新工科背景下行业知识图谱与大数据智能项目制毕业设计课程模式探索与实践

以行业知识图谱与大数据智能毕业设计课程为例提出集学科交叉、以学生为中心、产—教—研融合、全过程工程实践管理等特点于一体的项目制毕业设计课程模式,并对其实施的目标、特点、过程管理等教学模式进行总结,之后给出毕业设计案例,为项目制毕业设计模式进一步探索提供借鉴。

学科交叉背景下研究生人工智能公共课程体系建设探索

以人工智能公共课程存在的问题为切入点,针对公共课教学与专业需求未能很好匹配、教学内容未能与时俱进、课程质量保障措施不均衡不协调等问题,提出跨学科公共课程建设体系构建思路,从课程体系、教学方法、质量保障3个方面介绍课程建设过程,最后说明建设效果。

边缘智能计算与智能边缘计算

权威机构预测,到2020年,世界上的物联网设备数量将超过200亿台。这些设备小到一些基本的传感器节点,只负责记录传感数据并提交用以支撑云端计算的数据;大到一些基站等边缘节点,能够处理和分析传入的信息,在本地利用有限的资源进行一些简单的任务。在这样的设备规模下,传统的云计算架构已无法满足如此大量的计算任务,边缘计算由此诞生。

面向系统能力培养的计算机组成与体系结构课程项目式教学改革

针对目前计算机组成与体系结构课程中教学内容缺少产出导向和知识贯穿、实验教学综合性不强、评价手段单一3个问题,提出基于项目制的课程改革和探索,围绕“奋斗一学期,造台计算机”这一复杂工程问题,从重塑以产出为牵引的知识体系,设计项目式实践教学体系,打造“理论+实践”混合式授课模式,建立多元化、分层次、过程性的评价这4方面阐述改革措施,并说明改革成效。

计算实验方法的溯源、现状与展望

随着信息技术的发展,复杂系统越来越多地呈现出社会、物理、信息相融合的特征.因为这些系统涉及到了人和社会的因素,其设计、分析、管理、控制和综合等问题正面临前所未有的挑战.在这种背景下,计算实验应运而生,通过“反事实”的算法化,为量化分析复杂系统提供了一种数字化和计算化方法.对于计算实验方法的发展现状与未来挑战进行了全面梳理:首先介绍了计算实验方法的概念起源与应用特征;然后详细阐述了计算实验的方法框架与关键步骤;接着展示了计算实验方法的典型应用,包括现象解释、趋势预测与策略优化;最后给出了计算实验方法所面临的一些关键问题与挑战.旨在梳理出计算实验方法的技术框架,为其快速发展与跨学科应用提供支撑.

边缘智能研究进展

从智能手机、智能手表等小型终端智能设备,到智能家居、智能网联车等大型应用,再到智慧生活、智慧农业等,人工智能已经逐渐步入人们的生活,改变传统的生活方式.各种各样的智能设备会产生海量的数据,传统的云计算模式已无法适应新的环境.边缘计算在靠近数据源的边缘侧实现对数据的处理,可以有效降低数据传输时延,减轻网络传输带宽压力,提高数据隐私安全等.在边缘计算架构上搭建人工智能模型,进行模型的训练和推理,实现边缘的智能化,对于当前社会至关重要.由此产生的新的跨学科领域--边缘智能(edge intelligence,EI),开始引起了广泛的关注.全面调研了边缘智能相关研究:首先,介绍了边缘计算、人工智能的基础知识,并引出了边缘智能产生的背景、动机及挑战.其次,分别从边缘智能所要解决的问题、边缘智能模型研究以及边缘智能算法优化3个角度对边缘智能相关技术研究展开讨论.然后,介绍边缘智能中典型的安全问题.最后,从智慧工业、智慧生活及智慧农业3个层面阐述其应用,并展望了边缘智能未来的发展方向和前景.

