新工科背景下计算机类课程思政教学研究与实践

通过在线问卷调查方式,分析计算机类课程思政教学现状,探讨计算机类课程思政教学中专业课程德育基因及红色文化的提炼和挖掘,阐述教师德育思政教育专业素养以及课程思政教学能力培养的目标、机制和建议,介绍课程思政教学评价原则、方法及应用。

“双一流”建设背景下计算机专业学位教育改革与探索

在“双一流”建设背景下,应侧重于培养计算机专业研究生实践创新能力,但目前培养工作中仍存在培养目标偏差、实践管理松散、评价体系单一等问题。为此,提出基于PDCA专业学位培养模式持续改进模型,通过协同校企导师的实践教学体系和全过程宽口径专业学位评价指标体系,优化实践环节知识能力结构设计,提高实践教学和专业学位研究生培养质量,构建全新的评价指标。实践结果表明,改革措施有助于提高计算机专业研究生的工程实践能力,提升研究生人才培养质量,以期为开展计算机专业学位教育改革的院校提供参考与借鉴。

依托虚拟教研室的“计算机病毒原理与防范”课程建设探讨

随着现代信息技术的发展,虚拟教育验收的产生大大扩展了原有教研室的作用。在虚拟教研室的支持下,本文对“计算机病毒原理与防范”课程建设模式进行了探索,在教学内容优化、教学目标确立、教学手段改进、教学资源共享等几个方面取得了一定的成绩,为该类型专业核心课程的建设提供了思路,也为虚拟教研室的应用提供了借鉴。

地方高校产学研布局的探析与思考——以湘潭大学为例

产学研工作在国家一系列政策的驱动与引导下,其指导性、针对性与主动性上得到大幅增强,其意识、效能与社会环境等方面得到显著改善,但一些地方高校在布局上仍存在缺乏顶层设计,与学校双一流建设结合不强,存在一窝蜂、单打独斗与各自为战等现象,地方高校产学研工作不仅在模式上要创新,在布局上也要思考,不仅要接地气,还要增锐气,要破解捆绑与松绑矛盾。本文结合湘潭大学一些典型做法,提出相关建议,为地方高校践行国家实施转型升级战略提供参考。

融合密度和划分的文本聚类算法

文档聚类是聚类的经典应用,它是将相似的文档归为同一类,可以有效地组织、摘要和导航文本信息,也可以用来提高分类效果。论文使用BERT模型处理文档向量化,将文档表示为高维向量。传统的密度聚类算法不适用于高维数据集,划分聚类算法中的K-均值算法可以有效地聚类文档,但是算法的性能非常依赖于初始中心点的选择。论文提出了一种新的融合密度和划分的文本聚类算法。首先,通过密度选择适当的聚类中心点集合,然后使用最远距离的想法逐渐选择初始类中心点,最后使用划分方法对数据集进行聚类。实验表明,该算法的聚类效果稳定,聚类效果良好。

渐近线的定义与理解

根据现有资料对渐近线的定义及渐近线的求解方法,发现对渐近线的理解存在一些让人疑惑的地方.本文针对这些渐近线定义存在的问题,从极限的角度给出渐近线更为严谨的数学定义.

串扰忆阻突触异质离散神经网络的共存放电与同步行为

突触串扰由相邻突触间神经递质的溢出引起,对神经系统的放电特性及信号传输有着深远影响.利用两个忆阻器模拟生物神经突触,双向耦合Chialvo离散神经元和Rulkov离散神经元,并考虑耦合状态下突触间的串扰行为,构建一类忆阻突触耦合异质离散神经网络.研究分析表明,神经网络不动点的数量及稳定性依赖于突触串扰强度.同时,通过分析分岔图、相图、李雅普诺夫指数谱和时序图等发现,随着突触串扰强度的变化,神经网络表现出不同的共存放电行为.此外,基于神经元放电序列的相位差及同步因子,研究了不同耦合强度及不同系统初始条件和参数情形下,突触串扰强度对神经网络同步行为的影响.

