最新刊期
2025年第24卷第2期
-
大模型辅助创意软件课程教学初探 AI导读
“AI赋能创意软件通识课程设计，优化教学流程，支持学生个性化学习。”摘要：创意软件课程教学是一个建构式学习的过程，学生首先深入学习、观察和实践目标领域知识，其次进行主观的知识建构与过程实践。软件创作的源头通常是设计者内心创作冲动的表达；创意软件的动机是用户需求驱动的工程过程与系统实现。创意软件课程通过创新教学激发创意软件的活力，软件工程则为创意实现提供了理论和实践基础。为此，以AI赋能创意软件通识课程的设计为主题，在概念设计、创意生成与评估方面分享课程实践方案，针对课程让有创意的人来设计软件、设计能产生创意的软件、设计一个便于产生创意的环境这3个目标，提出了一个智能教学助手系统的设计。通过结合智能问答、课程管理、创意软件实现等模块，优化教师教学流程，为学生个性化学习提供支持。关键词：创意软件;创意软件设计;大模型;建构主义0|0|0更新时间：2025-02-26 - “在软件工程领域，专家基于SWEBOK V4设计新课程体系，聚焦能力培养和价值引领。”摘要：软件工程已进入智能化、敏捷化和价值导向的全新时代。针对新一代软件人才培养挑战，首先分析SWEBOK V4新版本的核心内容，探讨了软件工程的变与不变；其次遵循“知识为基，能力为重，价值为先”的教学新理念，参考SWEBOK V4设计了新的软件工程课程体系，聚焦高层次能力，全过程AI嵌入，进行价值引领的课程思政建设。关键词：SWEBOK;软件工程教学;人工智能+;课程思政;软件工程知识体系0|0|0更新时间：2025-02-26
- “在计算机程序设计基础课程中，融入OBE理念的混合教学模式有效提升了学生成绩和竞技水平，为教学改革提供了实践范式。”摘要：为改进教学质量，培养学生的计算思维能力，在教学实践中对融入OBE理念的计算机程序设计基础（C语言）课程的线上线下混合教学模式开展一系列探究。计算机基础课程教学团队首先对线下课堂教学模式进行深入探索；然后开展线上教学资源建设，提出一种引导学生高效线上学习的方法，并初步探索了课前课后两阶段线上教学模式；最后针对混合教学模式中线下与线上教学的有效结合提出初步的、符合学校实际的4个导向原则。经过3个学年的改革，学生的学习成绩、知识运用以及竞技水平均大幅提升；教学团队在本科教学质量工程建设方面成果显著，发表多篇与混合教学模式相关的教研论文。教改成果表明混合教学模式富有成效，可为程序设计基础类课程教学改革提供具有较高价值的实践范式。关键词：OBE;教学改革;计算思维;混合教学模式;C语言教学0|0|0更新时间：2025-02-26
专题：软件工程专业建设和课程教改
- “在工业生产领域，专家提出了CountNet自监督学习框架，有效解决了堆叠胶合板计数难题，提高了计数准确率和效率。”摘要：自动化胶合板计数是工业生产中的一大难题，传统基于人工计数和物理计数的方法耗时且低效。然而，堆叠胶合板图像又存在着边缘不均匀、厚度不规律等干扰因素，现有的深度学习算法提取到的特征代表性不强，导致计数结果不准确。针对上述问题，提出一种用于堆叠胶合板计数的自监督学习框架——CountNet。CountNet针对计数问题优化了损失函数的使用方式，该损失函数利用对比学习的方法，可以进一步放大正负样本间的差异，使网络能提取到更具代表性的视觉特征。最后将该特征投入下游任务中，完成计数。实验结果表明，该方法在准确率、损失下降等方面均优于其他常见的计数模型，证明了其在计数能力上的优越性。关键词：自监督对比学习;计算机视觉;堆叠胶合板计数;数据增强技术;损失函数优化0|0|0更新时间：2025-02-26
-
基于特征融合的虚假招聘广告检测模型 AI导读
