结合师师关系、师生关系、学生朋辈互助力量,激发学生的潜力和创造力。

基于多重信息增益的移动机器人探索策略

针对移动机器人在未知环境中自主探索及建图存在盲目性的问题,提出了一种基于贝叶斯优化评估多重信息增益的探索策略。在候选点提取方法上采用融合前沿点聚类与可通行区域的方式综合衡量提取,相较于传统的前沿点检测方法有效解决了候选点集合过大及环境信息缺失等问题;在候选点评估方法上利用贝叶斯优化计算多重信息增益,综合考虑地图熵值与距离成本,相较于仅考虑地图熵值选取最佳候选点的方法,有效改进了机器人在环境中的冗余路径。该算法在机器人操作系统(robot operating system,ROS)中采用Gazebo进行仿真实验验证,构建环境地图。结果表明,该方法可以使移动机器人快速有效地探索未知环境,高质量完成建图任务。

基于双阶段元学习的小样本中医舌色域自适应分类方法

舌色是中医(TCM)望诊最关注的诊察特征之一。在实际应用中,通过一台设备采集到的舌象数据训练得到的舌色分类模型应用于另一台设备时,由于舌象数据分布特性不一致,分类性能往往急剧下降。为此,该文提出一种基于双阶段元学习的小样本中医舌色域自适应分类方法。首先,设计了一种双阶段元学习训练策略,从源域有标注样本中提取域不变特征,并利用目标域的少量有标注数据对网络模型进行微调,使得模型可以快速适应目标域的新样本特性,提高舌色分类模型的泛化能力并克服过拟合。接下来,提出了一种渐进高质量伪标签生成方法,利用训练好的模型对目标域的未标注样本进行预测,从中挑选出置信度高的预测结果作为伪标签,逐步生成高质量的伪标签。最后,利用这些高质量的伪标签,结合目标域的有标注数据对模型进行训练,得到舌色分类模型。考虑到伪标签中含有噪声问题,采用了对比正则化函数,可以有效抑制噪声样本在训练过程中产生的负面影响,提升目标域舌色分类准确率。在两个自建中医舌色分类数据集上的实验结果表明,在目标域仅提供20张有标注样本的情况下,舌色分类准确率达到了91.3%,与目标域有监督的分类性能仅差2.05%。

基于随机游走和GAN的异质信息网络表征方法

近年来,异质信息网络的表征学习逐渐成为了研究热点。已有的研究中,有使用生成对抗网络来应对这个任务的方法,取得了不错的效果。但是该方法未能有效地利用节点的上下文语义信息。为此,论文提出一种结合生成对抗网络和截断随机游走思想的异质信息网络表征学习方法。首先使用截断随机游走方法获取一个节点的上下文信息,也即游走出的路径,然后基于这些路径借助生成对抗网络来训练模型。基于标准数据集的实验也证明了论文方法的有效性。

基于知识图谱的鼓风机轴承温度智能预测

轴承温度是衡量鼓风机是否正常运行的重要指标之一.然而,轴承通常安装在狭小密闭的空间中,导致其温度难以实时准确检测.为了解决这个问题,设计了基于知识图谱的鼓风机轴承温度智能预测方法.利用统计方法分析鼓风机运行系统,获取与轴承温度相关的影响因素.结合运行机理和领域知识构建知识图谱,提取影响轴承温度的直接和间接特征变量.采用双模块模糊神经网络对知识图谱进行推理,实现对鼓风机轴温的实时准确预测.结果表明,基于知识图谱的鼓风机轴承温度智能预测方法可以准确地建模鼓风机系统,具有良好的温度预测能力.该项研究可以为轴承温度的实时监测和变化趋势预测提供支持.