量子信息技术与区块链的融合模式研究

区块链与量子信息技术是近年来兴起的前沿科学技术,受到了业界广泛的关注与研究。其中区块链具有去中心化性质,以区块链为核心技术的应用在金融科技、物联网、民生与政治等诸多领域相继涌现。量子信息技术主要分为量子计算、量子通信、量子测量。其中量子计算的研究主要体现在相较于经典计算的计算优越性,量子计算的运行速度已被证明在解决某些复杂问题上远超经典计算。而在两者迅猛发展的同时,相互之间也存在亟需解决的问题。由于区块链采用的部分经典密码学技术已被证明会被量子计算破解,例如基于非对称密码体制的数字签名,导致区块链的安全受到威胁。针对此问题,已有研究表明,将量子信息技术应用于区块链,可以保护其不受量子攻击。以区块链与量子信息技术相结合为出发点,通过介绍区块链和量子计算的基本结构,以及分析区块链遭受的量子挑战并总结现有的量子解决方案,指出区块链和量子信息技术的融合可以促进区块链在量子时代良好地发展,而这也是不可阻挡的趋势。

基于改进麻雀搜索算法的分数阶混沌系统参数辨识

混沌系统的参数辨识是非线性科学中的一个经典反问题。由于智能优化算法的高效率和鲁棒性,利用算法对混沌系统进行参数辨识已成为近年来兴起的热点话题。本文致力于针对分数阶定义下的混沌系统进行参数辨识研究,在经典麻雀搜索算法的基础上提出随机扰动和Lévy局部飞行搜索的改进方式,并对分数阶Chen混沌系统和分数阶Lorenz混沌系统进行了参数辨识。仿真实验在6种不同的智能优化算法中进行,其结果证明了所提出的改进麻雀搜索算法具有更快的收敛速率和更高的辨识精度,并能够保证所有的辨识参数与原始参数的误差在10^(-4)以下。研究成果可为非线性系统的智能同步控制提供新的解决办法。

基于骨架动作识别的协作卷积Transformer网络

近年来,基于骨架的人体动作识别任务因骨架数据的鲁棒性和泛化能力而受到了广泛关注。其中,将人体骨骼建模为时空图的图卷积网络取得了显著的性能。然而图卷积主要通过一系列3D卷积来学习长期交互联系,这种联系偏向于局部并且受到卷积核大小的限制,无法有效地捕获远程依赖关系。该文提出一种协作卷积Transformer网络(Co-ConvT),通过引入Transformer中的自注意力机制建立远程依赖关系,并将其与图卷积神经网络(GCNs)相结合进行动作识别,使模型既能通过图卷积神经网络提取局部信息,也能通过Transformer捕获丰富的远程依赖项。另外,Transformer的自注意力机制在像素级进行计算,因此产生了极大的计算代价,该模型通过将整个网络分为两个阶段,第1阶段使用纯卷积来提取浅层空间特征,第2阶段使用所提出的ConvT块捕获高层语义信息,降低了计算复杂度。此外,原始Transformer中的线性嵌入被替换为卷积嵌入,获得局部空间信息增强,并由此去除了原始模型中的位置编码,使模型更轻量。在两个大规模权威数据集NTU-RGB+D和Kinetics-Skeleton上进行实验验证,该模型分别达到了88.1%和36.6%的Top-1精度。实验结果表明,该模型的性能有了很大的提高。

课程思政力推非技术能力全面达成--以工程概论课程为例

工程教育认证中非技术能力的达成一直是困扰工科专业教育教学一个瓶颈。为了在专业教学环节中更好地培养非技术能力,工程概论课程定位工科类专业公共基础课或文化素质课,讲解非技术能力的各个方面,包括工程与社会、创造意识与能力、职业能力与职业素养、职业道德与工程伦理、技术交流和工程管理与经济核算等内容。基于该课程自身天然的思政融入特性,将课程思政融入与非技术能力培养结合,相辅相成,相互促进,为后续专业教学环节中非技术能力的提升和全面达成奠定基础。