“在网络招聘领域，专家提出了基于特征融合的虚假招聘广告检测模型，有效提升了检测准确率和时间效率，为网络招聘健康发展提供解决方案。”摘要：网络在线招聘逐渐取代了传统线下招聘，成为求职者首选的求职方式，但虚假招聘广告的出现给企业与求职者带来极大困扰，严重妨碍了网络招聘健康发展。针对现有基于单一机器学习模型的检测准确性较低，基于深度学习模型的时间效率较差的问题，提出一种基于特征融合的虚假招聘广告检测模型。首先，引入注意力机制为每个基分类器分配权重；其次，横向融合多个基分类器特征以显著提升虚假招聘广告检测效果。实验表明，特征融合模型准确率相较于性能最好的机器学习模型、BERT深度学习模型、TextCNN深度学习模型分别提升1.78%、1.67%、1.16%，模型运行时间略高于各机器学习模型但远低于深度学习模型，在EMSCAD数据集上的实验表明特征融合模型具有较好的虚假招聘广告检测性能。关键词：机器学习;特征融合;注意力机制;虚假招聘广告检测;深度学习0|0|0更新时间：2025-02-26 - “在时序分类领域，MGDA-Net网络通过多尺度门控卷积与深度注意力机制，有效提高了分类准确率，为时序数据分类问题提供解决方案。”摘要：针对现有时序分类方法难以充分捕捉序列中的深层特征以及特征学习不足的问题，提出一种基于多尺度门控卷积与深度注意力的时序分类网络MGDA-Net，有效提高了时序分类任务的准确率。MGDA-Net利用多尺度门控卷积模块捕获多尺度信息，并通过门控机制筛选和调控特征流动来增强特征提取能力。同时，利用深度注意力模块，在保留通道间关系的基础上进一步捕获特征之间的空间关系，提升模型对重要特征的学习能力；引入残差链接促进特征复用和信息流动。实验结果显示，MGDA-Net在20个时序数据集上取得了最高排名和最低平均误差，在多个高维度数据集上的分类准确率提升2.3%~10.5%，证明了其有效性。关键词：时间序列分类;多尺度门控卷积;深度注意力;残差网络0|0|0更新时间：2025-02-26
- “在工业自动化领域，专家提出了一种多特征融合和插值卷积自编码器的异常声音检测方法，准确率达99%，为避免重大损失提供解决方案。”摘要：随着工业自动化的发展，大型工厂机械问题的及时发现和筛查有助于避免重大财产和人力损失，通过声音对机器进行异常检测具有重要意义。针对实验数据不平衡、对故障信息不敏感所导致的特征提取不充分、识别精度低等问题，提出一种多特征融合方法和基于插值卷积自编码器诊断的异常声音检测方法。首先，构建多特征提取网络，在提取原始信号特征的基础上融合log-Mel频谱特征和音频的时序特征，作为新的信号特征，该方法学习了音频更精细的特征，提高了异常声音检测性能；其次，采用改进的插值卷积自编码器进行异常声音检测诊断，对非平稳机械声音的诊断更加准确；最后，使用所提出的方法在公开数据集ToyADMOS和MIMII上进行训练和验证。结果表明，该方法具有更高的异常声音诊断准确率，达到了99%，并且比标准AUC评分高出7.16%。关键词：异常声音检测;多特征融合;深度学习;自编码器;CNN4|50|0更新时间：2025-02-26
-
基于胶囊网络的回环检测算法研究 AI导读
“在SLAM领域，研究人员提出了基于胶囊网络的回环检测算法SeqCNLCD，有效提升了相机视角变化下的鲁棒性。”摘要：回环检测算法在SLAM系统中主要用来消除累计误差和优化位姿，目前在光照变化、相机视角变化以及物体呈现动态性等情况下，回环检测算法表现不够稳健。针对SLAM系统在相机视角变化情况下输入的图像会出现倾斜和其他方向性变化，从而导致回环检测算法鲁棒性较差的问题，提出一种基于胶囊网络的回环检测算法（SeqCNLCD）。通过胶囊网络提取当前帧和历史帧的特征向量，计算当前帧和历史帧的相似度，将两帧图像的相似度作为两帧图像的相似度得分分数，同时将相似度输入到相似度得分矩阵，使用图像序列匹配方法，选择最大图像序列相似度的帧作为最佳回环。在Gardens Point数据集下，SeqCNLCD的AUC（Area Under The Curve）比SeqCALC算法提高了5.88%；在Campus Dataset数据集下，SeqCNLCD的AUC比SeqCALC提高了11.27%。实验表明，SeqCNLCD在相机视角变化情况下鲁棒性更高。关键词：累计误差;视角变化;胶囊网络;回环检测;特征提取;图像序列8|36|0更新时间：2025-02-26 -