一种面向边缘计算环境的去中心化服务请求分发方法

边缘计算模式的出现使得软件服务可以部署在距离用户较近的边缘服务器上,从而减小服务调用过程中产生的数据传输开销,并提升服务质量.然而,由于计算和存储等资源的限制,边缘服务器通常只能部署有限数量的服务实例,无法满足复杂多样的服务请求,加之边缘计算环境下服务请求分布不均导致了边缘服务器之间负载的不均衡性.因此,边缘计算环境下需要对服务请求进行再分配来满足不同的服务请求并优化服务供应.如何合理地将服务请求分发到合适的边缘服务器以优化系统的负载均衡并提升服务质量成为亟待解决的关键问题.现有的研究方法通常采用集中式的方法来解决该问题,存在单点故障等严重缺陷.因此,本文基于博弈理论设计了一种面向边缘计算环境的去中心化服务请求分发方法.该方法将边缘服务器间的服务请求分发问题建模为分布式的非合作博弈模型,通过多轮次的博弈和竞争达到系统的Nash均衡状态,以此获取服务请求的分发策略.实验结果表明,本文所提出的方法可以有效优化边缘服务器之间的负载均衡,降低服务的响应时间,并且随着系统规模的扩大表现出良好的可扩展性.

新工科背景下的新型人工智能课程体系构建

随着人工智能学科的快速发展以及在现实社会中的广泛应用,高校的人工智能教育变得愈加重要。当前高校中设置的人工智能课程体系存在教学手段单一、与前沿研究和新型应用场景脱节等问题,无法满足新工科的教育要求。为解决以上问题,通过对新工科教育理念的深入剖析,并以此为指导,提出“教学”+“科研”+“创新”+“实践”四位一体的人工智能课程体系构建方法,以有效提升学生的学习积极性和学习效率,培养学生的科研和创新能力,使学生掌握必要的工程实践能力,为新工科建设打下坚实基础。构建的新型人工智能课程体系在天津大学智能与计算学部和天津大学仁爱学院计算机科学与技术系实施,教学效果评估显示,人工智能相关专业学生的工程实践能力、研究能力都得到显著提高,同时学生的升学与就业能力也得到提升。

无人机蜂群中的群体智能涌现机理

针对无人机蜂群中自主协同行为涌现机理难以解释的问题,提出一种多Agent系统中的自主协同行为涌现的分析方法,对系统的微观个体层、中观结构层和宏观网络层三个层面展开分析,自底向上地量化分析系统动态演化过程,揭示系统从微观到宏观的内在逻辑以及系统演变中的一些问题。通过计算实验方法构建无人机蜂群的计算实验模型,根据蜂群作战的关键特征设计无人机蜂群社团信息网络,引入公共物品博弈机制构建蜂群合作演化模型,并给出社团网络上蜂群的演化动力学过程。通过数值模拟,从无人机蜂群系统的不同层面量化分析蜂群协同行为的涌现现象,从而认识蜂群自主协同行为的涌现机理,并为无人机蜂群协同机制的优化提供决策支持。

“可折叠性”在酶智能设计改造中的应用研究--以AlphaFold2为例

天然酶具有绿色环保、高效催化的优点,但由于工业环境的酸碱性、温度等条件不够适宜,天然酶在实际工业生产中往往存在错误折叠、功能受限等问题。使用人工智能技术辅助酶的改造设计,相比传统方法具有高效、快速、低成本的优势,但在这个过程中大部分工作没有考虑设计改造酶的“可折叠性”问题。同时,最近几年来,以AlphaFold2为代表的蛋白质结构预测工具借助人工智能技术取得了突破性的进展,已经具有原子级别的结构预测精度。这一工具的日益成熟,不仅有助于对蛋白结构功能机制的了解,同时可以丰富现有酶结构数据,用于后续的研究。因此,基于现有酶改造以及从头设计新酶过程中出现的错误折叠导致成功率不高、实验验证成本高的问题,我们认为结合蛋白质结构预测工具辅助酶的改造设计任务,可以增加设计可靠酶的数量,同时降低实验成本。本文首先梳理回顾人工智能技术在酶设计改造中的应用,主要从序列和结构两个角度展开。然后将现有蛋白质结构预测工具归纳成四种类型分别介绍其设计原理和预测能力。接着以AlphaFold2为代表性工作,归纳了三种在现有技术基础上利用结构预测工具进一步提高酶改造的合理性以及酶设计的“可折叠性”的方式:①结构“分析器”;②突变“筛选器”;③折叠“监督器”。最后在讨论部分总结并提出了一些现有算法的不足和缺陷。随着人工智能技术的逐渐发展以及人类对蛋白质作用机理的研究,酶的改造设计精度一定会有所提高,这将助力合成生物学的快速发展。

