大学生科学文明健康网络生活方式养成策略

随着网络进入大学生的生活,对其产生了深刻影响,网络的虚拟性、隐蔽性和无约束性等特征又极大地助长了学生的侥幸与放纵心理,进而给其学习生活带来一系列新的问题。本文提出的大学生科学文明健康网络生活方式的养成策略．可以使网络在大学生的学习和生活中发挥积极作用,减少其负面影响。     

高职大学生网络行为偏好特征及疏导对策研究

随着计算机网络技术的迅速发展,高职大学生网络行为成为大学生生活的重要一部分。论文从大学生网络行为理论出发,通过使用网络行为问卷调查,从使用行为、需求行为、行为模式等方面出发,全面分析了高职大学生网络行为特征,最后对高职学生网络行为偏差提出教育疏导对策。     

互动式网络学习资源在英语写作教学中的应用

随着互联网的发展与普及,网络学习资源越来越多地出现在学生的日常生活中。本文采用问卷调查法探讨了大学生在英语写作方面采用网络学习资源前后的不同结果,在论述网络环境深层学习必要性的基础上提出一个以“互动”为中心,以提高大学生英语写作能力为主题的网络学习资源建设思路,并从学生与资源内容互动、学生与教师在线互动、学生与现实生活互动等几个方面,探讨了基于新课程标准的互动网络学习资源的设计理念与方法。     

数据挖掘技术支持下的大学生网络学习行为探讨

与课堂学习模式相比,网络学习缺乏监督与规范,学生的学习效果、学习效率很难得到有效保障。基于此,笔者先对网络学习行为和数据挖掘的概念进行分析,然后将数据挖掘技术应用于大学生网络学习行为分析领域,对大学生的学习行为与学习效果进行关联分析,在确定学生网络学习特点的基础上,进行大学生个性化网络学习平台设计,旨在帮助学生提升学习资源采集效率、提高学习行为质量。     

基于特征约束蒸馏学习的视觉异常检测

针对视觉异常检测任务,提出一种基于特征约束的蒸馏学习方法,充分利用教师网络模型的特征来指导学生模型高效的识别异常图像.具体地,引入vision transformer (ViT)作为异常检测任务的主干网络,并提出中心特征策略约束学生网络的输出特征.由于教师网络的特征表达能力较强,特征中心策略从教师网络中动态地为学生网络生成正常样本的特征表示中心,从而提升学生网络对正常数据特征输出的描述能力,进而扩大了学生网络和教师网络对于异常数据的特征差异;另一方面,为了最小化学生网络和教师网络在正常图像特征表示上的差异,引入格拉姆(Gram)损失函数对学生网络编码层之间的关系进行约束.在3个异常检测通用数据集和1个真实工业异常检测数据集上进行了实验验证,相比当前最优方法,所提方法取得了显著的性能提升.     

基于拓扑一致性对抗互学习的知识蒸馏

针对基于互学习的知识蒸馏方法中存在模型只关注教师网络和学生网络的分布差异,而没有考虑其他的约束条件,只关注了结果导向的监督,而缺少过程导向监督的不足,提出了一种拓扑一致性指导的对抗互学习知识蒸馏方法 (Topology-guided adversarial deep mutual learning, TADML).该方法将教师网络和学生网络同时训练,网络之间相互指导学习,不仅采用网络输出的类分布之间的差异,还设计了网络中间特征的拓扑性差异度量.训练过程采用对抗训练,进一步提高教师网络和学生网络的判别性.在分类数据集CIFAR10、CIFAR100和Tiny-ImageNet及行人重识别数据集Market1501上的实验结果表明了TADML的有效性, TADML取得了同类模型压缩方法中最好的效果.     

基于深度感知特征提取的室内场景理解

从深度图RGB-D域中联合学习RGB图像特征与3D几何信息有利于室内场景语义分割,然而传统分割方法通常需要精确的深度图作为输入,严重限制了其应用范围。提出一种新的室内场景理解网络框架,建立基于语义特征与深度特征提取网络的联合学习网络模型提取深度感知特征,通过几何信息指导的深度特征传输模块与金字塔特征融合模块将学习到的深度特征、多尺度空间信息与语义特征相结合,生成具有更强表达能力的特征表示,实现更准确的室内场景语义分割。实验结果表明,联合学习网络模型在NYU-Dv2与SUN RGBD数据集上分别取得了69.5%与68.4%的平均分割准确度,相比传统分割方法具有更好的室内场景语义分割性能及更强的适用性。     

