基于工程教育认证的留学生专业教学探索与实践——以沈阳化工大学机械设计制造及其自动化专业为例

以机械设计及其自动化专业为例,在实施国际工程教育认证背景下,开展关于留学生专业教学的研究与实践。基于对专业教学过程中存在的留学生基础知识差、师生交流存在障碍和留学生教学质量监控与评价不到位等问题的分析,遵循工程教育标准,采取修订完善培养方案、培训师资、教学国际化、构建质量监控与评价机制等措施改进专业教学,完善教学管理,实施工程教育认证,有效促进留学生的专业教学及管理实现规范化和国际化,保证留学生专业教学质量,得到国际认可。

计算机科学与技术专业实践教学体系改革与创新研究

该文以培养高素质创新型应用人才为目标,结合计算机科学与技术专业,对实践教学体系的改革进行了深入的研究与探索,构建了新的实践教学体系。阐述了实验教学模式的改革、实践项目的建立、实验室建设等环节,加强了学生的专业技能、培养学生的创新精神和应用能力。

谈谈高校计算机专业课程如何利用多媒体课件

文章以微型计算机原理课程为例,阐述了高等学校计算机专业课程教学中应如何更好的发挥多媒体课件的作用,在实际制作过程中,采用了Authorware7.0作为制作工具,在对教学内容、课件制作原理进行了整体分析之后,确定了本课件的主要模块:章节模块、控制模块和习题模块。

计算机专业英语课程教学改革的研究与实践

随着科技发展,具备计算机和英语两种专业知识和技能的复合型人才的需求量越来越大。因此,计算机专业英语的教与学显得尤为重要。该文介绍了计算机专业英语课程目前的教学现状,提出了计算机专业英语课程的理论体系,并依据此理论体系,制定了全新的课程体系,构建了交互的网络平台系统,提出了具体的课程改革实施方案,并将此方案应用于实际的教学中,取得了较好的成效。

基于VISUAL BASIC平台开发的计算机信息加密保护软件——Glove安全门

Glove安全门是一种对计算机中的重要信息进行加密保护的新型软件,详细地介绍了Glove安全门的基本概念和开发的关键技术以及基于Visual Basic语言开发Glove安全门软件的过程。

课程思政融入计算机实践教学——以Python语言课程设计为例

立德树人是高校教学的根本任务,本文针对计算机实践课程Python语言课程设计的教学特点和教学内容,设计了融入课程思政的教学方法和教学手段,将职业操守和数据伦理紧密地融入实践教学活动。围绕学生文化修养、道德修养、意识形态认同感、民族自豪感与爱国主义情怀、法治意识等五个重点教育内容,深挖课程思政的切入点和教学案例,不断优化Python语言课程设计的思政教育内容,建立了一个全过程、全方位、有案例的计算机实践教学中的“课程思政”方法。

面向学生生活需求的计算机文化基础实验教学模式初探

本文针对当前计算机文化基础实验教学的特点,提出了面向学生生活需求的实验教学方式,采用该方法,极大地提高了学生自主学习的积极性和创造性,并且取得了明显的效果,是一种值得推行的好的实验教学方法。

基于大数据技术的Cochran-Armitage算法的分布式研究与实现

Cochran-Armitage趋势检验是在基因组分析中非常重要的算法,其主要被用来完成基因型频率差异的统计检验。针对传统串行Cochran-Armitage趋势检验算法的计算耗时高和资源占用率高的问题,本文提出了基于大数据技术的分布式并行化Cochran-Armitage算法。首先将数据存储至分布式文件系统HDFS。然后逐条读取数据记录并提交至集群执行并行化的Map阶段和Reduce阶段。实验结果表明,分布式并行化的Cochran-Armitage算法相比于传统串行Cochran-Armitage算法,具有更快的计算速度和更少的资源占用等优点。

基于改进KSFA的非线性动态化工过程安全性研究

将核慢特征分析(Kernel slow feature analysis,KSFA)与Wasserstein距离相融合,实现基于改进KSFA算法非线性动态过程故障检测,可以有效提高对非线性动态化工过程的监控效率,从而提高生产过程的安全性。采用KSFA方法提取过程中具有缓慢变化的核慢特征矩阵,利用滑动窗口技术获取慢特征空间系数矩阵Wasserstein距离,通过已获取的Wasserstein距离值作为统计值并进行过程检测,最后,将所提出的方法通过一个非线性动态数值例子进行验证,通过与SFA和KSFA进行对比分析,验证本方法在非线性动态过程中的可行性。