结合密度图回归与检测的密集计数研究

针对基于检测以及基于密度图两种主流的密集计数方法中,基于检测的方法召回率较低、基于密度图的方法缺失目标物体位置信息的问题,将检测任务与回归任务相结合后提出一种基于密度图回归的检测计数方法,可以实现对密集场景中目标物体的计数以及定位,对两种方法进行优势互补,在提高召回率的同时,实现标定所有目标物体的位置信息。为提取出更加丰富的特征信息以面对复杂的数据场景,网络提出特征金字塔优化模块,该模块纵向融合底层高分辨特征与顶层抽象语义特征,横向融合同尺寸的特征,丰富目标物体的语义表达;考虑到密集计数场景中目标物体所占像素比例较低的问题,提出一种针对小目标的注意力机制,通过对输入图像构建掩膜以增强网络对目标物体的注意力,从而提高网络的检测敏感性。实验结果表明,所提出方法在保持准确率基本不变的情况下,大幅度提高了召回率,同时可准确标定目标物体位置,有效提供输入目标图像的计数以及定位信息,在工业以及生态等各种领域具有广泛的应用前景。

一种改进U-Net网络的心电图分类算法研究

基于CPSC-2018十二导联数据,提出了一种U-Net网络和注意力机制结合的心电图分类算法。首先,针对数据集数据长度长短不一的问题,对数据进行等长处理和归一化处理。然后,利用U-Net网络中跳层连接和编码解码方式,对预处理后较长的数据进行处理。在U-Net网络解码的最后一层加入注意力机制对抗噪声,提升模型的有效信息关注度和准确性。最后,利用CPSC-2018数据集进行验证。实验结果表明:所提模型能够取得较好的分类效果,识别房颤(AF)和右束支传导阻滞(RBBB)心律失常的精准率、召回率、F1值都可以达到90%以上,平均F1值可以达到82.5%。

基于多特征分支卷积神经网络的心电图分类算法

我国心血管疾病发病率、病死率呈逐年上升趋势。但由于心电图数据规模大且繁杂,临床医护人员在心电图筛查时,工作负担大且容易出现误诊或者漏诊的情况。基于此,利用CPSC-201812导联数据,提出了一种基于多特征分支卷积神经网络的多导联心电信号的智能分类与分析。首先,将CPSC-201812导联数据分为9个类别,基于12导联推导出8导联心电信号并分别提取局部特征。然后,通过双向GRU编码和注意力机制计算出不同类别的注意力权重向量,并将特征信息串联融合成特征向量,从而实现多导联心电图分类。实验结果表明:在验证集上取得了较好的分类效果,正常类别的F1值达到81.2%,平均F1值达到84.2%。特别地,在识别房颤(AF)和右束支传导阻滞(RBBB)这两类别心律失常时F1值分别达到95.1%和93.1%。

命题知识库演化中的新知识特征

逻辑差概念在表征基于逻辑的知识库中起到重要作用,这些知识库持续受到动态变化的影响,它们之间存在实质性差异。这一概念与遗忘密切相关,它在各种逻辑中得到了广泛探讨。针对命题理论的相关符号,提出了3种差概念——逻辑差异、子句差异和素子句差异,以分别捕获逻辑推理、子句推理和素子句推理的差异;研究了它们的性质和计算复杂性。结果表明,涉及逻辑差的各种决策问题在多项式层次结构中比相应的可满足性问题高一个层次,除了2-CNF理论,其相关决策问题是易处理的。随机3-CNF、2-CNF和Horn理论的大量实验结果揭示了子句差和素子句差的一些有趣现象:在随机3-CNF理论和2-CNF理论中,子句和素子句差的子句数量都表现出与它们的可满足性类似的相变特征。然而,在随机Horn理论中,尽管子句差的子句数量表现出与其可满足性类似的相变,但素子句差的子句数量与子句差情形十分不同,这些结果揭示了随机命题知识库演化中其可满足性相变现象的新特征:在相变阈值附近的知识库演变会产生更多的差异。

