计算机专业实践教学中存在问题对比研究——以内蒙古应用型本科院校为例

课题组对内蒙古应用型本科高校计算机专业实践教学进行了研究,以3所应用型本科和2所传统本科高校为例,从人才培养目标、课程体系、实践课程设置、师资队伍、实践设施建设等几个方面对实践教学中存在的问题进行分析,并给出构建应用型本科计算机专业实践教学体系的合理化建议。

基于计算思维的计算机应用基础课程混合式学习改革

阐述地方应用型高校计算机应用基础课程教学现状及存在的问题,分析计算思维能力培养的重要性与混合式学习的必要性,提出基于计算思维能力培养的课程混合式学习改革:要转变教师教学理念,设计以计算思维为导向的课程目标与培养路径,优化与重组课程内容,坚持以学生为中心、以产出为导向,立德树人,并将学习成果与考核挂钩,抓好课堂思政,实现育人与育才相统一。

数据科学与大数据技术“专业思政”探索

为了在人才培养设计层面强化思想政治教育,统筹推进课程思政建设,提出思想政治与专业教育一体化设计,将“立德树人”贯穿人才培养全过程的“专业思政”人才培养体系,探讨如何将“专业思政”落实到专业人才培养方案,从课内教学环节和课外教学环节两方面介绍课程思政落实到专业人才培养环节的具体教学实践。

高校数据库原理与应用课程线上线下混合式教学的研究与实践

从教学目标出发,分别设计数据库原理与应用课程的教学内容、课程线上线下资源建设以及课程考核,阐述如何将以学生为中心的教学理念融合到课程的设计和实施过程中,并结合教学实际介绍课程从设计到实践的过程。

IBAS-LMBP神经网络算法在图像压缩中的应用

鉴于天牛须搜索算法在对多维非线性优化问题求解时容易出现局部收敛现象,从而导致无法求出全局最优解,设计了改进天牛须算法(Improved Beetle Antennae Search,IBAS)。该算法中在天牛位置计算时引入惯性权值,设计了基于自适应步长衰减系数,增加天牛在位置计算时的自适应能力,为了控制算法优化过程解的取值范围,参照粒子群算法对单点位移进行限制。实验结果表明,在相同误差精度、相同迭代次数情况下,将改进天牛须算法与LMBP算法相结合建立IBAS-LMBP算法模型并应用于图像压缩,模型的运行效率明显高于GA-LMBP、PSO-LMBP及BAS-LMBP算法模型。

应用型高校“六阶归一”混合式教学探索

通过分析目前计算机网络课程的教学现状,借鉴布鲁姆“为掌握而学,为掌握而教”的理论,结合学习金字塔和建构主义学习观,提出“六阶归一”的混合式教学模式,从教学目标和教学体系两个方面介绍该教学模式的构建方法和实施过程,最终说明教学效果。

基于MobileNetV2的自然场景口罩检测算法

新型冠状病毒(COVID—19)可以通过呼吸道飞沫等方式传播,自然场景中的遮挡、密集、小尺度等复杂因素会对口罩检测任务产生影响。针对以上问题,采用MobileNetV2网络作为全文的主干网络提取面部特征,构造特征金字塔,并结合视觉注意力机制,提出了一种口罩检测新算法,以实现在复杂场景下检测口罩佩戴情况的目标。算法利用空间注意力机制处理浅层特征,强化面部区域,利用通道注意力机制学习高层语义特征分布并强化语义信息,从而提高面部区域检测精度。实验结果表明:该算法在有遮挡、密集和小尺度的场景下取得了较高的精度,而且能够实时对视频进行口罩检测,鲁棒性较好。

基于改进SOLO神经网络钢包起重挂钩的识别测定

为了提高基于计算机视觉的检测钢包挂钩分割的准确性,提出了一种基于改进SOLO网络挂钩的识别方法。首先构造卷积神经网络ResNeXt并将其设计为SOLO的主干网络,用于提取挂钩的特征;其次为了更好地解决挂钩多尺度的问题引入特征金字塔网络(FPN),构造ResNeXt-FPN网络结构;最后将SOLO算法分为类别预测和掩码生成2个分支,在类别预测生成的同时,对挂钩生成对应的实例分割掩码。实验结果表明,改进SOLO算法的平均召回率和精确率分别达到82.10%和97.70%,优于其它公开算法网络。

以问题为导向的信号量机制课堂思政教学设计

根据操作系统信号量机制课堂的教学设计,课前布置查阅荷兰学者Dijkstra与信号量,课中以国内日常生活中核酸检测为例,提出核酸检测中的信号量机制问题,并将BOPPPS模型引入课堂教学过程,将思政元素融入模型的不同环节中,课后通过雨课堂对学生进行测试与投票统计学习效果,将思政元素融入操作系统课堂教学过程中,有效提高了学生的学习参与度,实现课堂思政教育与教学内容的融合,达到了较好的教学效果。

基于轻量化神经网络的公路监控场景天气识别研究

针对深层卷积神经网络模型参数量大、对硬件设备要求高而难以部署于边缘端的问题,本文结合高速公路监控图像这一应用场景,对基于轻量化神经网络的天气识别算法进行研究。首先对经典的轻量化神经网络模型MobileNet进行理论分析,由参数量和计算次数的角度分析其深度可分离卷积与标准卷积操作的不同。同时,收集并标注基于公路监控图像的天气识别数据集。在此基础上,搭建并训练包含多个轻量化神经网络在内的模型进行对比实验,实验结果验证了MobileNet在识别精度、速度以及模型参数量等指标上的优势。此外,本文通过可视化算法t-SNE从类别响应分析和特征分布两个方面探讨MobileNet的特征表征能力以及特征的类间可分性和类内可聚性,其结果进一步支撑了上述分析。

基于OBE的数据结构课程混合式教学改革

在工程教育专业认证背景下,突出工程教育专业认证遵循的OBE理念,在教学中调动学生的主观能动性、增强学习效果和提高实践能力。通过对OBE理念内涵和实施要点的阐述,针对数据结构课程目前存在的课程内容多而全、枯燥无趣难度大、实验环节层次单一、课程实验考核方式单一、前序课程基础薄弱等问题,提出构建数据结构课程线上线下混合式教学模式、开展课程教学设计、实施过程评价与反馈的改革举措。

不确定给付下的DB型养老金的最优投资决策问题

本文研究不确定给付下的DB型养老金的最优投资决策问题。养老金投资于无风险资产与风险资产,以最小化二次损失函数为目标,建立养老金的最优化模型。利用不确定动态规划法,证明了不确定最优性原理,得出了不确定最优性方程,通过求解不确定最优性方程,最后得到不确定给付下的DB型养老金的最优投资决策。

FA-LMBP混合神经网络算法在图像压缩中的应用

提出基于萤火虫算法与LM(Levenberg-Marquardt)算法相结合的FA-LMBP混合神经网络算法图像压缩模型。利用该模型进行求解时,通过萤火虫算法按照目标函数进行全局搜索,得到反向传播(BP)神经网络的一组权阈值最优近似解,以该近似解作为BP模型初值,利用LM算法对这组权阈值进行二次优化训练,得到最终的图像压缩模型。实验结果表明,在相同训练次数和相同误差精度下,基于FA-LMBP混合神经网络算法的压缩图像模型重建质量明显高于BP算法和LMBP算法模型。