高职院校英语第二课堂的困境

近年来,第二课堂的重要意义已被大家熟知。然而在高职院校英语第二课堂如火如荼开展的表面下,第二课堂正走入院系领导不重视、学生参与度不高、考核机制不合理的困境。     

AOP的本质和意义

AOP(Aspect-Oriented Programming)是一种超越OOP(Object-Oriented Programming)的编程模型,它允许程序员将横切关注点(Crosscutting Concerns,散布在多个模块中的一致概念如同步处理、持久化(Persistence)、日志等都是典型的横切关注点)封装成清晰的可重用模块,然后通过组合这些模块和功能性组件获得系统的实现。AOP通过促进另一种模块性补充了面向对象的编程,使得我们可以很自然地处理一些传统面向对象技术不能     

基于深度学习的直流配电网分布鲁棒优化调度方法

随着分布式资源的大规模接入,直流配电网能量损耗小、控制灵活的优点凸显。针对直流配电网传统物理优化模型效率低的问题,提出了一种基于深度学习的直流配电网分布鲁棒优化(DRO)调度方法,其采用深度学习方法替代了基于场景的DRO模型的迭代求解过程,通过直接预测典型场景的最恶劣概率分布来提高模型求解效率。构建直流配电网基于场景的DRO物理模型,采用列与约束生成算法迭代求解生成深度学习的训练数据;以光伏出力、负荷、范数置信度为输入,以最恶劣概率分布为输出,构建深度神经网络模型;基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度的最恶劣概率分布,构建最恶劣概率分布下的单层随机规划模型,获取等效的基于场景的DRO调度策略;采用33节点直流配电网系统为算例,验证所提方法在求解效率和计算精度方面的有效性。     

多层次感知的多视图三维模型重建

针对基于体素表征的多视图三维模型重建过程中,存在二维视图所包含的空间信息离散,空间网格中体素分布稀疏的问题,提出基于多层次感知的多视图三维模型重建方法,旨在通过对视图级、体素级与物体级信息的多层次感知,重建具有完整结构与局部细节的三维模型。在视图特征提取阶段设计了上下文感知的通道注意力模块来最大限度获取二维视图中潜在空间信息;在三维模型生成阶段,通过体素感知的VoxFocal Loss来促进空间网格中体素生成;在三维模型细化阶段,通过具有物体感知能力的三维判别器来自适应地消除三维模型中冗余体素,生成更具真实感的三维模型。在大型合成数据集ShapeNet和真实世界数据集Pix3D上验证了该方法的有效性与先进性。     

论提高《Photoshop平面设计》课程教学效果的方法

Photoshop是最为出名的图像处理软件之一,集图像扫描、编辑修改、图像制作、广告创意,图像输入与输出于一体的图形图像处理软件,深受广大平面设计人员和电脑美术爱好者的喜爱。因此,高等院校开设《Photoshop平面设计》课程是时代的需要,是教育服务于社会的需要。笔者就如何提高《Photoshop平面设计》课程的教学效果,作为教师在课堂教学中应该发挥怎样的作用,才能培养出适应新时期的高素质人才做出了阐述。     

基于LabVIEW-化学计量学的化学分析系统

设计了一种基于LabVIEW软件平台及BP神经网络算法、支持向量机(SVR)、偏最小二乘(PLS)等分析算法的化学分析系统。系统以LabVIEW软件为基础,以调用MATLAB作为数据分析核心,以达到自动快速的分析目的。该系统还可将各种回归分析后的数据进行对比,并做出拟合曲线,效果直观、清晰。此系统作为虚拟仪器测量系统的数据分析模块,具有一定应用价值。     

镁锂混合电池TiO2空心球正极材料的制备与性能

探究了利用硬模板法,通过SiO2纳米球模板及钛酸四丁酯的水解包覆最终刻蚀获得具有规则形貌的锐钛矿型TiO2空心纳米球,并以所得TiO2空心纳米球作为正极材料、纯镁为负极,分别以0.4 mol/L PhMgCl-AlCl3/THF(APC)+1.0 mol/L LiCl为混合双盐电解液组装镁锂混合离子电池以及以0.4 mol/L APC电解液组装镁离子电池进行电化学测试对比.实验结果表明,所制得的锐钛矿型TiO2空心纳米球在镁锂混合离子电池中作正极时,60 mA/g电流密度下首次放电比容量72.9 mAh/g,50次循环后能保持102.5 mAh/g,然而,当其作为镁离子电池正极材料时,表现出较差的电化学性能.实验结果表明:TiO2空心纳米球的空心结构设计和氯化锂作为电解液添加剂有助于改善正极材料的电化学性能.     

话题二：面向方面编程[AOP]——AOP的本质和意义

AOP(Aspect-Oriented Prog ramming)是一种超越OOP(Object—Oriented Programming)的编程模型，它允许程序员将横切关注点(Crosscutting Concems，散布在多个模块中的一致概念如同步处理、持久化(Persistence)、日志等都是典型的横切关注点)封装成清晰的可重用模块，然后通过组合这些模块和功能性组件获得系统的实现。     

基于紧凑型Vision transformer的细粒度视觉分类

Vision transformer(ViT)已广泛应用于细粒度视觉分类中,针对其中存在的大数据量需求和高计算复杂度的问题,提出一种紧凑型ViT模型.首先,使用多层卷积块生成模型输入,保留更多底层信息和归纳偏置,减少对数据量的依赖;然后,使用序列池化技术取消分类令牌的使用,减少计算复杂度;最后,使用部位选择模块和混合损 失函数,进一步提升模型在细粒度视觉分类中的表现.所提出算法在公共数据集CUB-200-2011、Butterfly200、Stanford Dogs、Stanford Cars和NABirds中均进行了实验验证,在只使用少量的数据和计算资源条件下,分别获得了88.9%、87.4%、89.0%、93.4%和88.0%的准确率,训练时间平均比常用的ViT-B_16模型下降了73.8%,同时比TransFG模型下降了93.9%,并且训练过程中的参数量只有这两种模型的1/4左右.实验结果充分表明,所提出的模型较之其他主流的方法在数据量需求和计算复杂度方面具有明显的优越性,可广泛应用于工业过程控制、设备微小故障检测与诊断中.     

基于云计算技术的网络通信智能监控方法设计

网络通信过程中会产生大量的通信数据,在面对规模庞大的通信数据量时,传统网络通信监控方法的监控效率较低,监控数据缺乏互通性,监控水平参差不齐,无法准确地监控到网络通信中潜在的安全隐患问题。为改善传统监控方法的不足,可引入云计算技术,使用智能监控方法。首先,根据网络通信流量的时间序列变化提取通信传输信号;然后利用云计算技术建立网络通信智能监控模型;最后,通过分层分级的监控方式,全方位、全过程地监控网络通信异常流量。实验分析结果表明,新的监控方法在数据集数量不断增多的情况下,监控结果准确率较为稳定,均在95%以上,可行性较高。