结合ASP.NET与JavaScript开发基于Web的电子沙盘

在基于B/S结构的网络信息系统开发中,结合ASP.NET与客户端的JavaScript脚本,开发能与数据库进行交互的电子沙盘。沙盘中图标的参数存取由客户端与服务器交互完成,图标的移动和图标的信息浏览依靠客户端实现。文章结合系统开发实例,详细阐述了这一方法的实现过程。     

基于嵌入式移动数据库的协作移动学习系统

随着移动计算技术和无线通信技术的发展,一种以协作学习模式为特点的移动学习已逐渐成为远程教育的一种重要的学习交流方式.通过对嵌入式移动数据库的分析,结合协作移动学习的具体情况,提出了一种基于嵌入式移动数据库的协作移动学习系统.对该系统的开发架构、移动应用服务平台和短信息发送平台进行了设计,并对系统中的每个模块功能实现进行了描述.     

基于用户反馈的API推荐工具

在软件开发的过程中,开发人员经常会检索合适的API来完成编程任务.为了提高软件开发效率,大量API推荐方法及工具应运而生.然而,这些方法大多数都没有考虑用户交互信息.本文提出了一个基于客户端/服务器架构的API推荐工具,将其以插件的形式集成到VS Code IDE中.本工具使用现有的API推荐工具生成初始API推荐列表,结合用户反馈信息,利用排序学习和主动学习技术对API推荐列表进行重新排序,实现了用户个性化推荐.大量实验证明,随着反馈数据量的增加,本工具的性能稳步提升.     

网络考试系统设计与实现

本文分析介绍了甘肃林业职业技术学院以Visual Basic.NET为开发环境,整个系统通讯采用Winsock技术,以Access为后台数据库格式,构建了基于C/S(客户端/服务器)模式的计算机类课程通用网络考试系统。利用该系统可进行考生信息管理、试卷生成及回收、考务管理及档案生成,实现每人一卷的网络化考试功能。     

基于EMDBS的移动学习系统的研究和设计

通过对嵌入式移动数据库关键技术的分析,结合移动学习的具体情况,提出了一种基于EMDBS的移动学习系统,对该系统的开发架构和每个模块的功能实现进行了描述,并把缓存技术应用到系统的移动终端,从根本上解决了移动学习中移动灵活性不够的问题和网络断接的现象.     

JSP新闻发布系统

本文介绍了JSP新闻发布系统的开发过程.该系统采用JDK 1.5.0_01作为开发环境,MYSQL作为数据库服务器,RESIN-2.1.9作为测试服务器,实现了对新闻类别分类设置、静态新闻的发布删除,前台页面的生成,以及后台管理等一系列的功能,完成了一个新闻发布系统的功能.     

微型课件在iOS移动学习平台上的设计与实现

为了满足学习者随时随地学习的要求,设计了基于i OS移动学习平台的微型课件。该设计以微型学习理论为基础,以Xcode为开发平台,object-c为开发语言,采用C/S架构和My SQL数据库,实现了客户端、服务器、数据库之间的通信调用,同时完成了在手机端对微型课件的展示。主要实现的微型课件模式分为:文本﹑图片和视频。经测试,文本﹑图片和视频的响应时间均达到了设计要求,实现了在iOS平台上学习的目的。     

基于Android平台的手机考试练习系统

系统发挥智能手机的便于携带等特点,实现一套Android手机客户端软件和完善的后台服务功能来完成考试练习功能.该系统主要包括后台数据库服务器、WEB服务器、Android前端等部分.客户端Android系统智能手机具有前端处理与计算能力,而且可以通过网络访问服务器,向服务器上传成绩或者下载新试卷.介绍了系统架构的设计与实现,给出了部分设计代码.实践表明系统实现了随时随地的学习,受到了用户的欢迎,达到了预期目标.     

智能家居系统嵌入式家庭服务器设计与实现

该文设计了一种基于嵌入式系统的家庭服务器,采用ARM11平台作为硬件控制器,软件平台采用Linux操作系统、SQLite数据库和BOA服务器.文中先概括性的介绍了本实验室开发的智能家居系统和家庭服务器的硬件平台,再详细地介绍了家庭服务器设计方案.在ARM-Linux平台上移植了SQLite数据库、BOA 服务器、CGIC库,在此基础上实现家庭服务器网络通信、SQLite数据库操作、Web监控功能.实现了与移动监控终端的信息交互和基于ARM-Linux的Web监控,并在本实验室开发的智能家居系统成功应用.     

基于J2ME网络测试技术分析与实现研究

移动学习是今后课堂学习的必要补充,J2ME技术是基于C/S的移动学习重要技术.移动电话(C/S)网络测试程序通过以手机电话为载体完成下载测试题、答题和上传被测答案等功能.系统通过UML模型表征了实现的过程,主要运用了J2ME的用户界面,通用连接框架等关键技术.     