联合异质图卷积网络和注意力机制的假新闻检测

社交媒体平台的开放性和包容性为人们提供了自由的表达方式,但也引发了新的社会问题,假新闻在社交平台层出不穷,会引起公众恐慌,侵害人们的精神健康,这使得假新闻检测尤为必要.现有的假新闻检测方法大多侧重于从文本内容、用户和传播模式中挖掘有效信息,但是这些方法没有充分利用文本内容的全局语义关系.为了有效融合新闻内容的全局语义信息和新闻传播的全局结构关系,本文提出一种基于元路径的推文-词-用户异质图卷积注意力框架HGCAN,根据元路径将构建的推文-词-用户异质图分解为两个子图,通过图卷积网络提取传播结构特征,利用注意力机制聚合邻居节点的信息并学习子图重要性,从而有效学习节点的特征表示.在两个公开数据集上的实验结果表明,相比于其他方法,本文方法在准确率和F1指标上都取得了较为先进的结果.

多模异态语义级情感认知技术研究与应用

为解决传统广域情感分析模型语义理解准确率低的问题,研发了一个多模异态语义级情感认知系统,以实现服务热线语音及文本的满意度分析,满足多样化的行业应用支撑需求,为广域多模异态数据环境下的精准情感分析提供关键能力。

地下水体系核素化学形态模拟系统软件开发

为评估处置库的安全性,核素化学形态信息是准确预测核素的运移行为研究的前提。鉴于我国核能工业的迅速发展以及建立环境中核素的确认需求,在我国开展处置库周围核素的化学形态研究具有十分重要的意义。针对地下水中元素种态分布的研究需求,以JAVA为开发工具、MySQL作为数据库、Tomcat为容器,开发了一套B/S架构的元素种态分布模拟软件。针对模拟计算中遇到的化学反应平衡非线性方程组求解收敛困难的问题,引入了根据化学反应势能求解的方法和反应因子控制迭代步长,实现了对化学反应非线性方程快速地求解,并可拓展多相平衡计算。以塔木素地下水中镎为考察对象,利用所开发化学形态模拟软件(simulation software on chemical species,SSCS)计算环境中镎的形态和量,并对比PHREEQC的计算结果,相对偏差在10%以内,针对环境中痕量元素的分布,提供了理论计算的解决方案。

基于增值评价的研究生培养质量评价体系构建思考

针对双一流背景下研究生培养数量和质量之间日益凸显的矛盾,以研究生增值评价为切入点,在分析新形势、新时代下研究生培养背景和研究生培养过程数据的基础上,提出结合用人单位的人才需求,通过价值分析法、问卷调查法和比较研究法,构建一套较为系统的评价指标体系,为现行培养质量评价体系改革提供新的思路,以计算机科学与技术专业的研究生培养为例具体介绍其应用过程并说明应用成效。

融合量子干涉信息的双重特征文本表示模型

在信息检索领域,量子干涉理论已应用于文档相关性、次序效应等核心问题的研究中,旨在建模用户认知引起的类量子干涉现象.文中从语言理解的需求出发,利用量子理论的数学工具分析语义组合过程中存在的语义演化现象,提出融合量子干涉信息的双重特征文本表示模型(Quantum Interference Based Duet-Feature Text Representation Model,QDTM).模型以约化密度矩阵为语言表示的核心组件,有效建模维度级别的语义干涉信息.在此基础上,构建捕获全局特征信息与局部特征信息的模型结构,满足语言理解过程中不同粒度的语义特征需求.在文本分类数据集和问答数据集上的实验表明,QDTM的性能优于量子启发的语言模型和神经网络文本匹配模型.

研究生核心课程体系建设探索

针对研究生教育中课程布局结构性不强、核心课程的数量和质量不对等、教师参与课程建设的积极性不足等问题,提出有关课程体系建设、团队建设等方面的若干方法,以天津大学智能与计算学部为例,介绍有智能与计算学部学科特色的研究生核心课程体系构建措施,最后说明课程体系建设成效。