云桌面技术在高校计算机实验室中的应用研究

高校计算机实验室的高利用率对其管理提出了严重挑战,通过对比传统的基于个人计算机的实验室,介绍了基于桌面云技术的计算机实验室的诸多优点。进而介绍了VMware公司Horizon云桌面产品的基础环境架构及云桌面的具体设计结构,以及Horizon云桌面系统中的主要功能组件及在系统中的功能,为高校计算机实验室的改造建设提供了参考。

高校经管类虚拟仿真实验教学建设研究与探索

实验教学是高等教育教学的重要组成部分,虚拟仿真实验教学是高等教育信息化建设的重要内容,虚拟仿真实验教学建设是高等教育实验教学改革发展的必然方向。介绍经管类虚拟仿真实验教学的建设意义,深入分析虚拟仿真实验教学中心建设的重点方向、虚拟仿真实验教学平台的技术架构、虚拟仿真实验教学项目建设的侧重目标,虚拟仿真实验教学“金课”要达到的要求,为高校经管类虚拟仿真实验教学建设提供思路和参考。

实验室桌面云平台虚拟化技术研究

高校实验室位置分散,建设成本昂贵,管理和维护困难,通过构建桌面云平台可以进一步整合实验室资源,提高资源利用率,实现对实验室的全面管理。本文分析桌面云平台的组成,研究桌面云平台的技术架构、系统架构和传输协议,重点分析对比不同架构的优缺点和适用场景,最后提出多技术融合的桌面云平台是未来高校实验室部署桌面云平台的最佳选择。

增强实验室局域网安全性技术与管理措施

实验室环境下内部局域网的信息安全尤为重要,本文从技术和管理两方面详细阐述了增强实验室局域网安全性措施。

以文化建设促进高校实验室的转型发展

从传统教学活动与知识活动的比较入手,在明确实验室文化的基础上,论述了高校实验室文化建设中存在的问题及解决思路,并提出以转型发展的文化自觉推动实验室的转型发展;以学生的发展为逻辑起点,营造民主、平等自由、开放的文化氛围;以生命的灵动与激扬回归教育的本真,以精神相遇完善实验教学知识活动模式,以制度建设促进实验室知识活动的转型发展。

服务实验课程教学的校园网盘系统的研究与实现

针对计算机上机实验课程中存在的实验课程数据备份、课程学习资料分发、实验课程作业上交等数据传递不便的问题,设计并实现了一种服务于实验课程教学的校园网盘系统。该网盘系统采用JSP、Servlet、JQuery、SQL Server等成熟的软件技术进行开发,系统架构采用广泛使用的表现层、逻辑层、数据层3层体系架构,系统实现尽可能采用成熟稳定的开源软件库。针对高峰高并发访问的特性,系统在数据层使用了连接池以提高负载性能及响应时间,保证了系统的可用性、易用性。系统在上机实验课程中的实际运用表明,该系统较好地解决了实验课程教学中的课程数据保存传递问题。

计算机仿真实验教学探索

计算机仿真实验的进行虽然不能替代学生进行的真实实验,但是仿真实验却可以很好地弥补真实实验中不允许学生操作的环节。就目前而言,中国科技大学、清华大学、交通大学、华南理工大学以及电子科技大学等多个高校近年来在学校实验教学方面都积极引进了仿真实验教学模式,陆续开展了有关计算机辅助实验教学领域的探究,各个院校的仿真实验不仅在选题上面,在其制作水平上都有一个不小的飞跃。

云计算在高校HPC实验室建设中的应用研究

利用云计算技术建设高校高性能计算云实验室能有效提高高性能计算的资源利用率及可靠性。本文讨论了传统高校高性能实验室存在的问题,简要介绍了云计算在高校高性能计算实验室中的优势,在此基础上,重点对高性能计算云平台的体系架构进行了研究。

基于SAP云实验的经管类跨专业双语实训设计

本文基于高校人才培养目标的重新定位和人工智能的发展下提出云实验的必要性,提出基于SAP云实验对高校经管类跨专业实训课程进行教学设计和实践。表明SAP云实验教学有助于更好实现跨专业双语综合实训,提高学生学习自觉性和主动性,改善教学成效。