基于双通道特征融合与对抗训练的短文本分类 AI导读
“在短文本分类领域，专家提出了结合双通道特征融合和对抗训练的模型，有效提高了分类准确率和鲁棒性。”摘要：针对短文本语言的稀疏性导致语义分析困难的问题，提出一种结合双通道特征融合和对抗训练的短文本分类模型。首先，采用ChineseBERT进行词嵌入表示，解决中文短文本词汇稀疏的挑战；其次，引入FGM对抗训练技术以增强整体模型的鲁棒性和泛化能力；再次，通过双通道DPCNN和BiGRU进行特征提取以丰富语义信息，使模型能更好地理解短文本的含义。为了充分获取并融合不同来源的特征信息，引入多头注意力机制对特征进行融合，以提高模型性能。在THUCNews和今日头条两个数据集上的测试结果表明，该模型准确率、召回率和F1值相较于传统模型均有一定提高，证明了其在解决短文本分类问题上的有效性和可行性，为解决短文本分类的实际问题提供了有效工具。关键词：ChineseBERT;DPCNN;BiGRU;多头注意力机制;特征融合;对抗训练0|0|0更新时间：2025-02-26 - “在脑电信号领域，研究者提出了E-SFTNet，实现了基于EEG的情感识别，准确率达96%，为情绪识别提供新思路。”摘要：脑电图（EEG）信号不易伪装、时间分辨率高，能更准确地反映人的真实情绪状态。大多数工作只采用单一的频域、时间或空间特征，不能全面地学习与情绪相关的重要信息。为了解决以上问题，提出一种新的基于脑电信号的时频空间融合网络（E-SFTNet），具体包括用于学习时频特征的基于双向长短期记忆的时频网络（TF-Net）和用于学习空频特征基于多卷积和残差模块的空频网络（SF-Net）。在SEED公开情感数据集上进行被试依赖实验和被试独立实验，模型性能分别达到了96%和85.66%的准确率。实验结果表明，E-SFTNet在基于EEG的情感识别任务中具有较好性能，优于现有的情感识别方法。此外，基于大脑地形图揭示不同大脑区域不同情绪的激活情况，解释了大脑区域与情绪之间的关系，为基于EEG的情绪识别提供了一种新思路。关键词：脑电图;情感识别;E-SFTNet;SEED0|0|0更新时间：2025-02-26
-
融合对抗训练的光电企业信息命名实体识别 AI导读
“在光电企业信息处理领域，专家提出了融合对抗训练的BERT-BiGRU-IDCNN-CRF模型，有效改善了模型准确率、召回率和F1值，提高了鲁棒性和泛化能力。”摘要：针对光电企业信息非结构化数据中实体结构冗长、实体嵌套等问题，提出一种融合对抗训练的BERT-BiGRU-IDCNN-CRF模型。先通过BERT进行预训练，获取包含上下文语义的动态词向量，与对抗训练产生的扰动融合，再输入到BiGRU和IDCNN提取特征并进行拼接，最后用CRF解码，获取目标序列。利用人民日报和MSRA开源数据集进行实验，进一步验证模型有效性。实验结果表明，此模型可以有效改善模型准确率、召回率和F1值，对解决光电企业信息中实体结构冗长、嵌套等问题具有一定效果，并且提高了模型鲁棒性和泛化能力，其中光电数据集的F1值比基准模型BiGRU-CRF和IDCNN-CRF分别提高了9.2和12.6个百分点。关键词：命名实体识别;BiGRU;IDCNN;对抗训练18|29|0更新时间：2025-02-26 -
基于自注意力机制的个性化学生知识追踪模型 AI导读