基于边缘引导的多尺度医学影像分割方法

医学影像的灰阶变化小,分割目标与背景不易区分,因此,进行影像分割是充满挑战性的问题。现有网络模型大多将高频的分割边缘与低频的主体部分统一学习,忽视了高频与低频信息的差异性和两者在图像中占比不同的差别。针对这一问题,提出了基于边缘引导的多尺度卷积神经网络Edge Guided V-Shape Network(EGV-Net),从低频分割主体和高频分割边缘两个特征角度进行针对性学习。其中,低频特征通过编码-解码方式进行特征传递,学习分割目标的主体部分;高频特征则通过边缘提取方法,首先将高频语义信息从分割图谱中提取出来,再将分割边缘过滤分离。高频边缘通过边缘引导模块指导模型对低频特征做出精准的分割,并恢复边缘细节精度。在肝脏影像与ISIC2016数据集上进行的实验结果表明,所提算法对整体分割的把控能力更强,在边缘细节处有更好的分割效果,优于其他模型。

基于高分辨率网络的自监督单目深度估计方法

使用深度学习方法进行单目深度估计时,由于使用多级下采样会出现重建结果细节信息缺失、边缘轮廓模糊等问题.为此,提出一种基于高分辨率网络的自监督单目深度估计方法.首先,通过并行连接使得特征图在编码过程中始终保持高分辨率表示,以充分地保留细节信息;其次,为了提高编码器的学习能力,在编码部分引入注意力模块,对图像特征进行筛选和提炼;最后,针对深度估计的多义性问题,利用非相邻帧图像之间的一致性,设计了一种有效的损失函数,并使用可靠性掩膜来消除动点和遮挡点的干扰.在TensorFlow框架下采用KITTI和Cityscapes数据集进行实验,实验结果表明,与已有深度估计方法相比,该方法不仅能够保留预测深度的边缘信息,而且能够提高预测深度的准确性,可达到0.119的平均相对误差.

一种基于混合粒子群优化算法的深度卷积神经网络架构搜索方法

神经架构搜索(neural architecture search,NAS)技术自动寻找神经网络中各层的最佳组合和连接方式,以及各种超参数的最佳分布。该方法从搜索空间生成若干不同的卷积神经网络(CNN),使用混合粒子群优化(hybrid particle swarm optimization,HPSO)算法,将一定数目的神经网络个体视做一个群体,将每个网络个体在评价指标下的表现值视做适应度,在给定的世代数范围内,每个神经网络个体都学习自身的历史最佳适应度个体,和整个群体的最佳适应度个体,迭代改善自身的网络架构。实验结果表明,算法运行中出现的最优网络架构,在图像分类任务的多个基准数据集上,与手工设计的神经网络和以遗传算法为基础的NAS算法相比,在网络参数数量和准确率的平衡上取得了有竞争力的结果。

进化高维多目标优化研究综述

高维多目标优化问题(many-objective optimization problems, MaOPs)已经普遍存在于工业和科学领域中,这类问题的目标数一般超过3个且目标之间存在冲突性。进化算法作为一种基于种群的元启发式搜索方法已经被证实能够有效求解MaOPs。近二十年来,高维多目标进化算法(many-objective evolutionary algorithms, MaOEAs)研究已取得了长足发展。现对进化高维多目标优化(evolutionary many-objective optimization, EMaO)的研究进展进行全面的综述,具体包括:(1)描述了EMaO的相关理论背景;(2)分析了EMaO面临的挑战;(3)详细讨论了Ma OEAs的发展概况;(4)归纳了Ma OPs以及性能指标;(5)介绍了面对高维目标空间的可视化工具;(6)总结了Ma OEAs在一些领域的应用;(7)剖析了进化算法在解决MaOPs时所面临的问题和挑战,并给出未来研究方向的建议。