基于增量式等距映射同双重局部密度方法的工业过程故障检测

针对工业过程的非线性和动态性问题,提出一种基于流形学习下的增量式等距映射(IISOMAP)与双重局部密度(DLD)相结合的故障检测方法(IISOMAP-DLD).利用IISOMAP将原始数据映射到低维流形特征子空间和剩余子空间;然后,在两个子空间中分别引入双重局部密度方法构建统计量对过程进行监控;最后,将IISOMAP-DLD方法应用到田纳西-伊斯曼(TE)过程.实验结果表明,IISOMAP-DLD对比其他方法有更高的故障检测率.IISOMAP在保留数据内在特征的同时,解决了过程的非线性问题,而双重局部密度方法可消除过程的动态性.

基于改进PCA的复杂多阶段过程故障检测

为解决复杂多阶段过程难以进行有效监控的问题,提出了时空近邻标准化和主成分分析的故障检测方法。TSNS使用从时间到空间上嵌套近邻集的均值和标准差标准化各阶段样本,能够将多阶段数据高斯化为单一阶段的数据,分离故障样本,同时去除前后时刻样本间的时序相关性。TSNS能帮助PCA有效克服动态性、非线性和多阶段特征的影响,显著提高PCA的故障检测率。通过使用青霉素发酵过程设计故障检测实验,将TSNSPCA与一些经典方法进行比较,发现其具有更高的故障检测率。

一种改进Canny算子的图像边缘检测算法

在移动机器人自主作业时,环境中往往存在障碍物,路径规划避障时要进行动态目标检测.Canny边缘检测算法可以与众多动态目标检测算法相结合,提高目标检测的效果.但是传统Canny边缘检测存在着自适应性不强,边缘检测可能不连续,或者检测虚假边缘的现象.本文提出了一种优化Canny边缘检测算法,通过改进的自适应中值滤波来预处理图像,对算法效率及对噪声点的处理做出了优化,紧接着增加梯度计算方向,最后结合改进的大津阈值分割法,提出了三阈值分割法代替原始的阈值分割法使图像边缘信息更加完整准确.仿真结果表明,该算法在边缘检测准确率上对比传统Canny边缘检测,Sobel算子与较新改进算法均有20%左右的提升,该算法优化了传统算法检测的连续性和准确率.

基于上下文方面记忆网络的方面级情感分析

基于深度记忆网络在方面级情感分析中的优势及针对相关工作中忽略上下文词与方面之间位置信息的不足,提出一种基于上下文方面记忆网络的方面级情感分析方法。不同记忆网络层关注上下文记忆不同部分,获取丰富方面感知上下文信息。为充分利用方面间信息,设计方面记忆网络更新模块,为所需方面生成邻近方面的语义和关系信息,在多计算层中的多头注意力机制输入采用两种策略计算上下文和方面词的相关性。在3个基准数据集上的实验结果表明,所提模型在性能评价指标的准确率和Macro-F1-score上与相关工作比较有一定提升。

混合神经网络用于滚珠丝杠热误差预测

为了减小数控机床热致定位误差影响,提高机床加工精度,这里建立了径向基神经网络(RBFNN)和时间序列(ARIMA)混合模型的变权值热误差预测方法。综合两个单一模型对数控机床热误差进行预测,利用逆向辨识优化算法分别获取两个单一模型的优化权值,得到变权值混合模型,使得热误差预测精度得到提高。将这里混合模型与RBFNN模型和ARIMA模型分别进行对比分析,结果表明混合模型(RBFNN-ARIMA)的预测精度明显优于单一RBFNN和单一ARIMA模型,证明了此算法的有效性。

基于Swin Transformer生成对抗网络的图像生成算法

针对图像生成算法中生成对抗网络训练效率低且不稳定的问题,本文提出了一种改进生成对抗网络的图像生成算法(STGAN),该算法首先在判别器中引入Swin Transformer机制,来增强网络的判别能力;其次改进了生成器,使用自注意力代替卷积神经并且加入谱范数规范化,来达到平衡生成器和判别器的效果;最后使用Wasserstein距离作为损失函数,以提高网络的训练稳定性.实验数据表明,在CelebA和LSUN两种不同数据集上STGAN比自注意力生成对抗网络所生成图像的FID值分别降低了2.5266和5.4476,IS值分别提高了0.0941和0.0343.从实验结果可以看出,STGAN模型生成的图片具有非常高的自然度和逼真度,有效地提升了生成图像的质量和真实性.