Recognizing learning emotion based on convolutional neural networks and transfer learning

Learning effectiveness is normally analyzed by data collection through tests or questionnaires. However, instant feedback is usually not available. Learners’ facial emotion and learning motivation has a positive relationship. Therefore, the system identifying learners’ facial emotions can provide feedback that teachers can understand students’ learning situation and provide help or improve teaching strategy. Studies have found that convolutional neural networks provide a good performance in basic facial emotion recognition. Convolutional neural networks do not require manual design features like traditional machine learning, they automatically learn the necessary features of the entire image. This article improves the FaceLiveNet network with low and high accuracy in basic emotion recognition, and proposes the framework of Dense_FaceLiveNet. We use Dense_FaceLiveNet for two-phases of transfer learning. First, from the relatively simple data JAFFE and KDEF basic emotion recognition model transferring to the FER2013 basic emotion dataset and obtained an accuracy of 70.02%. Secondly, using the FER2013 basic emotion recognition model transferring to learning emotion recognition model, the test accuracy rate is as high as 91.93%, which is 12.9% higher than the accuracy rate of 79.03% without using the transfer learning model, which proves that the use of transfer learning can effectively improve the recognition accuracy of learning emotion recognition model. In addition, in order to test the generalization ability of the Learning Emotion Recognition Model, videos recorded by students from a national university in Taiwan during class learning were used as test data. The original database of learning emotions did not consider that students would have exceptions such as over eyebrows, eyes closed and hand hold the chin etc. To improve this situation, after adding the learning emotion database to the images of the exceptions mentioned above, the model was rebuilt, and the recognition accuracy rate of the model was 92.42%. By comparing the output of maps, the rebuilt model does have the characteristics of success in learning images such as eyebrows, chins, and eyes closed. Furthermore, after combining all the students’ image data with the original learning emotion database, the model was rebuilt and obtained the accuracy rate reached 84.59%. The result proves that the Learning Emotion Recognition Model can achieve high recognition accuracy by processing the unlearned image through transfer learning. The main contribution is to design two-phase transfer learning for establishing the learning emotion recognition model and overcome the problem for small amounts of learning emotion data. Our experiment results have shown the performance improvement of two-phase transfer learning.     

基于深度学习的口腔癌图像识别研究

口腔癌是湖南省发病率最高的恶性肿瘤之一,基于图像的口腔癌识别能够为医生尽早诊断提供有效医疗辅助手段。文章首先基于Github上的同类项目构建了口腔癌图像数据库,进而选择了几种典型的深度学习模型,分析了不同深度学习模型在口腔癌图像识别中性能的表现。分析的过程包括:数据处理,模型训练和模型识别。数据处理指的是将数据库中的图片进行旋转放缩等数据增强,模型训练主要基于迁移学习进行研究,最后针对模型对图像的识别效果进行分析。最终,团队通过实验发现这基于卷积神经网络的迁移学习模型可以很好地承担口腔癌分类任务,有效证明了利用图片进行深度学习在口腔癌识别领域的高度可行性。     

基于深度神经网络的诗词检索

中国古典诗词是中国古典文学的代表之一,是中华传统文化的宝藏,源远流长。中国古典诗词研究是自然语言处理方向的一项重要且富有意义的工作。随着人工智能的发展,人工神经网络在图像、文本等领域得到广泛的应用,取得了显著的突破,给人工智能与中国古典诗词相结合提供了新的思路和方法。让机器去理解中国古典诗词的韵律和意境是一项极具挑战的工作,其中,通过研究诗词的相似性来提升机器对诗词的理解这一研究课题被赋予了更为重要的意义。诗词检索是对诗词内容做对比,查找出在语义和意境上相接近的诗词,这要求对整首诗词的内容和意境有深入的理解。该文模型以数十万首古诗作为基础,利用循环神经网络(RNN)自动学习古诗句的语义表示,并设计了多种方法自动计算两首诗之间的关联性,以此计算两首诗词之间的语义距离,实现诗词的推荐。自动评测和人工评测的实验结果都表明,该文模型能够生成质量较好的诗词检索结果。     

食品图像识别方法综述

食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计算机视觉领域中细粒度视觉识别的重要分支,因而具有重要的理论研究意义,并在智慧健康、食品智能装备、智慧...     

基于神经棒的电力变压器离线图像识别研究与应用

为解决智能移动设备在电力变压器等设备的巡检、运维工作的图像识别中难以适用于无网络的离线环境问题,本文综合考虑电力设备巡检、运维工作的实际需求和真实情况,设计一种基于神经棒的电力变压器离线图像识别系统。首先,引入卷积神经网络算法,构建深度学习图像识别模型,并利用真实图片数据集对模型进行训练调优;然后,创新地将模型集成到神经计算加速棒中,搭建电力变压器离线图像识别系统,进一步解决网络对系统的束缚;最后将本文的基于神经棒的电力变压器离线图像识别系统与现有的4G网环境下移动设备识别系统、离线环境下移动设备识别系统在贵州电网贵阳局城北分局提供的真实图片数据集上进行对比验证,结果表明本文提出的基于神经棒的电力变压器离线图像识别系统具有较高的识别准确率和稳定性。     

Could a mobile‐assisted learning system support flipped classrooms for classical Chinese learning?