高效的安全多方半量子求和协议

安全多方半量子求和(SMSQS)是指多个互不信任且资源受限的参与方,借助量子第三方(TP)的帮助联合计算出他们私有秘密之和,其求和结果可以根据实际应用场景来设计是否公开,但是协议需确保参与者输入的隐私性和计算结果的正确性.本文提出一种第三方TP只需制备单量子比特就可对多个资源受限的参与方进行秘密求和的协议.协议中参与方无论执行直接返回操作或者执行测量返回操作,协议都可以对参与方的秘密进行求和计算,从而提高协议中量子比特的使用效率.其次基于一种d维的量子叠加态给出将参与方秘密数值的维度扩展到高维的SMSQS协议,并通过数学证明和具体实例验证其协议的正确性.通过对所提出的协议进行安全性分析可知它们能够防范拦击重发攻击、测量重发攻击、双CNOT门攻击和TP攻击等典型的攻击行为.

直方图双峰法在遥感影像水体提取中的研究与改进

利用水体指数方法提取多光谱遥感数据中水域信息优势明显,应用广泛。然而在实现过程中,算法的选取依赖于特定的水域环境,移植性差。本文选取了我国东部5个地区冬夏两季的数据,基于Landsat 8/9卫星的光谱数据,使用改进的归一化水体指数(MNDWI)进行归一化处理,在此基础上研究了直方图双峰阈值法的不足之处并加以改进。试验结果表明,改进后的直方图双峰法提取水域信息精度明显提高,且不再依赖于特定的水域环境,适应性显著提高。

基于异构导频能量估计的边缘节点导频攻击检测算法

针对边端协同联邦学习中边缘服务器与设备终端频繁交互更新模型和梯度参数时,窃听者容易通过导频攻击干扰信道估计,从而达到降低模型更新效率和窃取模型参数的问题,基于异构导频能量估计提出一种导频攻击检测算法。首先,通过深入分析导频攻击对系统安全速率的影响,构建联邦学习导频攻击系统模型。进而,基于随机分割和加密方法提出一种信号平均能量差的导频攻击检测方法,能够准确地检测出潜在的导频攻击并进行污染信道的恢复。实验结果表明,与其他已有算法相比,所提算法适用于检测发射功率小、隐蔽性强的导频攻击,基于恢复的信道状态信息进行预编码可以大幅度提高边缘服务器的数据传输速率。

基于三元闭包的不确定社交网络隐私保护算法

当前,社交网络的使用量持续上升,在发布社交网络数据的同时对社交网络隐私的保护是目前研究的重点。目前社交网络隐私保护方法,大部分着重于对图隐私的保护,忽略了图数据效用的问题,导致图数据效用破坏严重,适用范围有限。针对以上问题,设计了一种基于三元闭包的潜在边算法。该算法首先通过三元闭包方法将社交网络演化的潜在边加入到原始图中,由此生成具有一定动态适应性的新图;然后使用(k,ε)-模糊算法向图中注入不确定性,生成不确定图,利用不确定图的特点达到了在保证一定隐私水平的情况下能够保持较高的图数据效用。最后,通过实验对比证明该方法隐私保护效果较好,算法适用范围较广。

基于Arnold变换的量子图像混沌加密方法

在确保量子图像密码算法安全的基础上,为进一步优化解密图像质量及计算复杂度,该文提出一种基于Arnold变换的量子图像混沌加密方案。方案使用量子细胞神经网络产生的混沌信号来控制量子Arnold变换、量子交换(SWAP)和量子控制非操作(CNOT),然后将这些操作作用于量子明文图像中以获得相应的密文图像。研究结果表明:所提量子灰度图像加密方法具有高安全性、高解密图像质量及低计算复杂度的特点。