基于新生教育工程的人才培养体系探索——以长安大学信息工程学院为例

做好00后群体的入学教育是信息化4.0时代下人才培养的重要环节。新生教育需要深度剖析00后思想行为、认知特点,依托高校新生教育模式,开展实践育人特色模式探索。基于长安大学新生教育工程方案探索二级学院信息工程学院"1+2+3"人才培养体系,旨在培育新生成长归属感意识,促进人才培养专业化。

面向长文本涉法舆情信息的混合式摘要方法

旨在从冗长复杂的舆情文本中,准确地生成简短摘要。在长文本涉法舆情摘要中,现有的自动文本摘要方法存在语义不连贯、关键信息丢失的问题。为此,该文提出了一种结合抽取式和生成式的混合式摘要方法。首先将长文本分成多个语义片段;其次采用无监督对比学习方法微调RoBERTa-wwm-ext模型进行语义片段的表征;然后使用膨胀门卷积神经网络抽取与摘要相关的语义片段,合成抽取文本;最后通过微调预训练语言模型PEGASUS对抽取文本进行摘要生成,以获得最佳生成摘要。在CAIL 2022涉法舆情摘要数据集上的实验结果表明,相比于其他的基线模型,该方法能够生成ROUGE和BLEU得分更高的摘要,进一步提升了摘要的可靠性。

基于多层次信息融合的多跳机器阅读理解

以往机器阅读理解模型中存在文本特征提取单一,文本和问题的交互信息不全面等问题,导致模型不能充分对文本进行理解,本文提出了一种多层次信息融合的机器阅读理解模型.通过在不同位置使用不同方法,对文本信息进行多种层次的获取.使用膨胀卷积网络捕捉文本的全局信息,采用双向注意力机制和自注意力机制融合文本和问题之间的交互信息,通过指针网络预测答案及其对应的支撑句.该模型在CAIL2019和CAIL2020阅读理解数据集上训练的联合F1值分别达到50.09%和58.44%,相比于其他基线模型取得了明显的性能提升.

大数据视域下大学生学业预警机制研究

大学生学业危机问题是高校面临的现实难题,学业预警作为应对大学生学业危机的重要手段,普遍存在数据收集与分析不全面、预警系统缺乏个性化和针对性、缺乏有效的沟通协作等问题。本文分析了大数据技术应用在学业预警系统中的优势,提出了建立多源数据融合系统、定制化预警和干预方案、构建多渠道协作沟通机制等策略,以期提升大学生学业管理的效率和效果,为学生提供全方位、多层次的学业支持和帮扶。

融合运动信息的双机制多目标跟踪方法

多目标跟踪方法旨在对多个运动目标进行检测、识别和轨迹跟踪,被广泛应用于智能交通系统、视频监控领域。针对多目标跟踪中因遮挡目标导致的跟踪不连续、失败和错误等问题,提出了融合运动信息的双机制多目标跟踪算法。在已有的DeepSORT框架中,引入一种基于类别检测置信度和运动轨迹置信度相结合的轨迹评分机制,解决因遮挡导致的目标漏检问题。在目标跟踪阶段,根据多目标间的遮挡关系引入了特征柔性融合机制,可有效地融合目标的外观特征和运动特征,解决因遮挡导致的目标跟踪错误问题。采用交通场景数据集UA-DETRAC进行对比实验和消融实验,结果证明所提出的轨迹评分机制和特征柔性融合机制能够有效提升目标跟踪性能,在多目标跟踪准确度和精确度方面分别提升了0.6%~1.1%和1.9%~6.3%,在对象标识变换方面下降了27%~30%,所提出的方法有效地提高了DeepSORT的整体性能,具有较好的抗遮挡能力。

