高中信息科技课堂项目化学习的实践与思考

问题的提出《普通高中信息技术课程标准(2017年版)》在“六、教学建议”模块中建议教师重构教学组织方式,在课堂教学中开展项目化学习,在项目实践中渗透学科核心素养,整合知识与技能的学习。那么,如何在课堂上开展项目化学习呢?一线教师具体该怎么做呢?笔者结合实际教学案例进行了如下思考。     

换一种方式开发“电脑魔法控制器”

2017年发布的普通高中信息技术课标中,新增了一个选择性必修模块“开源硬件项目设计”。(如图1)受浙江教育出版社的邀请,我参与了这套教材的编写,重点工作是担任“开源硬件项目设计”模块的执行主编。考虑到人机互动是创客作品比较常见的主题,在“开源硬件项目的开发实践”部分,我选择了一个经典的人机交互创客项目——电脑魔法控制器。     

任务感知双原型网络的人物交互少样本识别

人物交互(HOI)识别是计算机视觉领域的重要研究热点.随着深度学习在图像分类任务中的巨大成功,人物交互识别任务也取得重大进展,但样本不平衡和组合爆炸问题仍是制约当前人物交互识别任务性能的关键挑战.由此,将人物交互识别任务与少样本学习相结合,将人物交互识别任务定义为一个少样本任务,并提出了任务感知双原型网络(TDP-Net)来解决少样本人物交互任务.具体地,首先使用图方法为每个任务生成语义感知的任务表示作为任务的先验信息,并使用语义图注意力模块(SGA-Module)生成注意力权重,对特征图中不同区域进行不同重要程度的关注,以适应不同任务条件下的映射关系,实现在新任务中自动推理.此外,还设计了一个双路原型模块(DP-Module)以分别产生交互类别的动作类原型和物体类原型,并分别对动词和名词进行分类.通过分别为动作和物体建立类原型,有效地分离了动作和物体间复杂的视觉关系.同时由于人物交互类别之间具有相似性,可通过重新组合动作和物体类别将知识迁移到新的交互类别中.实验结果表明,该模型在人物交互少样本任务上的平均准确率比基线方法在两个实验设置上分别提高了3.2个百分点和15.7个百分点,验证了TDP-Net在少样本人物交互任务中的有效性.     

基于深度学习的智能动态防御系统

在面对日益突出的网络安全问题,现有的基于威胁特征感知的防御机制,在应对未知风险、高级持续性威胁(APT)、机器流量中,暴露其不足之处,论文提出了基于深度学习的智能动态防御系统架构,提升了互联网应用网络安全威胁应对能力。     

情智相润:演绎人工智能课的精彩——以“互动古诗词”项目教学为例

苏科版2020版信息技术教材的改版中,强调了对人工智能的关注,并率先安排了部分章节进行教学实践。但纵观整个单元,这类课程的开设由于受师资、设备、环境的影响,很难将人工智能教育真实有效落地,更谈不上全面普及。应如何让人工智能步入课堂?如何化解技术准入与学生认知间的矛盾?如何实现教师角色的再造?如何面向全体学生做普及人工智能教育?     

基于MATLAB的“信号与系统”虚拟实验教学辅助系统开发

针对信号与系统课程教学的系统性强、概念抽象、数学与应用并重等特点,提出运用MATLAB强大的信号处理能力,开发基于MATLAB的"信号与系统"虚拟实验教学辅助系统。以"频分多路复用系统"的仿真为例介绍虚拟实验系统在信号与系统课程中的应用。实践证明,该系统能够将晦涩的理论知识具体化、形象化,便于学生对知识的理解和认知,达到了既掌握理论知识又拓展实践能力的目的。     

模型学习与符号执行结合的安全协议代码分析技术

符号执行技术从理论上可以全面分析程序执行空间,但对安全协议这样的大型程序,路径空间爆炸和约束求解困难的局限性导致其在实践上不可行。结合安全协议程序自身特点,提出用模型学习得到的协议状态机信息指导安全协议代码符号执行思路;同时,通过将协议代码中的密码学逻辑与协议交互逻辑相分离,避免了因密码逻辑的复杂性导致路径约束无法求解的问题。在SSH协议开源项目Dropbear上的成功实践表明了所提方法的可行性;通过与 Dropbear 自带的模糊测试套件对比,验证了所提方法在代码覆盖率与错误点发现上均具有一定优势。     

自然语言处理中的深度学习:方法及应用

该文围绕特征表示和模型原理,以神经网络语言模型与词向量作为深度学习与自然语言处理结合的切入点,概述了当前主要深度神经网络的模型原理和相关应用。之后综述了当前研究人员在自然语言处理热点领域上所使用的最新深度学习方法并及所取得的成果。最后总结了深度学习方法在当前自然语言处理研究应用中所遇到的瓶颈,并对未来可能的研究重点做出展望。     

一种多策略的中文领域本体概念抽取方法

为了提高中文领域本体概念抽取的准确率和召回率,提出一种多策略的中文领域本体概念抽取方法。该方法使用模式匹配法改进原有的单字合并法,经词性过滤和缺陷检测筛选出概念集组成用户词典,并送入概念抽取系统进行二次分词获得候选概念集;利用词频-逆向文本频率(TFIDF)方法和信息熵融合得到TFIDFE方法,计算概念权重以获得领域概念集。实验结果表明,该方法在领域术语抽取的准确率、召回率和F值上均有较好的效果。     

高等有机化学课程建设与改革

高等有机化学是化学专业高年级本科生和研究生的一门主要必修课,具有教学内容多、信息量大、理论性强等特点。课程组在教学内容、教学方法、教材选用和师资队伍建设等方面进行探索,希望能为高等有机化学课程建设起到借鉴意义。