《计算机网络原理》探究式教学研究与实践

探究式教学对以激发学习兴趣,提高学生的创新能力具有重要意义,本文阐述了通过《计算机网络原理》课程的教学实践,不断探索建立和形成旨在充分调动、发挥学生主体性的探究式学习的教育、教学模式;并进行基于问题驱动的探究式教学实践,取得了较好的教学效果。     

基于CDMA的停车场车位引导系统设计

本文介绍了基于CDMA的停车场车位引导系统的设计方案,阐述了系统软硬件设计、CDMA主要特点及接口电路图。该系统采用CDMA无线通信模块,使系统性能更加完善。实验结果表明本系统与485通信系统、CAN总线通信系统相比,通信距离和通信速率明显提高。本系统避免了一路出错导致整个系统瘫痪的问题,使停车场车位引导系统更加智能化。     

开启入门单反新篇章 尼康D3200数码单反相机

尼康发布了旗下入门单反相机中的新秀——D3200。尼康D3200不仅拥有操作更加简便的升级版引导模式,而且还配置许多新的改进版功能,     

一种新的双模式神经网络盲均衡器设计与仿真

在通信系统设计中,常采用盲均衡器来抑制带限信道导致的码间干扰。但传统的常数模算法(CMA)以及基于CMA的双模式算法对于多进制正交调幅信号(QAM)存在较大的误判,收敛后QAM系统性能较差等不足之处。在修正常模算法(MCMA)的基础上,针对QAM信号为多模信号的特点,采用多模算法(MMA)与修正判决引导算法(MDD)结合的双模式算法,并引入可准确模拟信道逆系统的多层感知机结构,得到了一种新的基于双模式算法的多层感知机结构神经网络盲均衡器,利用新算法调整神经网络参数,并且利用重置模块跟踪信道变化。仿真结果表明,新算法调整的神经网络盲均衡器双模式盲均衡器在稳态MSE、收敛性方面都有所提高,并具有抵抗信道突变的能力,为通信系统设计提供参考。     

基于开源平台的网络镜像部署方案

介绍了一种基于开源平台的网络镜像部署方案。方案基于C／S架构,客户端的安装采用了基于PXE的远程启动模式,因此不需要为客户端进行手动安装,从而可以使无系统客户机也能向服务端发起镜像部署请求。网络镜像部署的实现充分吸纳了UDPcast、Partclone以及tftpd32等优秀的已有开源项目,避免了重复的开发工作,编写的调度、UI模块解决了开源软件操作不友好的缺点。实际测试显示,该方案己具有良好的实用价值,所用的系统架构也值得推广到其他应用场合。     

数据库人才培养教学改革研究与探索

针对目前社会对普通高校信息人才培养的要求,从数据库人才培养的角度对教学与科研的教学方法做了一些探讨,结合项目引导的教学模式,在应用实践教学方面可以广泛推广。     

基于状态保持恢复的嵌入式Linux快速启动方法的研究

提高嵌入式设备的启动速度对嵌入式Linux系统的应用和发展具有重要的意义,本文针对嵌入式Linux系统,分析了其正常的启动流程;并在现在加快系统启动速度方法的基础上,提出一种新的嵌入式Linux系统启动加速方法,并把这种方法应用到具体的嵌入式板卡上验证,取得了明显的效果。     

基于注意力机制和卷积神经网络的异步电动机三相电压不平衡损耗研究

配电网中三相电压不平衡对异步电动机损耗会造成较大影响。运用等效电路公式分析三相电压不平衡影响下电动机损耗存在精度不稳定、需要参数过多且数学模型过于复杂等问题。针对以上问题,提出一种基于注意力机制和卷积神经网络(CNN)的异步电动机损耗评估方法。该方法将实测电机数据作为输入,引入注意力机制为输入特征赋予不同权重;采用卷积层和全连接层组成的CNN构架对异步电动机实测数据进行学习,最后完成损耗评估。以现场试验得到的电机损耗数据作为实际算例,该方法评估损耗与实测损耗平均误差仅为0.717%和0.549%,并与其他典型机器学习算法进行对比,结果表明所提方法具有更好的损耗评估性能。     

一种面向目标的情感极性分析方法

面向目标的情感分析是细粒度情感分析的重要任务之一,旨在预测句子中给定目标实体的情感极性.当前大多数研究方法忽略了句法结构信息,在情感判别时往往会关注无关词汇,从而使分类性能下降.为此,设计了一种新的引入句法结构的模型,该模型利用双向预训练编码器和作用于依存句法树的图卷积网络分别捕获文本的上下文信息和句法结构信息,并使用多头注意力机制进行信息聚合得到目标的情感分类表征.此外,还将该模型与现有的领域自适应方法相结合,同时向模型中引入领域知识和句法结构知识,进一步提升了模型效果.在几个常用的标准数据集上的实验结果表明了上述模型的有效性.     

基于改进MobileNet v2的垃圾图像分类算法

针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络. 通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网络对特征的细化能力;设计多尺度特征融合结构,增强网络对尺度的适应性;利用迁移学习的方式优化模型参数,进一步提高模型精度. 实验结果表明,算法在自建数据集上的平均准确率为94.6%,分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0%、3.4%、3.2%、2.3%、1.2%;所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现;模型参数量仅为0.83 M,体积约为基础模型的2/5,在边缘设备JETSON TX2上的单次推理耗时68 ms,实现了推理速度和预测准确率的提升.