In this study, the researcher aimed to develop a mobile‐assisted learning system and to investigate whether it could promote teenage learners' classical Chinese learning through the flipped classroom approach. The researcher first proposed the structure of the Cross‐device Mobile‐Assisted Classical Chinese (CMACC) system according to the pilot survey and reviewed literature, and then adopted a quasi‐experimental design to understand whether the developed system could promote and support flipped classroom learning for classical Chinese. A total of 56 eleventh graders from two classes participated in the experiment. The learners in the experimental group learned classical Chinese with the flipped classroom learning strategy with the assistance of the CMACC system, while the control group adopted the flipped classroom learning strategy without using the CMACC system. The results reveal that all of the students improved their Chinese performance, but it was noticeable that the learners who used the CMACC system showed better motivation in terms of self‐directed preview learning, while those who only learned with the traditional textbooks tended to be more passive. In sum, the mobile‐assisted learning system added value in providing learners with opportunities to achieve anytime and anywhere flipped classroom learning. The integration of ubiquitous mobile learning technology and the flipped classroom strategy can be viewed as a critical factor leading to students achieving self‐regulated learning. It is also suggested that instructors should carefully take the targeted learners' cultural background and the availability of supporting learning devices into consideration so as to prevent the flipped classroom from exacerbating the digital divide. Other suggestions for educators and instructional designers are also proposed.     

融合判别式深度特征学习的图像识别算法

目的 卷积神经网络在图像识别算法中得到了广泛应用。针对传统卷积神经网络学习到的特征缺少更有效的鉴别能力而导致图像识别性能不佳等问题,提出一种融合线性判别式思想的损失函数LDloss（linear discriminant loss）并用于图像识别中的深度特征提取,以提高特征的鉴别能力,进而改善图像识别性能。方法 首先利用卷积神经网络搭建特征提取所需的深度网络,然后在考虑样本分类误差最小化的基础上,对于图像多分类问题,引入LDA（linear discriminant analysis）思想构建新的损失函数参与卷积神经网络的训练,来最小化类内特征距离和最大化类间特征距离,以提高特征的鉴别能力,从而进一步提高图像识别性能,分析表明,本文算法可以获得更有助于样本分类的特征。其中,学习过程中采用均值分批迭代更新的策略实现样本均值平稳更新。结果 该算法在MNIST数据集和CK+数据库上分别取得了99.53%和94.73%的平均识别率,与现有算法相比较有一定的提升。同时,与传统的损失函数Softmax loss和Hinge loss对比,采用LDloss的深度网络在MNIST数据集上分别提升了0.2%和0.3%,在CK+数据库上分别提升了9.21%和24.28%。结论 本文提出一种新的融合判别式深度特征学习算法,该算法能有效地提高深度网络的可鉴别能力,从而提高图像识别精度,并且在测试阶段,与Softmax loss相比也不需要额外的计算量。     

基于混合自编码器的协同过滤推荐算法优化

协同过滤算法已广泛应用在推荐系统中,在实现新异性推荐功能中效果显著,但仍存在数据稀疏、扩展性差、冷启动等问题,需要新的设计思路和技术方法进行优化.近几年,深度学习在图像处理、目标识别、自然语言处理等领域均取得突出成果,将深度神经网络模型与推荐算法结合,为构建新型推荐系统带来新的契机.本文提出一种新式混合神经网络模型,该模型由栈式降噪自编码器和深度神经网络构成,学习得到用户和项目的潜在特征向量以及用户-项目之间的交互行为模型,有效解决数据稀疏问题从而提高系统推荐质量.该推荐算法模型通过MovieLens电影评分数据集测试,实验结果与SVD、PMF等传统推荐算法和经典自编码器模型算法作对比,其推荐质量得到显著提升.     

表格自动录入系统的研究

本文论述了一个表格自动录入系统，它包括表格分析与理解和字符识别，文中提出了表格分析与理解的一个层次模型和算法，它用数学形态学检测表格线段，然后形成表格线段描述，再从表格线段产生表格线，从表格线产生矩形块集合，最后进行表格理解和结果生成它具有抗部分断线，虚线和倾斜的能力，不受粘连和噪音点的影响，文中还提出一种基于机器学习的字符识别方法，通过对大量样本的学习来产生分类的规则，并介绍了一个基于此立法的手     

一种关系模式到OWL DL本体的翻译方法

本体技术是数据可以达到语义层次交换的关键,如何将当前各类数据形成本体知识库表示是一个非常重要的问题。针对这个问题,以一种关系模式到一种语义扩展ER模型的正确性可满足转换算法为基础,提出了一种通过数据库反向工程到OWL DL本体的翻译算法,说明了该算法使得转换是正确性可满足的,并实验实现验证了算法。