“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。

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。

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。

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。

基于阶梯型特征空间分割与局部注意力机制的行人重识别

为了让网络捕捉到更有效的内容来进行行人的判别,该文提出一种基于阶梯型特征空间分割与局部分支注意力网络(SLANet)机制的多分支网络来关注局部图像的显著信息。首先,在网络中引入阶梯型分支注意力模块,该模块以阶梯型对特征图进行水平分块,并且使用了分支注意力给每个分支分配不同的权重。其次,在网络中引入多尺度自适应注意力模块,该模块对局部特征进行处理,自适应调整感受野尺寸来适应不同尺度图像,同时融合了通道注意力和空间注意力筛选出图像重要特征。在网络的设计上,使用多粒度网络将全局特征和局部特征进行结合。最后,该方法在3个被广泛使用的行人重识别数据集Market-1501,DukeMTMC-reID和CUHK03上进行验证。其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1%和95.6%。实验结果表明,该文所提出的网络模型能够提高行人重识别准确率。

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。

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。

基于校企深度合作模式的软件工程专业实践教学体系探索与实践

针对软件工程专业传统实践课程体系中实践能力产出导向不强、实践需求难以满足、评价体系不完善的问题,提出通过更加深入、全面、稳定的校企合作,优化培养模式和重构课程体系。通过湘潭大学软件工程专业教学实践说明该体系教学效果。

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.

基于关键链的地下矿采掘计划编制优化方法

为了解决传统地下矿采掘计划编制中存在的最短工期不可控、作业成本较高的问题,以最大化减少工期为目标,提出了一种资源约束下的采掘计划关键路径自动搜索方法。首先,根据作业之间的逻辑衔接关系自动生成采掘计划网络图,并为其添加资源约束;然后,根据工序顺序表和计划衔接表中的信息确定每个采场执行的工序,且不同工序按照不同的资源配置规则来分配优先级;最后,更新网络图,以当前作业为初始节点,采用改进的深度优先搜索算法遍历有向图,递归查找全部采掘路径,其中耗时最长的路径为关键路径,即资源约束下的最短工期。研究结果表明:运用资源约束下的关键路径自动搜索方法来实现采掘计划优化,缩短了计划编制的时间和采掘计划的工期,降低了作业成本。以乌拉特后旗紫金矿业三贵口矿山采掘计划编制为例,证明该方法能够有效优化矿山采掘计划。

长文本匹配LTM-B模型

长文本匹配是自然语言处理的一项基础工作,在文本聚类、新闻推荐等方面有着关键作用.受语料、篇幅结构、文本表示技术的限制,长文本匹配工作进展缓慢.近年提出的BERT模型在文本表示方面具有非常卓越的表现,而对于BERT来说,长文本的处理有截断法、分段法和压缩法3种常用方式,截断法丢失大量文本信息,分段法保留文本信息却丢失部分语义信息,压缩法可能丢失部分关键信息.针对以上问题,本文对分段法加以改进,提出一种基于BERT的长文本匹配模型(long text matching model based on BERT,LTM-B),它以孪生网络为基础,采用分层的思想将文档切分成多个分段,使用BERT模型处理文本向量化,从而得到文档的矩阵表示,并采用BiLSTM产生位置矩阵,然后将文档矩阵及其位置矩阵求和输入至Transformer编码器进行特征提取,最后将两个文档矩阵进行交互、池化、拼接后经由全连接层分类输出匹配结果.实验表明,相比于其他方法,LTM-B模型在长文本匹配问题上拥有更好的表现.

基于多目标进化算法的自驾游用户导航规划

传统的自驾导航只考虑路程的远近,难以满足用户的实际需求.在路线规划过程中,红绿灯、拥堵和限速等都将影响用户到达目标地点的时间.本文将用户的自驾路径规划抽象成多目标优化问题,首先通过对地图路线进行建模,然后采用NSGA-Ⅱ多目标进化算法对路线总路程和需要花费的总时间两个目标进行优化.实验证明,本文方法能够实现最短路径和最短时间方面的最优选择,为用户自驾导航提供最优的路线.