采用双流网络结构的虹膜卷缩轮检测方法

针对虹膜卷缩轮检测易受干扰而导致边界定位波动的问题,提出一种基于双流网络结构的虹膜卷缩轮检测方法。在归一化图像中,利用双流网络结构分别提取结构特征和纹理特征。融合模块融合来自不同流的特征,得到初定位区域。对该区域进行滤波操作,去除噪声干扰。利用边缘梯度算子检测、提取卷缩轮。实验结果表明,该方法正确检出率为91.2%,边缘定位AP值为0.706,平均检测速度为2.3秒/幅,相比其它算法,存在复杂干扰的情况下,保证检出率和检测速度的基础上,降低了边界波动。

基于ZYNQ平台的图像分类加速器设计与实现

随着信息技术的不断发展,机器视觉技术已被广泛应用于智能产线.智能制造生产过程中工件种类多、外观相似性高,而传统分拣方式速度慢、准确率低,已无法满足智能化生产的要求.采用机器视觉技术来解决智能产线中的工件分类问题已成为当前智能制造领域的热点.为提高智能产线中工件分类的效率,本文设计并实现了一种基于ZYNQ平台的图像分类加速器.针对现有的卷积神经网络模型参数量大、难以部署到资源有限的嵌入式平台的问题,提出一种参数量较少、易于在嵌入式平台部署的图像分类网络SortNet;针对卷积神经网络在嵌入式平台速度慢的问题,设计了一种卷积与激活函数同构化的处理单元(CAFI-PE)以及一种基于流水线的数据调用方法(PDCM),提高了卷积计算的速度.实验结果表明,本文提出的图像分类加速器对224×224大小的灰度图像处理速度可达40.98fps,而功耗仅为2.305W,能够满足智能产线对工件分类速度和功耗的要求.

利用强化学习的改进遗传算法求解柔性作业车间调度问题

针对传统遗传算法在解决柔性作业车间调度问题时易陷入局部最优解、参数不能智能调整、局部搜索能力差的问题,建立以最大完工时间最小为目标的柔性作业车间调度模型,并提出一种基于强化学习的改进遗传算法(reinforcement learning improved genetic algorithm,RLIGA)求解该模型。首先,在遗传算法迭代过程中,利用强化学习动态调整关键参数。其次,引入基于工序编码距离的离散莱维飞行机制,改进求解空间。最后,引入变邻域搜索机制,提升算法的局部开发能力。使用PyCharm运行Brandimarte算例,验证算法的求解性能,实验证明所提算法求解效率较高,跳出局部最优能力更强,求解结果更好。

基于IVPSIC-Net的小样本热轧钢带表面缺陷检测研究

针对钢带表面缺陷检测样本不足、检测精度较低等问题,提出IVPSIC-Net模型,不需要对缺陷图像扩增或合成,仅需较少的数据样本,即可对钢带表面缺陷进行较为准确的分类和分割。经由ImageNet数据集进行预训练,通过调整宽度因子、引入多层感知机和空洞卷积等对特征提取模块进行优化与改进。基于MobileNet121将训练得到的模型权重迁移至IVPSIC-Net模型,大幅度减少了模型计算量。结合位置信息,融合改进的自注意力机制实现对缺陷的有效检出。实验证明,模型对热轧钢带的6种典型表面缺陷均可较为准确地分类和分割。所提出的方法在分类任务中准确度达到85%,相较其他缺陷目标检测算法(YOLOv4、MPF-DNN、FAR-Net、PSIC-Net等)提升了4.79%~6.97%;在分割任务中,相较其他分割算法(Deeplabv3plus、VGG-Unet、RDUnet-A、PSIC-Net等),错误率降低了8.00%~20.03%,能够更准确地分割出钢带表面的缺陷区域。

基于多译文神经机器翻译数据增强方法

神经机器翻译(NMT)是目前机器翻译领域的主流技术之一,然而其翻译性能的优劣很大程度上取决于数据集的规模和质量。为了缓解数据集稀缺的问题,本文提出了一种基于多译文神经机器翻译的数据增强方法。首先,利用已训练的神经机器翻译模型翻译出多译文,接着,利用筛选策略选出多个译文,同时提出生成伪双语数据的2种策略:根据筛选出的译文找到对应的目标原文;利用反向翻译模型对多译文翻译。最后,生成的伪数据与原数据混合,训练增强后的翻译模型。实验结果表明,基于多译文数据增强方法可以有效提高NMT模型的翻译性能。