细化多尺度感知与优化轮廓的自适应道路场景语义分割网络

语义分割通常被描述为像素级的分类任务,而集成卷积神经网络与Transformer的MaskFormer网络则将其描述为掩模级的分类任务.为了解决语义分割形变建模能力差、物体轮廓分割模糊和收敛速度慢的问题,提出一种细化多尺度感知与优化轮廓的自适应道路场景语义分割网络.在编码器中,采用标准卷积与可变形卷积堆叠形成的瓶颈结构提高网络的形变建模能力;在解码器中,采用特征细化模块过滤无关特征,进一步提高特征金字塔网络的解码能力;针对特征金字塔网络进行多层级特征融合时上采样特征出现像素点错位的问题,引入特征校准模块优化物体轮廓的分割效果;最后在Transformer模块中采用Miti-DETR解码器加快网络的训练速度,提升分割精度.实验结果表明,所提网络在Cityscapes和Mapillary Vistas数据集上以较大的优势超过了现有的语义分割网络.

无线传感器网络容错低功耗自适应分簇算法

针对成簇阶段因缺少容错性而无法保证数据可靠性的问题,提出基于局域世界的无线传感器网络容错分簇算法。以局域世界的社团理论和符号网络结构平衡理论为根本,构建由多个簇组成的局域世界下无线传感器网络拓扑结构。融入势博弈和最优刚性子图的概念,根据集聚系数较小边的所在位置,优化网络拓扑结构。以优先级理念与带宽预留技术为支撑,设计容错机制。将节点与簇的剩余能量作为簇头选择依据,采用低功耗自适应集簇分层型协议获取容错分簇簇头,实现无线传感器网络容错分簇。经实验检验,所提算法能够有效解决节点失效过早、失效速率过快等问题,容错分簇后减少死亡节点与节点能耗,增加运行周期,加强吞吐能力。

基于大小语言模型协同的社区矛盾调解框架

大语言模型因其出色的情景学习和因果推理能力已越来越多地应用于人们的生活中,与大语言模型能力相对应的是在社区矛盾调解中需调解员在了解完矛盾纠纷后,对是非有一定的辨别能力,并站在中立角度对矛盾进行调解。大语言模型可以在一定程度上缓解现有的社区矛盾调解制度中存在的人力资源不足、调解难度高、公信力缺失的问题,但大语言模型昂贵的调用费用,又限制了其在基层社区中的使用。鉴于此,提出一种基于大小语言模型协同的社区矛盾调解框架,该框架使用免费的小语言模型生成矛盾摘要,并根据调解员的参与方式分为人机分流与人机协同。案例分析表明,该框架可以将调用大语言模型带来的花费降低到原本的一半以下,且调解质量趋向于人工调解员。

基于CDIO理念的移动编程课程教学改革研究

针对新工科大学课程教学改革中移动编程课程在课程设计与教学实践中存在的问题,阐述了以教师传授知识为中心的传统教学方法与基于CDIO理念的新工科教学方法异同,介绍了传统移动编程教学在教师知识储备度、课程内容广度以及是否对标新工科指标点等方面存在的问题,提出了若干包含从课程设计到教学实践的一整套教学改革建议,以“基于隐私保护的信息追踪系统”项目为例,阐述CDIO理念在具体的教学实践过程中如何运行,特别实在CDIO理念涉及的构思、设计、实施、运行4个环节。最后对基于CDIO理念的移动编程课程教学改革方法,在学生评教成绩、督导听看课、优秀项目孵化等方面的教学效果进行了量化考核,结果表明基于CDIO理念的移动编程课程教学改革方法教改成效显著。

基于深度学习的社交网络舆情信息抽取方法综述

随着社交媒体平台的快速发展,舆情信息得以在极短的时间内大范围传播,如果不对舆情信息加以管理和控制,将对网络环境乃至社会环境造成巨大威胁。信息抽取技术因其语义化和精准性成为舆情分析和管理的第一步,也是最关键的一步。近年来,随着深度学习的发展,其自动学习潜在特征、组合特征的能力使信息抽取各个子任务的准确率都得到了很大的提高。文中结合社交网络舆情的特点和深度学习技术在信息抽取领域的应用,对基于深度学习的社交网络舆情信息抽取方法进行了系统的梳理和总结。首先整理了社交网络舆情信息的组织方式,详细阐述了舆情信息抽取的框架、评价指标,然后对现有的基于深度学习的舆情信息抽取模型进行了全面的回顾和分析,讨论了现有方法的适用性及局限性,最后对未来的研究趋势进行了展望。