基于蚁群算法的高校实验室管理策略

高校实验室作为实验教学和科研创新的重要基地,在高校教学工作中占有十分重要的地位。随着社会对应用型人才需求的增大,高校实验室的规模、设备数量和使用人数也呈现不断上升的趋势,如何有效管理实验室资源,提高实验室的利用率亟待解决,将蚁群算法应用于实验室管理问题,提出一种基于蚁群算法的实验室预约方案,在此基础上设计了实验室在线预约平台,有效解决了传统管理方法中存在的设备利用率低、易出错等问题。

融合云桌面资源的高性能计算集群方案研究

针对高校实验基础设施中云桌面集群和高性能计算集群计算资源分配不均衡的问题,提出将云桌面集群弹性算力与高性能计算平台融合的解决方案,该方法整合云桌面集群的弹性算力,对高性能计算集群的资源进行灵活扩展。实验结果表明,本文提出的方法能够在不影响原有虚拟桌面基础设施业务的基础上,实现云桌面集群的闲置资源对高性能计算集群的弹性补充。

基于通道相似度熵的卷积神经网络裁剪

卷积神经网络(CNN)中包含大量滤波器,参数训练以及存储占用大量内存资源。裁剪滤波器是减小网络规模、释放内存、提高计算速度的有效方法。现有滤波器裁剪方法的主要问题是将滤波器权值作为孤立的数值计算,裁剪小权值滤波器,保留权值大的滤波器,忽视了部分小权值滤波器在特征提取过程中的重要性。通过分析滤波器通道之间的相似性,提出一种基于通道相似度的滤波器熵值计算方法(FEC)。针对滤波器结构特征,对权值张量进行均值压缩,并证明其合理性。先计算滤波器通道距离判断通道之间的相似性,再根据通道相似度计算滤波器熵,由熵值大小进行滤波器排序,删除一定比例熵值较小的滤波器。实验设计针对不同卷积层采用不同的裁剪比例,在CIFAR10以及Image Net标准数据集上对VGG-16和Res Net-34网络进行裁剪。实验结果表明:在基本保持原始准确度的情况下,分别减少了约94%和70%的参数数量;在目标检测网络SSD上参数数量减少了55.72%,平均精度均值(mAP)提高了1.04个百分点。

基于标签相关性学习网络的多标签图像分类方法

【目的】针对多标签图像分类任务中的标签特征混乱和标签关系局限性问题,提出了一种基于标签相关性学习网络的多标签图像分类方法(MLLCLN)。【方法】采用掩码注意力方法和多头自注意力机制。在掩码注意力方法中,通过图像真实标签对应的状态词向量遮盖注意力机制产生的标签特征,使模型能获得更多上下文信息,一定程度上避免了注意力机制的注意力区域重叠的问题。设计了标签相关性学习网络,该网络是由多层多头注意力机制和图神经网络组成。多头自注意力机制能够基于标签特征学习局部标签关系,而图神经网络使用了现有的方法MLGCN作为引导,使模型能同时考虑全局标签关系,缓解了由于标签关系局限性导致的模型出现虚假预测的问题。【结果】MLLCLN在公开数据集MSCOCO2014和VOC2007上的实验结果表明了其较好的性能,分类精度分别达到了84.4%和96.0%,为多标签图像分类提供了新思路。

基于熵值法的水质量综合评价模型设计与研究

为有效提高水质量综合评价水平,避免评价过程中主观性因素的影响,创新性地将熵值法引入水质量综合评价中,提出了一种基于熵值法构建水质量综合评价模型。通过熵值法计算水污染各影响指标所占权重,进而计算水质量综合评价指数,指数越高,表明水资源中所含污染物越高,反之越低。结果表明,该模型能很好地计算影响水质量各污染物指标权重及综合评价指数,计算结果直接客观,可有效判断水质。

改进K-means聚类的噪声污染监测网络模型的设计与研究

为有效优化城市噪声监测网络,最小化监测点数量,提出了一种改进K-means聚类的噪声污染监测网络模型。通过计算轮廓系数以改进K值,从而改进K-means聚类算法,建立K-means聚类模型,并根据聚类结果的类质心位置确定监测点位置坐标,得到优化的监测网络布局。结果表明,该模型在保证监测结果准确性和全面性的同时,有效减少了监测点的数量,从而降低了监测成本。