“最新研究突破，基于自注意力机制的知识追踪模型RAKT，有效预测学生知识状态，提升学习效果。”摘要：线上教育的迅速发展积累了海量的学习记录，使得追踪与评估学生知识状态成为可能。针对已有知识追踪模型中未考虑学生知识水平与遗忘行为的个性化因素影响，提出基于自注意力机制的知识追踪模型RAKT。首先，使用基于分离的Transform编码器—解码器架构提取学生的动态知识状态变化；其次，依据学生知识储备与遗忘系数，为历史交互分配不同的注意力权重以获得学生的历史相关表现；最后，综合预测学生下一时刻正确作答的概率。在3个公开数据集上与6个模型进行比较的实验表明，所提模型优相较于比较算法AUC提升了3%~5%，ACC提升了5%~8%，在模拟学生个体学习轨迹中表现良好。关键词：知识追踪;深度学习;自注意力机制;个性化学习0|0|0更新时间：2025-02-26 -
基于可重参的自适应激活函数算法 AI导读
“在轻量化网络领域，研究者提出了RepAct激活函数，显著提升了分类任务精度，并揭示了其提升特征提取能力的原因。”摘要：经典轻量化网络的特征提取能力存在一定不足，在推理阶段几乎不引入额外计算的基础上，对可重参自适应激活函数进行研究，提出RepAct激活函数。RepAct的自适应可重参多分支结构通过不同特征信息的分支权重进行自适应学习，显著提升了轻量化网络的学习能力。在各经典轻量化CNN和ViT网络中，RepAct 可以有效提升分类任务的精度。在ImageNet100上，MobileNetV3-Small的Top-1准确率提升了6.9%；在Cifar100上，MobileNetV3-Small的Top-1准确率提升了5.71%，超越了其他主流的激活函数。此外，通过GradCAM可视化，揭示了RepAct提升网络特征提取能力的原因。关键词：自适应激活函数;可重参结构;轻量化网络0|0|0更新时间：2025-02-26 -
基于多层级隐式自增强的谣言检测方法 AI导读
“在社交媒体谣言检测领域，专家提出了基于隐式自增强的检测模型，有效提升了模型的泛化能力，为信息真实性鉴别提供了新方案。”摘要：随着社交媒体的广泛使用，谣言的快速传播对信息的真实性和社会稳定构成了严重威胁。因此，开发高效的谣言检测方法以实现对社交媒体内容真实性的自动鉴别，已成为一项迫切需求。然而，由于谣言数据集的稀缺性和规模的局限性，极大地制约了谣言检测模型的训练与评估过程，进而影响模型的有效性和泛化能力。针对以上问题，提出一种基于隐式自增强的谣言检测模型，该模型结合了RoBERT和ToBERT的语义信息提取能力。首先，融合正文内容与相关评论；其次，利用序列骨干方法和微调的BERT模型抽取语义特征；再次，在模型训练的各个层级中利用Mixup隐式自增强技术进行特征级数据扩增，以此提高数据的多样性和模型的泛化能力；最后，采用基于时序建模的分类层和基于上下文建模的决策层完成谣言检测任务。实验结果显示，该方法在PHEME和Ma-Weibo数据集上的准确率达到了97.36%、98.25%，相比当前性能最优的模型分别提升了2.2%和0.8%。关键词：谣言检测;社交媒体;BERT模型;Mixup数据增强;深度学习0|0|0更新时间：2025-02-26
人工智能
- “在物联网领域，研究者提出了Gini-PSO-DPC聚类算法，有效提升了数据聚类准确率和精确率，为海量数据分类提供了新方案。”摘要：随着物联网设备的海量增长，其产生的数据也呈指数级增长。只有当数据具有可接受的质量时，其才具有价值，而海量数据中难免存在噪声数据。针对该问题，提出一种基于基尼系数与粒子群优化算法的密度峰值聚类算法Gini-PSO-DPC。首先，采用基于所有数据点的基尼系数计算最优截止距离
