人工智能领域研究生多学科交叉培养研究与实践

为突破人工智能领域多学科交叉研究生培养面临的高校建制及学科边界的壁垒,创新人工智能领域研究生多学科交叉培养模式,面向国家人工智能发展战略和山东省人工智能产业布局实施顶层设计,构建知识精密耦合的多学科融合课程体系,建设产教深度融合的创新实践基地,强化过程考核,多方位构建激励与约束机制,通过研究生基层组织建设实施网格化管理。该模式依托济南大学人工智能研究院,在电子信息类研究生培养过程中进行推广应用,近3年培养人工智能领域研究生150余名,建成2个省级研究生培养基地、8门省级优质课程及相关案例库,研究生科研成果获学科竞赛奖项5项,4篇学位论文获评省级优秀硕士学位论文,可为省属高校多学科交叉背景下的研究生培养提供有益的参考借鉴。

人工智能的范式革命——中国式现代化的科技篇章

引言现代化,是一个与时俱进的动态概念。不同的时代,有不同的现代化内涵和特色。农业时代有农业时代现代化的内涵和特色,工业时代有工业时代现代化的内涵和特色。当然,信息时代和智能时代也有与之相适应的现代化内涵与特色。中国式现代化,是在世界历史和中国历史正在经历的“百年未有之大变局”时代背景下的现代化概念,因此,与原有各种现代化概念的内涵与特色有着重大区别。

科创驱动“三位一体”的研究生创新能力培养模式构建

随着“大众创新、万众创业”深入实施和高校创新创业教育的发展,高校研究生创新能力培养的要求也越来越高。科技创新活动作为深化高校创新创业教育改革的重要载体、创新型人才培养的有效途径,对培养研究生创新能力具有不可替代的作用。构建科创驱动的“三位一体”研究生创新能力培养模式,为研究生综合素质和创新实能力提升探索路径,为研究生创新实践能力培养提供参考。

基于车载LiDAR的特征融合差分的车前道路提取方法

为应对行驶中变化的道路环境,划分当前车前道路的可行驶区域,本文提出一种基于多特征融合差分的车前道路检测方法。该算法通过形态学滤波法对原始点云进行地面点云提取,统计归纳地面点云数据,进而界定运算域,在运算域内划分不同纵深的差分元尺寸和起点,在差分元内进行特征参数的融合,形成特征矩阵,求解差分矩阵后再进行阈值滤波,进而实现车前道路点云的提取。本文首先与相关道路点云的提取算法进行对比,表明其性能优良;然后针对所采数据不同纵深的道路提取效果进行对比,证明该算法的有效性。

PhageGT:dsDNA噬菌体基因组末端分析软件

【背景】随着测序费用的降低,越来越多的科学家选择利用高通量测序技术研究噬菌体的基因组序列。通过对这些基因组数据的分析和研究,一些科学家也开发出了判断dsDNA噬菌体末端序列的方法,但这些方法是基于Linux系统下的命令,并没有在Windows操作系统下的软件。【目的】在Windows平台下开发一款免费的、可以在高通量测序获得的庞大序列文件中找到dsDNA噬菌体基因组末端序列的软件PhageGT。【方法】使用Visual Studio 2019开发一个基于对话框的微软基础类库(Microsoft Foundation Classes,MFC)应用程序。软件使用C++语言开发,逐行读取序列文件中的每条Reads,并设计相应的算法进行统计、计算。【结果】软件PhageGT可在高通量测序文件中提取出不同序列出现的频率、排序,并利用提取序列的最高频率和序列平均频率的比值(R值)判断噬菌体基因组是否存在末端序列。【结论】软件PhageGT的使用比较方便、简单。软件PhageGT和本文所利用的所有测试数据均可从https://zenodo.org/record/4674231#.YHADb-gzZxc免费获得。