工程类专业硕士《工程伦理》课程教学研究——以信息学科为例

现代社会中的工程活动在推进社会生产生活发展中起到越来越重要的作用,高等学校中工程类硕士研究生作为社会未来工程活动的主要从业者,对待工程伦理的态度将直接影响工程项目是否能以高质量进行并产生有益影响。针对目前工程类研究生过程中,工程伦理教育缺乏整体性和专业性的问题,文章首先对工程类专业学位硕士培养过程中进行工程伦理教育的必要性以及国内高校的工程伦理教育现状进行了分析;其次,提出面向信息学科工程伦理教育的课堂教学方式;最后,给出本课程以课堂学生案例分析讲解和期末小论文结合的课程考核方式。

面向新一代信息技术的通信工程专业人才培养改革与研究

随着人工智能、大数据、5G等新一代信息技术的飞速发展,对通信工程专业人才培养提出了新的要求。本文以新一代信息技术为背景,以工程教育专业认证和“新工科”建设的教育思想为指导,分析了新一代信息技术对通信工程专业人才需求的影响,从课程体系构建、师资队伍建设和培养模式三个方面针对性的提出了人才培养改革的内容和具体措施,对提升电子信息类专业类学生的培养质量具有一定的借鉴意义。

基于WGAN的生成式信息隐写方法研究

针对图像载体隐写方法容量较低的问题,提出一种基于Wasserstein距离的生成式对抗网络(Generative Adversarial Network,GAN)模型无载体图像生成式信息隐写方法。首先提出一种支持用户自定义的“特定信息-噪声”映射关系矩阵,在此基础上将特定信息二次编码为噪声,然后将噪声输入到已训练的WGAN模型中,最终输出包含特定信息的可视化图像。实验结果表明,提出的信息隐写方法可以有效提高信息隐写算法的抗检测攻击效能,提升生成式信息隐写容量,减少隐写图像数量。此外,该方法依托较为简单的网络结构即可实现,不过分依赖系统性能和资源,具有较好的工程实用性。

交通信息工程特色专业人才培养模式研究与实践

长安大学交通信息工程专业是国内首先建立的本科专业,文章介绍了交通信息工程专业在特色人才培养模式的研究中已取得初步成效的一系列探索与实践,为其他专业的改革开创了一条可行性的道路。

新工科背景下信息论与编码技术课程教学改革探索

面向新工科背景下电子信息类专业人才的要求,需要对传统的信息论与编码技术课程教学进行升级改造,从而实现具有创新能力的应用型人才培养目标。该文分析信息论与编码技术教学改革的背景,根据新工科建设需求和工科学生的知识结构及认知特点,从多手段、多角度对课程进行改革尝试,力争培养出具有系统认知贯通、实践创新能力强,具备国际视野的高素质复合型新工科人才,也为本科院校电子信息类专业课程的教学改革和新工科人才培养提供新思路。

新媒体视阈下大学生创新创业教育实施路径探究

伴随着信息科技和新媒体技术的快速发展,其强大的生命力为大学生创新创业教育带来了很多机遇,利用新媒体技术提升大学生创新创业水平已成为高等教育的重要组成部分。本文主要以新媒体视阈下大学生创新创业教育实施路径为重点进行阐述,首先对高校创新创业教育现状和新媒体的特点以及新媒体环境下大学生创新创业所面临的机遇和挑战进行了分析,其次从树立基于新媒体的双创理念、打造基于新媒体的双创平台和创建基于新媒体的双创团队等方面进行了分析和探究,革新高校创新创业教育过程,提高学生创新创业质量和水平。

强化学习的可解释方法分类研究

强化学习能够在动态复杂环境中实现自主学习,这使其在法律、医学、金融等领域有着广泛应用。但强化学习仍面临着全局状态空间不可观测、对奖励函数强依赖和因果关系不确定等诸多问题,导致其可解释性弱,严重影响其在相关领域的推广,会遭遇诸如难以判断决策是否违反社会法律道德的要求,是否准确及值得信任等的限制。为了进一步了解强化学习可解释性研究现状,从可解释模型、可解释策略、环境交互、可视化等方面展开讨论。基于此,对强化学习可解释性研究现状进行系统论述,对其可解释方法进行归类阐述,最后提出强化学习可解释性的未来发展方向。

