纸笔测验和计算机自适应测验的比较研究

首先介绍了计算机自适应测验的原理和算法,接着对纸笔测验和计算机自适应测验(Computerized Adaptive Test,简称CAT)进行了比较,并详细阐述了两者的异同。最后,对纸笔测验和计算机自适应测验的发展趋势作了一些论述。

通过中间件增强数据库信息安全研究

数据库系统作为当前多数企业和部门的信息载体,担负着存储和对数据信息的访问控制任务。介绍了当前数据库安全的研究现状,提出了通过中间件增强数据库信息安全的方法,即通过中间件来实现数据库信息加密。

基于GaborSIFT+NNScSPM图像特征抽取算法研究

视觉信息的特征表示是计算机视觉场景图像理解研究中的核心内容.基于GaborSIFT+NNScSPM的图像特征抽取算法,借鉴生物视觉机制中的相关研究成果,有机结合了HMAX层次计算模型的思想和非负稀疏编码的策略,较为合理地模拟了生物视觉皮层中视觉处理的过程.在15类场景图像和Caltech101两个公开数据集上进行了实验验证,实验结果表明我们所提出的算法较同期算法有着良好的分类性能.

基于子词的句子级别神经机器翻译的译文质量估计方法

目前性能最优的译文质量估计系统使用神经机器翻译中的编码器-解码器模型作为特征提取器.该方法由于限制词表大小易导致数据稀疏问题,从而使得较多的未登陆词不能被正确评价.为了缓解上述问题,在详细分析不同子词切分方法的特点后,提出了基于字节对编码(BPE)子词切分和基于一元文法语言模型子词切分的神经译文质量估计方法,并将两者的译文质量估计的得分与基于词语切分的神经译文质量估计得分融合后进行译文质量估计.在WMT18句子级别译文质量估计子任务数据集上的实验结果表明:融合BPE子词切分、一元文法语言模型子词切分和词语切分的神经译文质量估计方法的性能在多个评测子任务上超过了WMT18给出的最好参与系统,深入的实验分析进一步揭示了融合不同粒度的句子切分方法提高了译文质量估计的健壮性.

基于Spatial-DCTHash动态参数网络的视觉问答算法

随着深度学习和多模态融合的深入研究,问答系统从传统的纯文本方式扩展到结合图片的视觉问答,成为计算机视觉与自然语言理解的交叉研究热点.Hyeonwoo等最新提出的动态参数预测模型(DPPnet)能够简单、有效地实现问句和图片信息的融合.但是该模型在进行网络参数动态Hash分配时位置随机,缺乏图像内容空间分布的考虑.针对此不足,本文提出一种新的空间离散余弦Hash动态参数网络.算法采用全卷积方式提取保留图像内容空间分布信息的conv7特征.在此基础上,利用问题信息生成具有一定空间结构性的卷积核,实现问题与图像信息融合预测视觉答案的过程.在COCOqa和MSCOCO-VQA两个公开数据集上与同期主流算法进行了实验对比,实验结果表明,本文的网络模型较以往的模型能够更为精确地预测视觉问答答案.