培养和激发职校学生英语学习兴趣研究

提高学生英语学习兴趣是中职教师必须面对和解决的问题之一。笔者通过创造良好的教学环境,营造积极的学习气氛,利用网络资源,创新教学形式,丰富教学的活动和内容等尝试,激发学生学好英语的热情,从而培养和激发中职生学习英语的兴趣。     

信息化环境下学习方式与学校教育

信息化环境下学习方式与学校传统教育的冲突,为素质教育的改变提供了挑战与机遇。在分析国内外信息化环境下学习方式研究现状的基础上,对网络学习与学校传统教育的矛盾与冲突、网络环境下学习效率弊端的梳理,为学校现代化教育实践提出了几点思路与对策。     

三网融合环境下移动学习网络传送网组网方式研究

在学习者(移动学习终端)和移动学习平台之间,如何构建一个对移动学习网络能起到有效支撑作用的传送网络,成为网络建设者和网络运营者面临的一个重要研究课题。阐述移动学习网络传送网的必要性,对三网融合下各种移动学习网络传送网网络技术进行分析和选择,采用分组传送网技术和光传送网技术联合组网构建三网融合环境下移动学习网络传送网组网模型,最后介绍该组网模型的系统特点。     

基于OC-SVM的Hadoop DDoS攻击检测

DDoS以其攻击方法简单、破坏性强且难以追查等特点一直是互联网的主要威胁,而Hadoop作为云计算的主流平台,同样面临DDoS攻击的严重威胁。对此提出了一种基于One class SVM分类算法的Hadoop DDoS攻击分布式检测体系。该体系采用主动学习和疑似攻击核实机制,实时更新训练集,可以有效降低误报率和漏报率。实验结果表明,该体系有较好的分类准确性、较低的漏报率和误判率。     

青岛科技大学国际交流与合作

<正>国际化战略是我校新世纪发展的重要战略之一,近年来,我校国际交流与合作工作取得了可喜的成绩。每年培养长期留学生达200名左右,学历留学生约占25%,英语授课专业是学历留学生的首选。每年聘请长期外籍语言或专业专家及教师30多名;短期来访约200人次。2013年友好学校达到67所。与德国、韩国、美国、加拿大、法国等合作办学机构和项目5个。与日本、德国、澳大利亚等企业合作项目6个。欢迎各国高校、企业、教授、学生来我校合作、交流、访问学习。     

践行科学发展观 求真务实地建设小康社会

通过学习十八大确立的新思想、新目标、新举措,分析当前新技术发展的趋势对于小康社会建设的影响,牢固树立解放思想、实事求是、与时俱进、求真务实的思想路线,培养小康社会需要的合格人才。     

基于图像的单样本人脸识别研究进展

基于单样本的人脸识别具有重要的应用价值,然而对仅有一个注册样本的人脸图像进行识别是一个具有极大挑战性的问题。对近年来提出的单样本人脸识别的算法进行分类和介绍,以识别率为指标对比了这些算法的实验结果,同时给出了这些实验针对的人脸数据库、数据库的规模和训练/测试样本集的划分;总结了影响单样本人脸识别率的关键因素及各算法的优缺点,分析了一些算法取得较优识别率的原因及未来可能的研究方向。     

迭代学习控制理论

<正>迭代学习控制是"学习控制"的一个重要组成部分,是控制理论的一个新的研究方向.由西安工业大学研制的控制系统-迭代学习控制(ICL)系统,只需输入、输出信号即可重复运行,不依赖于动态系统的精确数学模型,能以非常简单的方式处理不确定、强耦合、非线性的复杂系统,并且适用性强,易于实现.     

基于物理约束U-Net网络的地震数据低频延拓

由于震源与采集技术的影响,地震勘探数据往往缺失低频信息,严重影响后续的反演和成像处理。现有的地震数据低频延拓方法,大多建立在时域数据分布特征的基础上,容易导致频率与相位信息严重损失。为解决该问题,文中提出一种基于地震波物理参数约束的U-Net深度学习网络进行地震数据低频延拓。首先,利用理论引导数据的思想组织样本,生成大量不同特征的地震数据;然后,通过结合残差跳跃连接改进的U-Net模型学习从中高频地震数据生成低频成分的非线性映射;最后,结合地震信号的物理参数约束提升对频率、相位的恢复效果。实验证明,文中所提方法对地震数据低频恢复具有较好的效果,并在频率与相位的保持上优于同类方法,对提高后续的处理与解释精度具有较高的实用价值。     

基于CWT-CNN的地震噪声压制研究

随着深度神经网络技术的发展,卷积神经网络(CNN)被越来越多地应用于地震数据的噪声压制中。常规CNN方法一般是在时间域进行,为了提升CNN方法对地震噪声的压制效果,提出了基于连续小波变换(CWT)的CNN地震噪声压制方法。该方法首先将一维时间域信号通过CWT转换为二维时频域信号。然后,在利用CNN对时频谱进行噪声压制时,提出了两种策略：能量谱策略(策略Ⅰ)是将CWT计算的复数矩阵的振幅谱作为CNN的训练样本,保持相位谱不变;复矩阵策略(策略Ⅱ)是将复数矩阵的实部和虚部图谱作为CNN的不同通道分别进行处理。最后,对于CNN的输出结果,利用逆连续小波变换(ICWT)将二维复数矩阵还原成一维地震信号。为了定量地对比方法的效果,提出利用峰值信噪比(PSNR)、结构相似性(SSIM)和均方根误差(RMSE)3个指标对比基于两种CWT策略的CNN方法与其它常规滤波(包括低通滤波、小波滤波和中值滤波)方法的噪声压制效果。相较于常规滤波方法,数值实验表明基于CWT策略的CNN方法具有更好的随机噪声和涌浪噪声压制效果。为了提高模型处理地震数据的泛化性,引入迁移学习对预训练模型进行微调。迁移学习的成功应用...