- “在车联网领域，研究者采用李雅普诺夫优化和模拟退火算法，提出了最小化任务卸载成本的算法，有效提升了系统吞吐量。”摘要：受益于物联网技术和边缘计算技术的快速发展，车辆边缘计算逐渐成为研究热点。然而在车联网中，终端车辆受限于自身计算能力和通信资源，难以执行计算密集或低延迟要求的应用程序，因而有效的车辆边缘任务卸载策略至关重要。此外，虽然任务卸载可以为用户带来收益，但是也会产生额外的任务卸载成本，而任务卸载成本是服务购买者最关心的问题之一。考虑了任务卸载成本问题，采用李雅普诺夫优化方法保证了任务队列的稳定性，在最终求解过程中，将任务卸载成本问题转化为TSP问题，并基于模拟退火算法，提出了最小化成本的任务卸载算法，并进行求解。实验结果表明，相比于其他卸载算法，MCTOA可降低25%的任务卸载成本，同时增加了近20%的系统吞吐量，在车联网任务卸载成本问题上，该算法能够保证任务队列的稳定性，最小化任务卸载成本。关键词：车辆边缘计算;任务卸载;李雅普诺夫优化;模拟退火算法7|19|0更新时间：2025-02-26
-
基于特征分析与优化技术的狼疮肾炎辅助诊断 AI导读
“在狼疮肾炎诊断领域，医学专家建立了基于特征分析与优化技术的辅助诊断模型，为患者提供高效准确的诊断方法。”摘要：狼疮肾炎的早期诊断对于患者的治疗和预后至关重要。目前传统诊断方式依赖于医生的临床经验，为提高诊断效率与准确性，提出一种基于特征分析与优化技术的狼疮肾炎辅助诊断模型。为对狼疮肾炎患者病情的进展程度进行分级，医学专家依据临床指标将485名患者标注成轻度、中度、重度三大类。针对临床指标冗余问题，提出一种基于调整余弦相似度的特征选择方法FSMACS，以提升模型检测效率。针对标注后数据类别不平衡问题，提出一种基于个体贝叶斯不平衡影响指数的过采样方法IBOA来减少分类模型误差。实验结果表明，经过FSMACS和IBOA优化的模型在各种常规经典分类器上均表现良好，在使用Adaboost分类时的精确度、召回率、F1值和几何平均值分别达到89.6%、89.4%、93.4%、92.1%，为狼疮肾炎患者的辅助诊断提供了一种高效准确的方法。关键词：狼疮肾炎;辅助诊断;特征选择;类别不平衡;分类9|46|0更新时间：2025-02-26 -
基于密度估计与聚类的混合空间加速结构 AI导读
“在复杂体素场景中，提出了一种混合空间加速结构，有效提升了光线追踪渲染速度。”摘要：为解决在密度分布不均的复杂体素场景中构建的空间加速结构时间长、质量较差等问题，提出一种基于密度估计与聚类的混合空间加速结构。首先，在传统边界包围盒层次结构的基础上，通过改进的核密度估计方法为离散的体素数据构造连续的密度环境；其次，根据核密度估计函数的一、二阶偏导方程和聚类结果，以确定体素空间中的高密度区域；最后，提出一种自适应跳跃洪泛算法在这些区域中构建相应的有向距离场，作为加速结构树的叶子节点，计算过程均由GPU实现以满足复杂场景的大规模并行计算需求。结果表明，所提算法在体素密度分布不均的复杂场景中，构建的空间加速结构树时间较短、搜索效率更优，可有效提升光线追踪的渲染速度。关键词：空间加速结构;核密度估计;基于密度的聚类;有向距离场;光线追踪0|0|0更新时间：2025-02-26
计算机软件与理论
-
改进跳点搜索算法的路径规划方法 AI导读
“在路径规划领域，专家提出了改进的跳点搜索方法，有效提升了路径规划效率和安全性。”摘要：针对基于栅格地图的路径规划算法大多存在路径规划时间长、转折点数量多、路径安全性差的问题，提出一种改进的跳点搜索方法。该算法主要有以下两点改进：①提出了新的邻居点选取策略，可以根据当前搜索方向和当前节点与终点方向动态选取有效邻居点；②改进了跳点选取机制，由于障碍物周围必然存在跳点，因此利用当前搜索方向和障碍物所在方向，将障碍物的顶点处作为新的跳点。为了验证改进跳点搜索算法的有效性，通过仿真实验将改进算法与跳点搜索算法分别在简单环境和复杂环境下作对比。结果表明，改进算法在扩展节点数量上平均减少了43.4%，运行时间平均减少了19.15%，转折点数量减少了42.44%，路径长度减少了2.12%。为了进一步验证路径安全性，在ROS机器人上进行实验，结果表明，将改进的跳点搜索算法应用于ROS机器人，机器人安全性良好。关键词：ROS机器人;路径规划;跳点搜索;动态邻居点;路径安全性0|0|0更新时间：2025-02-26 -