基于JSON的数字采矿协同技术研究及应用

针对矿山业务软件数据格式繁多,缺乏统一数据标准,业务流程多次流转后产生海量异构数据造成数据难以管理的问题,提出了一种基于JSON的数字采矿协同技术。首先对采集的矿山数据进行分类,并采用轻量级的JSON格式对分类后的矿山业务数据进行标准化处理。然后采用微服务架构的分布式思想,依据明确的矿山业务边界将整个数字采矿协同平台的业务功能模块划分为独立的服务模块。由于微服务的特性,可以根据不同的业务服务设计单独的数据库存储信息,并基于Spring Cloud框架管理协同平台中各独立业务服务和数据库,实现数据跨业务式互联互通,最后将其应用于新疆阿舍勒铜矿。结果表明:该方法充分利用JSON数据格式与微服务架构的特点,解决了矿山信息孤岛、信息断层等问题,减少了数据调用及管理时间,提高了矿山各业务跨部门、跨学科协作的能力与工作效率。

校园红色文化在高校“三全育人”工作中的功能与路径探析

深刻把握大学校园红色文化的基本内涵和重要意义,所欲需要对此加大关注力度,从而提高教育效果。大学校园是我国高等教育的重要组成,其有着有些的文化属性及教育特性,深入挖掘高校的红色文化不难发现,校园内的“革命气息”无处不在,如对此加以利用则能够进一步突出教育的引领及导向作用,凸显红色属性和教育属性,但也有部分大学院校忽视了本就存在的可利用红色文化资源。随着高校全面推进“三全育人”工作的落实,整合创新大学校园显性红色文化资源已成为推动发展的必然因素,有精炼挖掘大学校园隐性红色文化资源,支持大学生在校外红色景点接受思想政治教育不断丰富高校“三全育人”工作实践。

基于改进YOLOv3的实时交通标志检测算法

针对目前我国智能驾驶辅助系统识别道路交通标志检测速度慢、识别精度低等问题,提出一种基于YOLOv3的改进的道路交通标志检测算法。首先,将MobileNetv2作为基础特征提取网络引入YOLOv3以形成目标检测网络模块MN-YOLOv3,在MN-YOLOv3主干网络中引入两条Down-up连接进行特征融合,从而减少检测算法的模型参数,提高了检测模块的运行速度,增强了多尺度特征图之间的信息融合;然后,根据交通标志目标形状的特点,使用K-Means++算法产生先验框的初始聚类中心,并在边界框回归中引入距离交并比(DIOU)损失函数来将DIOU与非极大值抑制(NMS)结合;最后,将感兴趣区域(ROI)与上下文信息通过ROIAlign统一尺寸后融合,从而增强目标特征表达。实验结果表明,所提算法性能更好,在长沙理工大学中国交通标志检测(CCTSDB)数据集上的平均准确率均值(mAP)可达96.20%。相较于FasterR-CNN、YOLOv3、CascadedR-CNN检测算法,所提算法拥有具有更好的实时性和更高的检测精度,对各种环境变化具有更好的鲁棒性。

一种融合双向LSTM和CNN的混合情感分析模型

针对现有文本情感分析方法实时性不强、难以应用到大规模文本、不能同时提取文本上下文信息和局部语义特征等问题,提出一种融合双向长短期记忆(LSTM)和卷积神经网络(CNN)的混合情感分析模型.通过使用双向LSTM和CNN模型对由word2vec编码得到的文本词向量进行训练,运用注意力机制将双向LSTM模型学习到的特征作用于CNN模型上,并进行特征加权,最后将双向LSTM模型和CNN模型得到的结果进行拼接,由分类器得到相应的情感分类结果.在NLPCC-SCDL数据集上进行实验,结果表明所提出的融合双向LSTM和CNN模型在精度、召回、f_(1)值和准确度方面优于两个单独的模型.

基于Transformer的改进短文本匹配模型

短文本匹配是自然语言处理领域中的一个核心问题,可应用于信息检索、问答系统、复述问题等任务.过去的工作大多在提取文本特征时只考虑文本内部信息,忽略了两个文本之间的交互信息,或者仅进行单层次交互.针对以上问题,提出一种基于Transformer改进的短文本匹配模型ISTM.ISTM模型以DSSM为基本架构,利用BERT模型对文本进行向量化表示,解决Word2Vec一词多义的问题,使用Transformer编码器对文本进行特征提取,获取文本内部信息,并考虑两个文本之间的多层次交互信息,最后由拼接向量推理计算出两个文本之间的语义匹配度.实验表明,相比经典深度短文本匹配模型,本文提出的ISTM模型在LCQMC中文数据集上表现出了更好的效果.