基于Swin Transformer的沥青路面病害分类检测研究

针对传统卷积神经网络模型在沥青路面病害检测中识别长距离裂缝结构能力不足以及面临的精度局限问题,引入Swin Transformer模型进行沥青路面病害分类研究;首先对于路面检测车采集到的沥青路面扫描图像对比度低的问题,使用直方图均衡技术处理图像,增加图像可视化效果;其次,选取3种经典卷积神经网络模型作为对比模型,并在训练过程中采用更换损失函数,调整预训练模型等手段解决过拟合问题;并选用准确率、查全率、F1-score作为评价指标;在最终实验结果中Swin Transformer识别准确率达到了80.6%,F1-score达到了0.776,不仅在整体分类准确率上超越了传统CNN模型,并且对具有长距离特征结构的病害方面具有更高的识别准确率,同时具有良好的可靠性。

智能行车记录仪图像去雾系统的FPGA设计

雾霾天气下,交通道路能见度低,导致所采集到的视频画面退化、图像信息模糊,同时考虑传统系统处理实时性不高等问题,基于ZYNQ平台设计了一种图像去雾系统,并应用于智能行车记录仪系统中.首先,针对传统暗通道去雾算法在天空区域存在失真等问题,提出了一种分割天空区域的策略来修正图像复原参数;然后,针对计算全局大气光值时,需对整幅图像的像素排序消耗大量资源的问题,利用现场可编程门阵列(FPGA)并行运算的优势,提出一种帧迭代方法优化求取大气光值,同时优化了引导滤波的硬件设计;最后,将双路高清多媒体接口(HDMI)资源中,一路作为视频输入,另一路作为视频处理输出,搭建实时交通图像视频处理试验平台.试验结果表明,系统针对雾霾天气下的交通视频具有较好的去雾效果,尤其是可以解决天空区域去雾的失真问题.在对分辨率为1280像素×720像素的交通视频去雾时,可以达到30帧/s的处理速度,满足实时性要求.

基于自适应融合的实时车辆检测

针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法(fusion attentiont adaptive pyramid network,FAAP-Net),可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构(CPS),该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数(GFLOPs)和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块(AAM)和特征增强模块(FEM)引入自适应融合特征金字塔网络(AF-FPN),以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力(SA)机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。

飞蛾扑火优化的尺度比例感知空间长期跟踪器

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化算法在跟踪过程中的计算复杂度,减少算力浪费;其次,结合快速梯度直方图特征,构建了改进的飞蛾扑火优化跟踪器;然后,为了解决无人机航拍长期跟踪中目标尺度变化的问题,设计了一种自适应尺度变换的判别尺度空间跟踪(discriminative scale space tracking,DSST)算法,进一步提出了一种尺度比例感知空间跟踪器,解决了尺度滤波器中因长宽比固定而导致的跟踪漂移;同时,分析了滤波器响应峰值在各背景下的变化情况,提出了一种能反映环境变化下跟踪置信度的指标,并通过置信度将MFO优化跟踪框架与尺度比例感知空间跟踪器相结合,解决了尺度变化与长期跟踪目标丢失的问题;最后,在无人机长期跟踪数据集上开展了性能验证。结果表明:提出的算法可有效防止漂移现象的发生,提升跟踪效率;与目前跟踪领域中12种同类文献算法进行对比可知,提出的算法精度较高,满足实时性,能够有效解决无人机长期跟踪下的尺度变化及目标丢失等问题。