智能鹰眼警情分析系统设计与实现 AI导读
“在警务领域，基于BERT模型的智能鹰眼警情分析系统，实现警情智能分类，分类准确率超94%，提升警务分析决策效能。”摘要：为提高警务工作的响应速度和处理效率，警务系统的信息化建设变得越来越重要。以往警情分类主要依赖人工处理，需要大量人力物力，且容易出现错误。为确保各类警情得到适当分类和处理，设计一个基于BERT模型改进的智能鹰眼警情分析系统。 BERT模型能够提取句子中词汇的关系特征，从而更全面地捕捉句子的语义信息。该系统能够智能辨别不同类型的警情，分类正确率达到94%以上；能够按照省、市、区县、警情类别聚合输出多维度统计结果，并自动匹配相关警情处理流程，提高了警务工作的分析与决策效能。关键词：警情分析系统;BERT;关系特征;警情分类0|0|0更新时间：2025-02-26
软件设计、开发与应用
- “科技媒体新闻记者报道：针对深度学习版面分析效率低、成本高问题，提出RCW-YOLO网络，有效提升文档图像版面分析性能。”摘要：针对当前基于深度学习的版面分析方法存在效率低和训练成本高的问题，提出一种基于YOLOv5s改进的单阶段目标检测网络RCW-YOLO，并将其应用于文档图像版面分析任务。首先，通过Res2Net模块改进YOLOv5s中的C3模块，有效增强网络对文档图像多尺度特征的提取能力；其次，引入轻量级上采样算子CARAFE以优化特征融合网络，减少上采样过程中的信息丢失；最后，引入WIoUv3作为边界框回归损失函数，制定合适的梯度权益分配策略，以提升模型泛化能力和整体性能。实验结果表明，在CDLA、IIIT-AR-13K和PubLayNet数据集上，RCW-YOLO在mAP@0.50：0.95指标上分别达到了87.2%、76.4%和94.5%，优于现有的两阶段算法和其他单阶段算法，同时具有更低的计算量、参数量和更快的推断效率。关键词：文档图像版面分析;目标检测;Yolov5s;多尺度特征提取0|0|0更新时间：2025-02-26
- “在光学成像领域，专家提出了多分辨度可视化数据方法，有效提升了鼠脑血管三维模型的可视化速度和响应性，为大规模血管数据可视化提供了解决方案。”摘要：光学成像技术对鼠脑进行大范围甚至全脑显微成像受现有计算机软硬件技术的限制，在GB级大规模三维血管图像的三维模型建模和可视化处理时存在渲染实时性差、可视化处理时间慢的问题。为此，提出包含血管多分辨度建模、视锥可视化成像、IO高性能优化3个方面的多分辨度可视化数据方法。首先，对成像数据进行血管分割后使用Marching Cubes算法和面片削减算法对血管数据进行多分辨度建模；其次，基于视锥剔除思路建立低成本、高实时性的多分辨可视化成像；最后，利用并行化方法进行IO高性能优化。实验表明，所提算法能在733 s内快速加载、处理2.23 GB的三维血管数据，帧率和并行效率分别为39 FPS与23.71%，既提升了模型的可视化速度和响应性，又克服了大规模血管数据可视化中的计算限制，还能更好地展现血管结构。关键词：VTK;多分辨;可视化;医学图像;高性能优化17|13|0更新时间：2025-02-26
-
基于深度学习的指针式机械水表读数识别算法 AI导读
“深度学习技术应用于指针式机械水表读数识别，PWMR-DL算法提升识别精度，为智能抄表提供解决方案。”摘要：指针式机械水表主要依靠人工进行抄表和识别，存在耗时长、人工成本高、识别错误率高等缺点。近年来随着深度学习技术的发展，研究人员将其应用于水表读数识别方面。设计一套基于深度神经网络的指针式机械水表读数识别算法（PWMR-DL），可准确地识别指针式机械水表的读数，并构建指针式机械水表数据集用于算法训练和测试。针对子表盘的检测和矫正，引入Mask RCNN模型实现表盘定位与分割，并设计了高效的矫正策略对各个子表盘进行旋转校正，以提升指针式机械水表图像在不同旋转角度下识别的鲁棒性，减少误差。