大幅面3D打印边缘能量均匀化畸变消除

在基于掩膜投影的CLIP型3D打印工艺中,通过平铺多台投影设备扩大成型幅面时,重叠区域像素亮度的叠加产生的光学接缝会导致模型实体在该处产生畸变,影响成型质量。针对该问题提出一种边缘能量均匀化方案,通过非线性衰减的方式设计一组对称灰度虚拟掩膜,与相邻设备的切分掩膜图像相融合,矫正重叠区域的紫外光强,使整个印刷平面获得均匀且统一的紫外曝光能。实际打印结果表明,该方案能够有效改善模型实体在光固化成型中切片薄层固化厚度不均和拼接处易断裂的问题,模型实体整体质量有明显提高。

编译型嵌入式Python的设计与实现

针对面向微控制器的解释型MicroPython具有实时性弱、占用存储空间大和可移植性较差等问题,提出一种将Python语言转化为C++语言并将构件层与应用层分离的编译型嵌入式Python方案,设计基于抽象语法树及类型注释的源码映射机制。在此基础上,设计嵌入式Python编译器,实现集成开发环境AHL-GEC-IDE(for Python版),完成Python源文件的编辑、编译、链接和下载。实践结果表明,该编译型Python方案可行,为嵌入式人工智能领域提供了一种实时性较高、编辑编译方便、可移植性较强的编译型Python集成开发环境。

基于互斥量的MbedOS调度机制剖析

为了能清晰理解互斥量对共享资源的独占访问原理与机制,在简要分析实时操作系统的互斥量的含义、应用场合、调度机制以及关键要素作用的基础上,对mbedOS互斥量调度机制进行了理论剖析。以KL36芯片为例对mbedOS的互斥量进行了实践,基于时序图采用printf方法直观地输出了线程响应互斥量的调度过程信息,并对互斥量调度机制的实时性能进行分析。通过对互斥量调度机制的剖析,有助于进一步分析mbedOS的其他同步与通信方式,也可为深入理解其他实时操作系统的同步与通信手段提供参考借鉴。

基于具身认知的深度学习研究——以“品德与社会”课程为例

文章从具身认知的视角入手,首先分析了"品德与社会"课程的现状,提出品德课程的开设要将具身认知与深度学习结合起来;随后,文章分析了基于具身认知的深度学习,并探讨了相关原则;最后,文章从学习空间设计、学习对象设计、学习轨道设计、学习互动启发、内容文图转换、情境具身模拟等方面,在品德课程中进行了基于具身认知的深度学习设计,并以小学四年级品德课程中"不同的交通运输方式"一章为例进行了案例分析。文章表明具身认知论、信息技术和思品课堂深度融合能产生良好效果。

数据库原理课程思政教学改革探索与实践

思政是衔接知识传授和价值培养的重要桥梁。以数据库原理课程为例,通过专业教师与思政教师同向同行、深度挖掘课程思政元素、构建“以学生为中心”的混合式教学模式、双导师制开展项目教学实施、充分发挥第二课堂课程思政融入、教学方式方法改革、采取多元考核课程评价机制等方面进行教学改革,达到了较好的教学效果,并通过课程思政教学案例的具体实施加以说明,为其他课程的教学实践提供参考和借鉴。

融合结构和聚类的对称非负矩阵分解链路预测

大部分链路预测算法仅单一考虑节点聚类或链接聚类而忽略网络结构与聚类内在关联性导致预测准确度下降.针对此问题,提出基于对称非负矩阵分解(SNMF)链路预测框架融合多类型结构和聚类信息捕获网络保持网络局部、全局以及节点和链接聚类.首先,融合节点和链接聚类系数(NEC)捕获节点邻域相关联程度,再将无向无权3个基于局部相似度方法共同邻居(CN)、资源分配(RA)和Adamic-Adar(AA)与聚类相融合同时保持结构和聚类;其次,将邻接矩阵映射到低维潜在空间,利用图正则化融合以上信息分别提出3个链路预测模型即SNMF-NEC-CN、SNMF-NEC-AA和SNMF-NEC-RA;此外,通过迭代更新规则学习所提模型参数,获得最优预测概率矩阵.在6个网络上与现有代表性方法比较,实验结果显示所提模型AUC和F1值分别提高了22%和11.4%.

