信息技术对抑郁症心理调适的模式开发创新研究——基于VR沉浸技术的应用

随着科技的不断发展,虚拟现实技术(以下简称VR技术)也在不断的创新,VR技术在当今社会被广泛推崇,多个重要领域都发现了它的重要性,它在未来的发展趋势势必也会只增不减,现已逐渐将此技术应用到医学方面,该文通过高频发生的抑郁心理问题现状,结合SWOT分析方法,通过研究VR技术与抑郁症心理调适交叉结合的创新模式,推动VR技术在异常心理调适与数字化模式上的探索.     

雷达工程专业本科毕业设计指导模式探索

为提高本科毕业设计指导工作效率和毕业论文质量，本文基于雷达工程专业特点建立了“导师主导--研究生辅助--本科生合作”的多层次、模块化、场景化指导模式。该模式以导师为核心、科研小组和学员合作为辅助，全方位全过程保障本科毕设工作。实践表明，该模式可以有效提高指导工作效率和本科毕业设计质量，学生专业素养和实践能力显著提升。本文对电子类专业本科毕设指导具有重要借鉴意义。     

基于改进MobileFaceNet的人脸识别方法北大核心

针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取。实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15%,模型大小和计算量分别仅为原算法的61%和45%,验证了所提方法的有效性。     

湖南：实施“农民大学生培养计划” 每年招生10000人左右

<正>近期，湖南省委组织部、省教育厅、省财政厅、省人力资源和社会保障厅、省农业农村厅、省乡村振兴局等六部门联合下发《关于在乡村振兴战略中持续实施“农民大学生培养计划”的通知》（以下简称《通知》），依托湖南开放大学办学体系，持续实施“农民大学生培养计划”。《通知》指出，“农民大学生培养计划”设专科、本科两个层次。专科层次需具有高中（包括普通高中、普通中专、成人中专、职业高中和技工学校）学历，年龄在45周岁以下；     

基于去相关对抗学习的年龄不变人脸识别

匹配年龄差距较大的人脸在今天仍然是一个具有挑战性的问题，主要是由于年龄增长导致的人脸外观的显著差异。为了减少这种差异，本文提出了一种新的算法，从混合了身份和年龄信息的特征中去除与年龄相关的成分。具体来说，我们将混合人脸特征分解为两个不相关的分量:身份相关分量和年龄相关分量，其中身份相关分量包括对人脸识别有用的信息。     

一种直升机避障电力线检测方法

电力线是一类形状细长、特征稀疏、随着视角的变化容易混淆在大量背景信息中的特殊障碍物，常规电力线检测识别算法得到的目标框对电力线所在位置的估计不够准确。为此，提出了一种相对角度估计方法，基于常规电力线目标检测与识别算法，并结合电力线相对角度估计，从而提高电力线的检测识别过程中所在位置的精度。相比电力线绝对角度回归的方法，提出的相对角度估计方法容易训练易收敛，计算量小，适用于实时性要求较高的应用场合。     

基于SOI衬底的宽带低损耗声表面波滤波器研究

使用结构为42°Y-X LiTaO₃(600 nm)/SiO₂(500 nm)/Si的SOI衬底，通过抑制横向模式等优化设计，研制了单端谐振器和声表面波滤波器。经测试，谐振器的谐振频率为1.5 GHz，品质因数(Q)值高达4 000；滤波器的中心频率为1 370 MHz，插入损耗为-1.2 dB，1 dB带宽为74 MHz，相对带宽达到5.4%，阻带抑制大于40 dB，且温度系数在-55~+85 ℃时优于-9×10^-6/℃。该产品具有高频、宽带、低损耗、低温漂、高阻带抑制的特点，其性能指标优异，具有很好的实用性。     

个性化学习路径推荐综述

近年来，伴随着现代信息技术的迅猛发展，以人工智能为代表的新兴技术在教育领域得到了广泛应用，引发了学习理念和方式的深刻变革.在这种大背景下，在线学习超越了时空的限制，为学习者“随时随地”学习提供了更多的可能性，从而得到了蓬勃发展.然而，在线学习中师生时间、空间分离的特征，导致教师无法及时掌握学生的学习状态，一定程度上制约了在线学习中教学质量的提升.面对多元化的学习需求及海量学习资源，如何迅速完成学习目标、降低学习成本、合理分配学习资源等问题成为限制个人和时代发展的重大问题.然而，传统的“一刀切”的教育模式已经不能满足人们获取知识的需求了，需要一个更高效、更科学的个性化教育模式，以帮助学习者以最小的学习成本最大限度地完成学习目标.基于以上背景，如何自动高效识别学习者特征，高效地组织和分配学习资源，为每一位学习者规划个性化路径，成为面向个体的精准化教育资源匹配机制研究中亟待解决的问题.系统地综述并分析了当前个性化学习路径推荐的研究现状，并从多学科领域的角度分析了对于同一问题的不同研究思路，同时也归纳总结了当前研究中最为主流的核心推荐算法.最后，强调当前研究存在的主要不足之处.     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。