在子表盘读数识别阶段，引入CA注意力机制改进EfficientNet模型，以提升读数识别的准确率，并通过增加分类维度到20类，细化了指针位置处于数字间隙时的判断精度。同时，结合子表盘读数序列相关性校正逻辑设计读数生成方法，有效减少了读数错误。实验结果表明，PWMR-DL算法在子表盘读数识别方面，与改进前的EfficientNet模型相比精度提升了约2.4%，而且经过优化的模型仅增加了少量参数，维持了其轻量级的特性。在低分辨率图像下，PWMR-DL算法的整体识别精度可达到96.8%。关键词：计算机视觉;EfficientNet;指针式水表;读数识别;CA注意力机制0|0|0更新时间：2025-02-26 - “在医学图像重建领域，研究者提出了一种结合生成对抗网络与扩散模型的残差细化重建网络RRRNet，有效提升了稀疏CT图像重建质量。”摘要：稀疏CT图像重建对降低患者辐射剂量并促进影像诊断具有重要的临床意义。在基于深度学习的医学图像重建任务中，现有方法往往忽略了真实图像与重建图像之间的残差，造成重建图像错误结构的生成和细节的不足。生成对抗网络通过对抗学习快速重建全局内容和结构信息，而扩散模型通过稳定的训练重建出细节丰富的图像。为提高稀疏CT重建图像质量，提出一种联合生成对抗网络与扩散模型的残差细化重建网络（RRRNet）。该网络首先利用生成对抗网络作为初级生成器，捕捉图像的全局结构信息，然后通过扩散模型建模真实数据与初步预测之间的残差以修正初步预测。此外，在细化过程中还引入高频信息分离训练模块，以增强边缘和细节的恢复能力。在LIDC数据集上的实验结果表明，在4.50%的采样率下，RRRNet在SSIM、PSNR和MAE等量化指标的评估上分别达到了96.40%、40.76 dB 与32.49 HU。相比基于生成对抗网络或扩散模型的方法，RRRNet提升了重建图像质量。关键词：图像重建;深度学习;生成对抗网络;扩散模型0|0|0更新时间：2025-02-26
图形图像处理
-
研究生计算机类课程教学质量模糊综合评价 AI导读
“在计算机类课程教学质量评价领域，专家提出了基于二型模糊集的综合评价方法，为提高评价精确性和可信性提供解决方案。”摘要：将研究生计算机类课程教学质量评价归结为模糊多准则群决策问题，提出了一种基于二型模糊集（T2 FSs）的综合评价方法。首先，针对不同评价主体从课程设计、课堂参与及教学方法等5个方面构建评价指标体系；其次，针对评价过程中的不确定性与模糊性使用T2 FSs描述自然语言；最后，利用区间二型模糊加权平均算子集结指标属性值和相应权重，进而使用基于投影的后悔理论方法对评价结果进行排序，并将数据源中的不确定信息集成到最终的评价结果中进行分析，以保证评价结果的精确性和可信性。仿真实验表明，所提方法相较于基于一型模糊集的评价方法能给出更精确、可信的评价结论，证实了该方法的可行性和有效性。关键词：教学质量评价;多准则群决策;评价指标体系;二型模糊集;模糊加权平均算子10|42|0更新时间：2025-02-26 - “在计算机系统课程中，通过优化讨论问题设计、调整实施环节和多元评价机制，有效提升了学生的讨论参与度和学习效果。”摘要：以构建有效的讨论课堂为目标，以计算机系统课程为例，根据学生对讨论课的真实反馈，围绕学生学习如何讨论以及讨论中如何学习的关键问题，从讨论问题设计、讨论课实施环节动态调整、多元评价机制协同几个方面构建有效的讨论课堂。师生以教学共同体的方式参与到讨论课堂的课前、课中、课后各个阶段，促进学生成长型思维和知识迁移能力的提升，激发其参与度与获得感。对授课前和结课后的教学数据进行分析，发现学生对讨论课学习效果的自评平均分提高了55%以上，讨论题解决方案质量提升了45%，有效参与度增加了81%，在以学生为中心的课堂中提升了教学效能。关键词：有效讨论;计算机系统;以学生为中心;课堂参与;多元评价0|0|0更新时间：2025-02-26