四旋翼无人机滑模-CPCMAC联合控制半物理仿真系统

针对四旋翼无人机强耦合、欠驱动、非线性等特点,以及在实际飞行过程中极易受到干扰的问题,对四旋翼无人机动力学模型进行分析,提出了一种基于联合的四旋翼无人机姿态控制算法,并在此基础上设计了四旋翼无人机半物理仿真系统。首先,针对非线性系统设计滑模控制器,选择跟踪航迹和翻滚角设计位置控制率和姿态控制率。其次,滑模控制器在实际应用中易产生震荡,利用基于信用积分的小脑模型神经网络(CPCMAC)来学习滑模控制的方式。最后,搭建基于LabVIEW的控制站,同Matlab/Simulink进行数据收发控制。仿真结果表明,在跟踪目标相同时,提出的四旋翼无人机滑模-CPCMAC联合控制相比于传统的比例积分微分(PID)控制和积分反步法控制优势明显,能够抑制超调和余差,在快速性和鲁棒性方面都更加优越。同时,构建的四旋翼无人机半物理仿真平台能清晰反馈出无人机参数的变化,应用预留的参数接口和地面控制站,降低了无人机飞控算法的开发难度,提高了开发效率,具有明显的实用价值。

无信控交叉口网联车辆动态碰撞风险检测与预警策略

针对无信控交叉口碰撞事故多发的问题,面向网联人工驾驶环境,研究提出了一种基于车车通信的无信控交叉口网联车辆碰撞动态风险检测与预警策略。在构建典型无信控交叉口场景的基础上,设计了一种基于多项式拟合的车辆轨迹模型;融合利用碰撞到达时间和风险暴露时间作为风险检测指标,构建了一种圆形-双圆车辆模型实现车辆碰撞风险检测;综合考虑了驾驶人异质性及其交互行为,提出一种基于博弈论和遗传算法的两级碰撞预警策略;基于SUMO搭建仿真环境对预警策略的有效性及适用性进行测试分析。结果表明,所提策略能够准确识别出所有的碰撞事件并触发预警,预警成功率达到100%;在不同比例驾驶人组成测试工况下,所提预警策略均能显著降低碰撞率和平均碰撞动能。

集成学习框架下的车辆跟驰行为建模

为了提高复杂行驶环境下车辆跟驰行为预测精度,提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法。基于stacking集成学习框架,选择理论驱动的智能驾驶模型(IDM)、考虑车辆队列和周围行驶条件因素的数据驱动的长短时记忆(LSTM)网络和门控循环单元(GRU)网络作为跟驰行为特征的一级学习算法,选择3种线性和8种非线性回归方法作为备选二级学习算法来融合一级学习器的输出特征。通过对比使用实际车辆轨迹数据计算的模型预测精度,确定了最优模型。研究结果表明:包含车辆队列和周围行驶条件变量的数据驱动跟驰模型比IDM模型的预测精度更高;多数情况下采用非线性二级学习算法的融合跟驰模型的预测精度高于IDM模型、数据驱动跟驰模型以及采用线性二级学习算法的融合跟驰模型;分别采用GBRT回归和随机森林回归作为二级学习算法的IDM-LSTM-stacking模型和IDM-GRU-stacking模型具有最高的预测精度;外界干扰下的融合跟驰模型稳定性优于单一的理论和数据驱动跟驰模型。集成学习为驾驶行为建模提供了新方法。

基于MicroPython的结构应变采集系统设计

为了解决现有应变数据采集设备测量通道单一以及测量精度低的问题,结合MicroPython语言设计了基于振弦式传感器的应变采集系统。该系统能够同步获取4路应变和温度数据,并对4路应变与温度数据进行组间融合;通过宽度学习系统BLS拟合应变量与温度的线性关系对融合后的应变数据进行温度补偿,提高系统的监测精度,细化系统的场景分析。依托北京宣武门地铁基坑钢梁结构进行实地监测分析,结果表明,相较于实测应变数据和利用小波分解-最小二乘法补偿的应变数据,该系统提出的融合补偿算法得到应变数据的标准差分别降低了31.6%和25.4%,该系统能实时捕获更加准确的应变量,为结构应变高精度感知提供有效途径。