基于改进YOLOv8s的学生课堂行为识别研究

为了有效识别真实课堂中的学生行为,提出一种基于改进YOLOv8s模型的课堂行为识别方法。在YOLOv8s主干网络中融入轻量级坐标注意力机制Coordinate Attention,提高模型特征学习能力;在特征融合模块借鉴加权双向特征金字塔网络BIFPN与重参数化模块Diverse-Branch Block,对YOLOv8s中的特征金字塔网络PANet进行改进,提高模型的特征整合能力。实验结果显示,改进后的模型YOLOv8s-CB比原始模型的平均精度均值提升了1.7个百分点,达到92.4%,表明该算法在实时检测课堂学生行为识别任务中具有更大优势。     

金字塔频率特征融合目标检测网络

针对深度学习网络在特征提取过程中运用上采样操作而致使细节纹理等高频特征缺失的问题,提出一种金字塔频率特征融合目标检测网络.网络由3个深度学习金字塔网络构成,输入图像经初级金字塔提取深度特征后,分别通过高频、低频增强金字塔形成不同的频率特征,利用特征融合来凸显深度学习网络在信息逐层传递过程中对细节信息的保护能力,提高目标...     

网络环境下大学生英语自主学习能力的调查与分析

发展学生在网络环境下的英语自主学习能力是大学英语教学改革的重点之一,而网络环境下大学生自主学习英语需要大学生有强烈的自主意识.这种自主意识的培养有赖于创建有吸引力的自主学习中心、学生学习观念的改变和教师成功地以不同角色参与到学生自主学习的各个环节.这样学生的兴趣才会得到激发.通过问卷调查、访谈和观察,从多方面分析了大学生的英语自主学习能力发展,提出应该对学生加强思想教育,转变学习观念,对他们的自主学习加强监督,做好形成性评估.帮助他们逐渐增强学习毅力,真正培养大学生的自主学习能力.     

基于局部特征提取的形变指纹深度学习检测网络

形变指纹能通过改变指纹的纹理信息躲避指纹识别系统的检测。基于深度学习的形变指纹检测方法,考虑指纹本身的结构特征,提出了两个可以嵌入网络任何部位的局部特征提取模块,将其添加到深度学习模型中：一个是局部关键特征,代表了指纹局部区域的显著特征点;另一个是局部关联特征,代表了局部区域内各个特征点之间的关联程度。提取到的两个局部特征与全局特征融合后,继续在网络中训练,提高形变指纹的检测结果。将提出的模块添加到多个网络中进行测试,验证了模块的有效性。     

大学生网络学习资源利用现状及对策研究

网络学习资源有利于学生的自主学习,可提高大学生的学习效率和学习效果,同时也有利于学生视野的拓展和创造力的培养。不少研究者已经对大学生网络学习资源的利用进行了实证研究,通过对这些研究结果进行因素分析发现,当前大学生网络学习资源的利用存在着较为一致的共性:利用频率低、各种资源利用频率不同、大学生认同网络学习资源的重要性、大学生信息素养有待提高,通过深入分析问题产生的原因,探讨了提高大学生网络学习资源利用的有效途径。     

常微分方程网络课件开发研究与实践

随着计算机多媒体技术和网络技术日新月异的发展,传统的常微分方程教学模式需要不断创新,结合常微分方程课程教学 实践,研发良好的直现性、形象性、趣味性和交互性的常微分方程网络课件,为高等学校教师开展多媒体教学和学生自主学习提供 有效的教学工具。以常微分方程课程网络课件开发研究与实践为例,详细阐述常微分方程网络课件开发的必要性、开发过程、主要 模块及特色,并以沈阳农业大学常微分方程网络课件的应用实例证明,为大学生营造良好的网络学习环境,促进大学生自主学习氛 围的形成,从而达到学生充分利用网络课件提高多媒体教学质量的目的。     

基于生成对抗网络学习被遮挡特征的目标检测方法

实际生活中目标间存在的遮挡会造成待检测目标的特征缺失,进而使得检测准确度降低.鉴于此,提出一种用于被遮挡特征学习的生成对抗网络(generative adversarial networks for learning occluded features, GANLOF).被遮挡特征学习网络分为被遮挡特征生成器、鉴别器两个部分.首先对数据集生成随机遮挡,作为模型的输入;然后利用生成器恢复被遮挡图片的池化特征,通过鉴别器区分恢复后的被遮挡池化特征与无遮挡图片池化特征,同时使用检测损失监督生成器,使恢复的被遮挡特征更准确.所提出被遮挡特征学习网络可以作为组件插入到任意的两阶段检测网络中.与Faster RCNN等已有模型相比,所提出模型在PASCAL VOC2007和KITTI数据集上的mAP(mean average precision)指标均有不同程度的提升.     