典型发达国家高校创新创业教育产学研合作模式的研究与借鉴

目前,我国高校的创新创业教育处于发展阶段,基于产学研合作开展创新创业教育,还存在诸多不协调的问题。因此,有必要深入研究世界各国高校的创新创业教育模式并进行分析比较。以美国、日本、英国、德国高校为对象,研究了产学研深度融合的创新创业教育模式,重点剖析了其教育政策、教育机制、运作模式机理及保障措施。针对国内创新创业教育存在的问题,提出通过企业和高校合作以及高校国际合作,建立创业研究中心和创业教育课程体系,把创新创业人才培养、科学研究、社会服务和国际化紧密结合,为建立具有中国特色的创新创业教育体系提供一种新的思路。

基于局部关系卷积的点云分类与分割模型

深度学习已成为点云分析的主要方法,但是现有方法在点云特征抽象时无法充分参考局部形状信息,因此对局部形状变化感知的鲁棒性较差,难以针对形状特征生成合适的卷积核。为此,提出了局部关系卷积(local relation convolution,LRConv),一种通过全面局部关系感知形状特征的卷积算子。参考点云局部中所有邻域点之间的低维空间关系,定义了一种不依赖于点的顺序与刚性变换的局部关系描述;使用多层感知机从关系描述中学习得到局部区域中每个点对应的卷积权重;通过卷积权重来变换点的特征,并聚合局部区域的抽象特征。在基准测试实验中,LRConv分类网络在ModelNet上的分类准确率较PointNet++提高了2.1个百分点,LRConv零件分割网络在ShapeNet上的分割类别平均重合度较PointNet++提高了1.5个百分点。实验结果充分验证了LRConv在特征抽象中的有效性。

基于云端融合和虚拟广播域的云桌面屏幕广播方法

随着教育信息化的发展,云桌面实验室和多媒体广播教学系统成为了远程教学的必要应用。针对传统多媒体广播系统应用在云桌面系统中存在的无法远程教学、云端计算开销过高和网络复用率低的问题,提出了一种基于云端融合和虚拟广播域为架构的广播教学方法。该方法利用终端设备的解码能力降低了云端高额的集中解码开销,利用IP隧道技术创建虚拟广播域来提高广播链路的复用度从而降低网络流量,同时提高教学活动的空间灵活性。

一种改进的点云Transformer深度学习模型

针对点云Transformer中注意力计算单一与局部特征嵌入损失的问题,本文提出了一种改进的点云Transformer编码结构.首先,在自注意力权重矩阵的计算中进行多头分拆分并独立计算注意力得分,以实现从多个方面的自注意力计算.然后,在邻域编码时增加了多空间尺度邻域特征嵌入,以融合多个尺度上的邻域特征.最后,为特征增加了自适应的空间位置编码嵌入,以增强绝对空间位置特征.基于改进的Transformer编码结构,构建了形状分类、零件分割和法向量估计三种常见点云分析任务的深度学习模型,并在ModelNet与ShapeNet数据集上验证了模型的有效性.实验结果表明,与点云Transformer相比,本文方法的分类准确率与分割平均重叠度分别提高了0.3%和0.2%,这充分验证了改进方法的有效性.

高性能计算与虚拟桌面基础设施融合使用研究

随着机器学习、神经网络、深度学习相关研究的广泛开展,以及近年来人工智能、大数据相关专业的增设,很多高校的高性能计算系统存在算力紧张的情况;同时,高校中的很多信息设施由于负载的时段性波动,也存在计算资源闲置浪费的情况,因而对这些闲置资源如何有效利用进行研究意义重大。虚拟桌面基础设施计算力可观,负载空闲时间段较长且具有规律性,基于此,文中提出一种通过在虚拟桌面基础设施中创建虚拟机形式的高性能计算节点进而组成计算队列,通过错时启动虚拟桌面池和高性能计算队列融合使用的方法,来解决高性能计算算力紧张的问题。文中方法既不影响虚拟桌面基础设施原有的提供桌面池的功能,同时又能够提供额外的高性能计算算力,使得既有信息设备发挥更大的功效。