随身家教——LENOVO i720

联想i720最大的与众不同之处便是内置了丰富的学习工具，从课程表制作到课堂录音笔，从金山词霸到英语听力教程，无不给学生们带来了方便。另外，综还搜集了诸多高中数学、高数和物理常用公式。     

基于MOOC平台的高职院校通识课程教学模式探索

文章通过对开放网络课程(Massive Open Online Course,MOOC)平台发展趋势的分析,结合目前我国高等职业院校通识课开设情况和遇到困难,对基于MOOC平台的通识课课程教学模式的进行了分析探索,构建了优质教学资源的建设模式,引入了翻转课堂和协同学习教学模式,同时进行了基于平台的学习监控模式设计,为在线教学与高职通识课融合提供了有益的探索。     

高职院校工学结合一体化学习站建设及运用研究

本文探讨了一体化学习站运行机制、功能分区设置、教学方法,并分析了一体化学习站教学效果、教学效率、教学成本。     

面向交通流预测的分支定界算法图卷积模型

为对交通流进行准确预测,提出一种将图优化与预测相结合,在单管路中面向交通流的时空混合图卷积预测模型,用于边缘环境下物联网的城市交通流预测。首先对关联图进行预处理,以去除城市交通数据原始道路网中的噪声;再用LOF删除不相关的模型和噪声;最后将得到的图扩展成图卷积神经网络,估算城市的交通流。另外,采用基于分支定界的优化技术对超参数进行精确调整。结果表明：所提模型在交通流预测方面效果更优,当图中节点数较多时,预测的精准性明显优于其他基准模型。     

论计算机多媒体技术在教学中的作用和价值

计算机多媒体技术是高科技的一个热点领域,也是指导、辅助教学工作的利器,已经在很多学校应用开来,取得了不错的效果。计算机多媒体技术具备很多传统教学工具、模式不具备的优势,值得在更大范围内进行推广。本文以上述内容为话题,重点论述了计算机多媒体技术在教学中的应用价值和作用,提出了个人的见解。     

物联网在高校的应用研究

在对物联网内涵、特征及研究应用现状把握的基础上,探析物联网在高校教学与管理中的应用。利用物联网“感知校园”、建设“智慧校园”。物联网在高校教学与管理中的应用具有很好的前景,这种带有浓厚科技特色的教学与管理方式将是未来教学发展与改革的方向。     

电子信息类专业课程实验综合与优化建设

目前,大部分学校的电子信息类专业课程的实验基本上是由任课教师全权负责（即实验计划、实验内容、实验安排等）,这样就不仅会造成某些任课教师之间没有相互沟通,而且有些实验仅是单一课程实验,很少交叉、结合其它课程的教学和实验,导致的结果就是某些课程的实验出现交叉或者重复,实验资源的存在浪费以及降低了学生们的学习积极性,同时没有把所学的课程综合起来,缺乏综合能力的培养。     

基于无监督学习的双分支融合低光图像增强方法

针对经过算法增强后的图像产生伪影且图像噪声放大的问题,提出了一种基于无监督学习的双路融合低光照图像增强网络(Unsupervised Learning-based Dual Fusion Low-light Image Enhancement Network, ULDFNet),可从非配对的低光和正常光数据集中学习到低光图像到正常光图像的映射方式。ULDFNet由双支路构成,上支路是注重对噪声进行抑制的细化分支,下支路是基于注意力机制的U-Net全局重建分支,用于高质量图像的生成。判别网络采用特征金字塔的多尺度结构来增强图像全局一致性,同时改进了损失函数,引入全新的保真度循环一致性损失来进一步提高图像纹理信息的恢复质量。定性与定量的实验结果证明了所提方法能够有效抑制增强后图像伪影的产生和噪声的放大。     

基于迁移学习的遥感图像场景分类

在遥感图像场景分类中,基于卷积神经网络 (convolutional neural network,CNN) 的分 类算法存在对训练数据的依赖性,且在缺乏训练数据时分 类效果差等问题,提出一种基于迁移学习的分类算法。首先,选取现有的多个CNN预训练模型,利用迁 移学习的优势对模型进行微调,目的是提取图像不同的高层特征;然后,融合图像的多种高 层特征,使得特征信 息更加丰富;最后,将融合后的高层特征输入到基于逻辑回归的遥感图像分类器中,得到遥 感影像的分类结果。 在UCMerced_LandUse遥感数据集中进行实验,与现有算法进行比较分析,所提算法在3种评 价指标上有明显提 升。通过分析实验结果表明,该算法在仅有10%的训练数据下,能够 达到92.01%的分类准确率和91.61%的Kappa系数。     

基于深度学习和分层角谱的三维纯相位全息显示

传统的纯相位全息成像方法,大多数依赖于高强度的迭代,耗费时间长,成像质量不高,针对此问题,提出了一种深度学习与分层角谱结合的纯相位全息图生成算法,在快速生成全息图的同时提高了全息图再现质量.通过LeNet网络结构预测三维物体的复振幅信息,降低了计算量,采用精确的角谱算法生成三维物体的高质量纯相位全息图.通过仿真实验证明...