学习分析视域下高校混合式“教”“学”探索与实践

“互联网+教育”为高校“教”“学”改革与创新提供了丰富的土壤。针对大学生课堂参与度低、学习动力不足、教学目标达成度不高等难点,文章基于认知神经学视角,运用学习分析技术构建了“五化一体”的混合式教学模式,并将之集成于“潜能在线”数字化学习环境中,融合跨平台、多载体的学习资源库,通过多终端、跨时空的在线导学和双主体、多手段的互动课堂,构建了多维度、深层次的问题空间图谱和重能力、多方法的思维训练框架。在人机交互环境下展开了基于历史教学数据和多元考核方式的教学诊断及调控实证,研究成果有助于提高学生解决问题的思维能力,提升高校大数据驱动下的自适应教学效果。

融合标签预处理与节点影响力的重叠社区发现算法

针对节点初始标签散乱及标签传播随机性大的问题,提出一种融合标签预处理与节点影响力的重叠社区发现算法。首先,计算节点影响力,逐步选择影响力值最大的节点作为中心节点;然后,用中心节点的标签对同质的邻居节点进行标签预处理,减少了初始标签数量,降低了后续标签传播的随机性,并初步识别出了重叠节点;其次,通过标签隶属系数识别重叠节点,用节点影响力值选择非重叠节点标签,提高了算法的稳定性和准确性;最后,以最大化自适应函数增量为目标,对内聚度弱的社区进行合并,提高了社区质量。仿真实验结果表明:对于六个真实网络,所提算法在50%的数据集上具有最大的扩展模块度值;而在不同混合度、节点重叠度和节点最大归属社区数的人工基准网络上,该算法在标准化互信息(NMI)指标上都具有最好的性能。综上所述,该算法对各类网络都具有较好的适应性,且具有接近线性的时间复杂度。

融合整体与局部信息的武夷岩茶叶片分类方法

针对武夷岩茶鲜茶叶叶片图像分类问题,提出一种融合整体与局部信息的分类方法。该方法使用两分支并行结构构建了一个整体与局部信息融合的卷积神经网络模型。实验表明,在9个品种共计7330张武夷岩茶鲜茶叶叶片图像数据集上,基于ResNet18构造的两分支并行卷积神经网络模型的分类准确率为96.68%,超过了其他CNN模型的分类准确率。这表明通过融合全局信息、边缘形状信息和纹理局部信息能有效提高分类准确率。

超宽带系统的HDP-HMM-MTCS稀疏信道估计算法

给定超宽带(Ultra Wide-Band,UWB)信道的稀疏结构,利用压缩感知(Compressive Sensing,CS)进行UWB信道估计.作为CS实现的多任务CS(Muti-Task Compressive Sensing,MTCS)算法进行信号重建.信号参数和数据共享可以使用伽马-高斯先验来求解.在本文中,层次结构Dirichle进程(Hierarchy Dirichle Processing,HDP)提供了HDP的树结构,用于解决跨多个任务的数据共享问题.我们研究UWB通信的隐马尔可夫模型(Hidden Markov Model,HMM)HDP多任务CS(Hierarchy Dirichlet Processing Hidden Markov Model based Muti-Task Compressive Sensing,HDP-HMM-MTCS)的信道估计性能.首先,在视距(Line-Of-Sight,LOS)和非视距(Non-LineOf-Sight,NLOS)环境下的标准化IEEE 802.15.4a信道的稀疏信道结构估计.其次,CS比率(CS Rate,CSR)对HDPHMM-MTCS信道估计性能的影响.最后,利用SNR(Signal-to-Noise Ratio),并将其与MTCS,STCS(Simple-Task Compressive sensing),OMP(Orthogonal Matching Pursuit),L1magic算法以及新的算法如改进的贝叶斯压缩感知(Bayesian Compressive Sensing,BCS)算法,多经字典自适应算法BCS和特征字典自适应算法BCS的信道估计比较时间复杂性.仿真结果表明,无论LOS和NLOS环境如何,HDP-HMM-MTCS具有最小可执行时间,其信道估计性能优于MTCS和其他算法.因此,HDP-HMM-MTCS是用于稀疏信道模式的有效且高效的UWB信道估计方法.

