基于卷积神经网络的驾驶员不安全行为识别

提出了一种基于卷积神经网络的驾驶员违规行为识别方法。首先，利用特定卷积神经网络对驾驶员的实时图像提取特征，然后并行对多种行为分别进行二分类。建立了一个真实场景下的驾驶员违规数据集，在此数据集上的测试说明了该方法的高效和良好的泛化能力。实验结果表明，该方法在约10万张图像的数据集中对打电话、吸烟、不系安全带3种行为分别达到了99.85%、99.62%、98.68%的识别率，同时使用当前较先进的Inception-v3和Xception模型测试，也获得了类似的识别效果。     

国际化创新人才的培养——从学生角度探讨

本文从当今中国人才竞争的状况和人才发展的严峻形势出发,在分析教育体制、学生能动性,以及未来可能的发展趋势基础上,阐述培养国际化创新性人才和构造全球化高等教育的必要性。结合教学实践与网络的知识对国际化创新人才进行结构化描述,最后,对如何培养创新性人才提出具体的方案,旨在为现阶段教育教学模式提供一些参考。     

基于层次注意力机制的高效视觉问答模型

视觉问答(visual question answering,VQA)是深度学习领域的一个新挑战,需要模型同时根据问题的语义和图片的内容进行推理并给出正确答案。针对视觉问答图片输入的多样性,设计了一种由两层注意力机制堆叠组成的层次注意力机制,帮助模型定位图片中与问题相关的信息,其中第一层注意力机制使用目标检测网络提取图片中物体的特征,第二层注意力机制引入问题特征。同时改进了现有的特征融合方式,消除对输入特征尺寸的限制。VQA数据集的测试结果显示,层次注意力机制使计数类问题的回答准确率提升了4%~5%,其他类型的问题回答准确率也有小幅提升。     

一种云数据中心资源的动态综合负载均衡调度算法

One of the challenging scheduling problems in Cloud data centers is to take the allocation and migration of reconfigurable virtual machines as well as the integrated features of hosting physical machines into consideration. We introduce a Dynamic and Integrated Resource Scheduling algorithm (DAIRS) for Cloud data centers . Unlike traditional loadbalance scheduling algorithms which often consider only one factor such as the CPU load in physical servers , DAIRS treats CPU, memory and network bandwidth integrated for both physical machines and virtual machines . We develop integrated measurement for the total imbalance level of a Cloud datacenter as well as the average imbalance level of each server. Simulation results show that DAIRS has good performance with regard to total imbalance level, average imbalance level of each server, as well as overall running time.     

计算机专业英文教学PREPAID方法探讨

国家级示范性软件学院目前正面临与国际无缝接轨的挑战和机遇。学院选择一些有代表性的本科基础和核心课程进行全英文/双语教学是迈向国际化的必然选择。针对这一挑战,本文从教学对象和时机选择,教材选择,教案设计,以及成绩考核等主要方面探讨本科英文教学的一些经验和建议,旨在提高计算机专业英文教学的效率,增进老师与同学之间的交流互动。     

基于多任务双向长短时记忆网络的隐式句间关系分析

隐式句间关系识别是篇章句间关系识别任务中一个重要的问题。由于隐式句间关系的语料没有较好的特征,目前该任务的识别仍不能达到很好的效果。隐式句间关系的语句和显式句间关系的语句在语义等方面有着一定的联系,为了充分利用这两个任务之间的联系,该论文使用多任务学习的方法,并使用双向长短时记忆(Bi-LSTM)网络学习语句的相关特征;同时,为充分利用文本的特征,采用融合词嵌入的方法并引入先验知识。与其他基于哈工大的中文篇章级语义关系语料库的实验结果表明,该文方法的平均F₁值为53%,提升约13%;平均召回率(Recall)为51%,提升约9%。     

科学工作流与高性能计算集成方案

科学工作流为科学计算提供了工作流定义、流程管理和任务并行化等支持,高性能计算为大规模数据处理提供了集群管理、任务管理、资源调度等机制. 如今正进入一个"大数据"时代,将科学工作流系统与高性能计算结合实现高性能计算平台上大规模并行计算具有重要意义. 集成中间件与上层工作流系统和底层高性能计算平台进行交互,提供任务提交与状态监控功能. 同时,集成方案为分布式集群中计算平台提供新的参考实现. 基于上述分析以Swift科学工作流与Windows高性能计算平台集成方案为例,通过NASA MODIS图片处理工作流来分析并验证集成方案的可行性和性能.     

多维度智能心理测评系统

针对目前心理测评形式单一的问题,设计并实现了一套结合深度学习的多维度智能心理测评系统.该系统通过Java语言以Spring作为后端框架,搭建了Web服务器,前端采用数据驱动模式.人脸表情识别采用基于卷积神经网络(CNN)的MobileNetV2模型,文本分析采用了多任务双向门重复单元(BGRU),开发部署使用了Docker容器化技术,最终实现了管理员子系统与用户子系统.首创了融合量表、表情、语音等多维度特征分析的方案.其中所提出的特征提取和融合模型使得人脸基本表情识别在CK+与jaffe的融合数据集上准确率达到了99.27％,在实际测试中准确率达到了90.7％;声音情绪特征识别采用业界领先技术.该系统的用户服务与管理服务部署在云服务器中,同时支持PC机、智能手机,并提供针对性调节解决方案.该系统已经在实际使用之中.     

最小化多MapReduce任务总完工时间的分析模型及其应用

随着大规模的MapReduce集群广泛地用于大数据处理,特别是当有多个任务需要使用同一个Hadoop集群时,一个关键问题是如何最大限度地减少集群的工作时间,提高MapReduce作业的服务效率。可将多个MapReduce作业当做一个调度任务建模,观察发现多个任务的总完工时间和任务的执行顺序有密切关系。 研究目标是设计作业调度系统分析模型,最小化一批MapReduce作业的总完工时间。提出一个更好的调度策略和实现方法, 使整个调度系统符合经典Johnson算法的条件, 从而可使用经典Johnson算法在线性时间内获取总完工时间的最优解。同时,针对需要使用两个或多个资源池进行平衡的问题, 提出了一种线性时间解决方案, 优于已知的近似模拟方案。该理论模型可应用于提高系统响应速度、节能和负载均衡等方面, 对应的应用实例提供了证实。