MOOC学习特征分析及其在C语言教学中的应用

通过MOOC学习方式与传统网络教学方式的对比,分析目前高校C语言公共基础课程分类细化不足、学生在线学习参与度偏低等问题。提出了引入MOOC学习特征、优化课堂讲解内容、改革课程评价机制的方案。在初步教学改革实施过程中,取得了提高教学质量、提升学生课业参与度的阶段性成效。     

基于联合特征块学习的特征直线描述方法

特征直线描述是特征直线匹配过程的关键和基础。为了改善手工设计方法在复杂场景下存在区分性弱、鲁棒性差的缺陷,提出了一种基于联合特征块学习的特征直线描述方法。首先,在原有的小型直线数据集上重新构造直线块,即通过联合每幅图像中直线支撑区域内像素的亮度与梯度获得固定大小的直线块。其次,将获得的直线块输入预先训练的L2-Net,使用微调策略和三元组损失函数训练网络。最后,输出紧凑且强区分性的特征直线描述子。特征匹配任务的实验结果证明,所提出的基于联合特征块学习的特征直线描述方法与最先进的手工直线描述符相比,更具有优越性和有效性。     

全局—局部特征优化的时尚服饰搭配

目的 由于现有时尚服饰搭配方法缺乏服饰图像局部细节的有效特征表示,难以对不同服饰间的局部兼容性进行建模,限制了服饰兼容性学习的完备性,导致时尚服饰搭配的准确率较低。因此,提出一种全局—局部特征优化的时尚服饰搭配方法。方法 首先,利用不同卷积网络提取时尚服饰的图像和文本特征作为全局特征,同时在卷积网络基础上构建局部特征提取网络,提取时尚服饰图像的局部特征;然后,基于图网络和自注意力机制构建全局—局部兼容性学习模块,通过学习不同时尚服饰全局特征间和局部特征间的交互关系,并定义不同时尚服饰的权重,进行服饰全局和局部兼容性建模;最后,构建服饰搭配优化模型,通过融合套装中所有服饰的全局和局部兼容性优化服饰搭配,并计算搭配得分,输出正确的服饰搭配结果。结果 在公开数据集Polyvore上将本文方法与其他方法进行对比。实验结果表明,利用局部特征提取网络提取的时尚服饰图像局部特征能有效地表示服饰局部信息;构建的全局—局部兼容性学习模块对时尚服饰的全局兼容性和局部兼容性进行了完整建模;构建的时尚服饰搭配优化模型实现了全局和局部兼容性的优化组合,使时尚服饰搭配准确率（fill in the blank,F...     

基于深度学习的孔特征可制造性分析方法

针对传统基于知识库及规则库的零件可制造性分析方法柔性差,以及现有基于深度学习的可制 造性分析方法无法给出零件具体不可制造原因的现状,提出一种基于深度学习的零件可制造性分析方法。首先, 通过数字化建模技术构建大量带有具体可制造性类别标签的三维 CAD 模型,并进行点云提取,从而构建深度 学习所需数据集;然后,基于 PointNet 网络结构搭建面向孔特征可制造性分析的深度学习网络,并完成网络的 调参及训练;之后通过与基于体素表示的三维卷积神经网络(3D-CNN)及已有方法进行对比,说明所搭建的点 云深度学习网络具有更好的鲁棒性和较低的算法时间复杂度;最后通过一个实例零件对网络的实际性能进行检 验,对孔特征进行可制造性分析,识别出不可制造的孔特征,并说明其原因。实验结果表明,该方法能够在保 证较高识别准确率同时得出特征不可制造的具体原因,具有更大的使用价值。     

人类基因探索——“显性特征最普遍吗”项目绍及其启示

一、项目简介 （一）项目概述 “显性特征最普遍吗”是基于网络的通过使用新颖独特的教学技术来增加学生学习经验的跨学科的研究性学习案例。该项目通过各种网络学习活动把来自不同国家和地区的学生收集的大量数据集中起来，并以组为单位开展研究性学习活动。参与项目的学生不仅有机会与专家在网络上进行同步的交流互动活动，还能使用异步讨论板来讨论与项目相关的主题，并将他们的学习成果发布到项目网站上。     

农业机械学课程网络课件开发研究与实践

随着计算机多媒体技术和网络技术日新月异的发展,传统的农业机械学教学模式在不断更新,网络课件以其良好的直现性、形 象性、趣味性和交互性,成为高等学校教师开展多媒体教学的有效工具。农业机械学网络课件也应运而生,拍摄实物图片还原机械构 造,开发Flash动画模拟实验过程,制作视频素材再现农业机械的工作过程,为大学生营造良好的学习环境,促进大学生自主学习氛 围的形成,从而达到学生充分利用网络课件提高多媒体教学质量的目的。