基于NB-IoT+WSN技术的智能路灯通信架构研究

现有路灯通信设施存在建设成本高、可靠性不足、能源耗费过多等问题。根据路灯通信网络结构特点,提出一种新型智能路灯通信架构。基于低成本、低功耗、高可靠的理念对路灯终端节点及网关进行硬件选型和设计,路灯终端WSN组网采用三链路由协议,远程通信采用NB-Io T技术。合理设计服务器转发和客户端接收程序,使得路灯终端数据通过云端服务器和客户应用服务器件实现快速通信。测试运行表明,系统在NB-Io T基站信号强度不低于30%的情况下,可实现稳定通畅的数据传输。该通信架构能够快速灵活部署,网络升级方便快捷,为新型智能路灯通信架构提供了借鉴。

应用技术型本科高校数据库技术课程教学改革探索

在人才培养模式转变过程中,地方本科高校因地制宜,结合区域经济发展需要,培养服务地方的应用型、技术型人才。数据库技术是一门理论和实践很强的课程,为适应应用技术型本科高校建设发展需求,课程结合武夷山地方产业,以“茶厂库存管理系统”为载体,设计整个教学过程,课程建设从重构教学内容、应用型人才培养教学模式、实践教学、课程评价体系等方面入手,提出若干教学改革措施,旨在培养创新精神和实践能力的应用型工程技术人才。

线性编码联邦学习

联邦学习能够在边缘设备的协作训练中,保护边缘设备的数据隐私。而在通用联邦学习场景中,联邦学习的参与者通常由异构边缘设备构成,其中资源受限的设备会占用更长的时间,导致联邦学习系统的训练速度下降。现有方案或忽略掉队者,或根据分布式思想将计算任务进行分发,但是分发过程中涉及到原始数据的传递,无法保证数据隐私。为了缓解中小型规模的多异构设备协作训练场景下的掉队者问题,提出了编码联邦学习方案,结合线性编码的数学特性设计了高效调度算法,在确保数据隐私的同时,加速异构系统中联邦学习系统速度。同时,在实际实验平台中完成的实验结果表明,当异构设备之间性能差异较大时,编码联邦学习方案能将掉队者训练时间缩短92.85%。

异构编码联邦学习

异构联邦学习系统中的个人电脑、嵌入式设备等多种边缘设备,存在资源受限的掉队者设备降低联邦学习系统训练效率的问题.针对此问题,本文提出了异构编码联邦学习(heterogeneous coded-based federated learning,HCFL)系统框架,以实现:(1)提高系统训练效率,加快多掉队者场景下的异构联邦学习(federated learning,FL)训练速度;(2)提供一定级别的数据隐私保护.HCFL方案分别从客户端和服务器角度出发设计了调度策略,以满足通用环境下多掉队者模型计算加速;同时设计了线性编码计算方案(linear coded computing,LCC)为任务分发提供数据保护.实验结果表明,当异构FL中设备之间性能差异较大时,HCFL能够将训练时间缩短89.85%.