- “内蒙古大学计算机学院构建全方位教学质量保障体系，实现人才培养质量持续提升。”摘要：工程教育专业认证是国际通行的工程教育质量保障制度，教学质量监控体系是其核心组成部分，对于提高教学质量、保障人才培养质量具有至关重要的作用。构建与完善教学质量监控体系是高校提升教学质量、保障人才培养质量的重要途径。从教学质量监控组织体系建设、教学质量监控制度体系建设、教学质量评价与反馈体系建设展开讨论，内蒙古大学计算机学院建立了由顶层决策系统、组织管理系统、督导评价系统、保障支撑系统组成的全方位、全过程教学质量保障体系，经过近3年的有效实施，实现了人才培养目标的达成与培养质量的持续提升。关键词：专业认证;质量监控;评价机制;持续改进0|0|0更新时间：2025-02-26
- “据最新报道，陆军工程大学通过数据挖掘技术分析MOOC学员学习行为，发现与学习成绩相关特征，构建学业预警模型，为提高教学质量提供依据。”摘要：为了及时掌握MOOC平台上学员的学习情况，并有针对性的对学员提供辅导和干预，利用数据挖掘技术对陆军工程大学数据库原理与应用MOOC课程学员的学习行为数据进行分析，通过收集测试成绩、章节成绩、视频观看时长等6个行为特征，发现这些特征与学习成绩显著相关。采用K-means聚类算法，将学员划分为理想型、勤奋型、学霸型和危险型4种类型，并构建学业预警模型，提出针对性的预警干预措施，以提高学习效果并避免学业风险。该研究可为教育工作者提供改善教学方法和提高教学质量的依据。关键词：MOOC学习平台;在线学习;学习行为分析;学业预警0|0|0更新时间：2025-02-26
智慧教育
-
传统模式与大语言模型下推荐系统的比较研究 AI导读
“在信息爆炸时代，优化推荐系统至关重要。研究比较了传统推荐系统与大语言模型推荐系统，明确了各自的优势与局限性，为未来研发策略提供参考。”摘要：面对信息爆炸与复杂用户的需求，推荐系统的优化至关重要，大语言模型提供了新机遇。为此，通过比较传统模式与大语言模型的推荐系统，明确各自优势与局限性，为未来研发策略提供有力的参考。首先，梳理了传统推荐系统的发展脉络，包括基于协同过滤、基于内容和基于知识图谱的方法。其次，重点探讨了以BERT与GPT模型为代表的大语言模型在推荐系统中的实际应用，尤其是在不同调整方式下的性能表现。实验表明，两种模式的推荐系统在性能、用户体验、系统复杂性及资源消耗等方面存在明显差异，传统模式推荐方法更适用于规则性较强、数据相对稀疏且稳定的场景，大语言模型推荐方法更适合需要理解复杂语义、提供创新性解决方案和动态内容生成的场景。关键词：推荐系统;传统模型;大语言模型;对比分析8|116|0更新时间：2025-02-26 - “图像超分辨率重建技术取得新进展，为提升图像质量和清晰度提供新方案。”摘要：图像超分辨率重建是计算机视觉领域的一个重要研究方向，主要目标是从低分辨率图像中恢复高分辨率图像、提升图像质量和清晰度，使图像在视觉感知和信息提取方面更具可用性。为此，全面总结了基于深度学习的图像超分辨率重建技术，对已有模型进行分析和比较。首先，概述图像超分辨率重建的背景；其次，详细回顾了典型深度学习模型及其原理；再次，分析现有研究不足，并概述当前的重点研究，介绍了研究者通过预训练策略、轻量级网络设计、优化创新等方式，在降低计算成本、增强模型适应性等方面取得的成绩；最后，对未来研究趋势进行总结展望。以期为研究深度学习图像超分辨率重建领域的学者提参考与借鉴。关键词：深度学习;超分辨率重建;神经网络;生成对抗网络;注意力机制17|55|0更新时间：2025-02-26
研究综述
- 技术支持由北京北大方正电子有限公司提供 鄂ICP备18021494号-4
鄂公网安备42010602004949号 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0