资源受限MCU的轻量化部署策略和实现

为实现低资源嵌入式设备的图像分类识别,针对能实现简单图像识别任务、对图像识别准确率要求不高,且要求低成本的场景,将卷积神经网络(CNN:Convolutional NeuralNetwork)部署到资源受限的微控制器单元(MCU:Microcontroller Units)上。首先提出一种在资源受限MCU上的轻量化部署策略:为降低模型的参数量,提出一种轻量化的神经网络算法;为保证模型大小能适应有限的随机存取存储器(RAM:Random Access Memory),提出了一种基于闪存(FLASH:Flash Memory)扇区的替存储算法。其次,在资源受限的嵌入式设备上部署该策略。针对采集图像的质量和采集速度不匹配问题,设计了摄像头外围电路;对采集图像进行基于高斯分布的自适应阈值二值化处理并对图像样本完整性进行校验。实验结果表明,该系统取得大约80%~89%的识别准确率。虽然该准确率低于训练精度10%左右,但在上述对精度要求不高的实际场景中可以较好地应用。

基于STM32L431RC微控制器实时操作系统驻留方法

实时操作系统在面向以微控制器的嵌入式系统的开发中越来越重要,为降低实时操作系统的编程难度和节省程序的编译时间,基于通用嵌入式计算机架构下实现实时操作系统的驻留,提出合理的程序框架设计和Flash、RAM空间的分配原则,利用应用程序编程接口的方式提供给用户进行应用程序的开发。实验结果表明,该方法有效地降低了编程难度,节省了编译时间,提高了程序的可移植性,具有可行性。

基于mbedOS的事件机制响应调度的实时性分析

事件机制是mbedOS中一种对任务进行实时控制的同步手段。为了深入分析事件机制响应调度的实时性,提出一种基于printf函数的时序分析方法,通过中断与线程的同步实验,在简要分析了响应调度的理论时间和过程的基础上,对实际响应时间进行了测试和分段解析,进一步探究了影响响应时间的要素。实验结果表明,该方法能有效完成实时性分析,提高mbedOS中事件机制对任务的更精确控制,也为其他RTOS(Real-Time Operating System)的实时性分析提供一定的技术基础。

mbedOS实时操作系统延时机制剖析

延时函数的使用可以避免程序空跑,让CPU更好地为其他任务服务。通过对延时函数基本原理的阐述,剖析了mbedOS实时操作系统延时函数的调度机制。以意法半导体的STM32L431芯片为例,进行mbedOS延时函数剖析实践,结合相关函数、关键代码、流程图、时序图、printf调试等分析手段,将延时函数的整个调度过程显示输出。通过对延时函数的分析,有助于读者从微观层面理解其调度过程,也可为分析其他实时操作系统提供参考和借鉴。

机器学习中的PCA降维方法研究及其应用

机器学习中涉及大量以图像处理为代表的高维数据,PCA作为有效的数据降维方法常被用于数据预处理阶段。讨论了PCA的K-L数据转换原理、具体降维处理过程、高维样本协方差矩阵的求解技巧、维数选择方法,并在ORL人脸图样库上给出了基于PCA的人脸识别准确度分析。

无线网络光纤通信信号中清除干扰噪声仿真

对无线网络光纤通信信号中干扰噪声进行清除,能够有效提高光纤通信过程稳定性。对光纤通信信号的噪声进行清除,需要引入自适应阈值算法,重构光纤通信原始信号,完成通信信号干扰噪声的清除。传统方法采用的软阈值选取法,得到信号噪声的干扰频率,但忽略了对原始信号的重构,导致通信干扰清除效果不理想。提出基于新型阈值决策的光纤通信信号干扰噪声清除方法,在对无线网络中光纤通信信号含噪信号进行小波分解后的不同层系数中,对大于或者小于某一阈值的小波系数分别进行处理;重构无线网络中的光纤通信信号原始信号,实现平滑去噪。为了解决在光纤通信信号每一级尺度上都采用同一阈值的问题,引入自适应阈值算法重构光纤通信信号原始信号。实验结果证明,所提方法能够有效实现信噪分离,大大提高了信噪比,且保留了无线网络中光纤通信信号的细节特征。