一种计算机网络实践教学综合实验平台的设计与实现

设计并实现了一种计算机网络实践教学综合实验平台,实验平台主体由综合布线实验测试模块、通讯设备实验模块、网络服务构建模块3部分构成。实验平台能够很好的完成网络专业方向的各个实践教学环节,教学效果显著,同时也为学科建设和相关科研活动的开展提供了平台支持。     

基于深度学习的偏光片缺陷实时检测算法

针对现有的基于深度学习检测缺陷的方法虽然可以保证分类的准确率,但其检测速度慢,模型占用内存大,难以满足在线检测系统的实时性要求等问题,提出了一种基于深度学习的偏光片缺陷实时检测算法。首先,设计了一个新的并行模块用于构建偏光片缺陷检测网络,模块将不同尺寸大小的卷积核相混合,与传统的卷积层相比,可以融合不同尺度的特征并能提取到更丰富的缺陷特征;用深度可分离卷积替代模块中的标准卷积,这可以大大减少网络的参数量和乘法累计运算量(MACCs).其次,用非对称卷积代替并行模块中的深度可分离卷积得到并行非对称卷积模块,可以进一步减少网络的参数量。最后,使用全局均值池化层代替全连接层,大大减少了网络的参数量。实验结果表明,偏光片缺陷分类模型平均每张图片的测试时间为108 ms,模型在测试集上的准确率达到99.4%,同时模型占用内存为0.583 MB,能够满足工业中偏光片缺陷检测的实时性要求。     

基于双维度注意力机制的西红柿成熟度检测方法

西红柿的成熟度对于采摘、运输和销售至关重要。针对西红柿需要在特定环境下识别问题,从种植现场拍摄图片来制作数据集,提出了一种基于双维度注意力机制的西红柿成熟度分类方法。首先通过tensorflow搭建卷积神经网络,网络中加入了改进的CBAM(convolutional block attention module)模块提取西红柿的成熟度和所在位置信息,即在通道注意力模块中并行一个共享多层感知器后的平均池化层;然后使用Adam优化器更新参数,此方法不仅缓解了网络中直接加入CBAM模块出现的不稳定问题,而且加快了损失函数的下降速度;最后通过调节学习率并使用混淆矩阵计算验证集的准确率获取最佳模型。实验结果表明,本文所提网络在训练了30个Epoch后损失函数稳定下降,搭建软件测试平台进行测试后得到准确率为99%,单张图片检测时间为1.5 s。检测时间和测试准确率均优于AlexNet网络,Grad-CAM可视化结果显示本文所提网络提取目标信息的效果优于AlexNet网络和改进之前的CBAM模块。本文所提方法适用于任意背景下的瓜果品级分类。     

融合对比学习的成语完形填空算法

成语完形填空是机器阅读理解（MRC）的一类子任务，旨在测试模型对中文文本中成语的理解和应用能力.针对现有的成语完形填空算法忽视了成语的嵌入向量会出现表征崩溃的现象，并且模型在域外数据上的准确率低，泛化能力较差的问题，本文提出了NeZha CLofTN.该算法由嵌入层、融合编码层、图注意力子网络和预测层等4部分组成.其中融合编码层中利用对比学习迫使网络改变特征提取的方式，避免了网络输出恒定的嵌入向量，从而预防了表征的崩溃；预测层综合多个近义词图子网络的输出，以获得比其中单独的子网络更好的预测性能，增强模型的泛化能力.NeZha ClofTN在ChID Official和ChID Competition数据集上进行了实验验证，准确率分别达到80.3%和85.3%，并通过消融实验证明了各个模块的有效性.     

基于B/S三层架构的实验室器材智能管理系统设计

为了提高实验室器材智能管理能力,提出一种基于BS三层架构的实验室器材智能管理系统设计方法。系统总体设计包括用户管理模块、实验室器材智能管理资源管理模块、实验室器材的网络学习模块、上位机控制模块以及人机交互模块等,采用上位机通信方法进行实验室器材管理过程中的网络设计,构建实验室器材管理的网络组网模型,采用B/S构架体系进行实验室器材管理过程中的底层软件开发,采用三层构架体系进行实验室器材智能管理系统的总线设计,系统的传输总线协议采用UDP协议进行网络开发,在B/S三层架构体系中实现实验室器材智能管理系统的软件开发设计。测试结果表明,设计的实验室器材智能管理系统稳定性较好,人机交互能力较强。     

基于FPGA的神经网络硬件可重构实现

针对软件实现神经网络速度慢的缺点,介绍了一种神经网络在FPGA上可重构实现的设计方法.设计中依据成熟的BP算法公式,以一个三层的BP网络为例,利用Verilog HDL硬件语言自顶向下设计各个模块,使网络训练时将前向模块、误差反传模块和相应的控制模块同时配置到FPGA中进行网络训练;而当训练好的网络正常工作时,只在FPGA中配置前向模块和相应的控制模块就可以高速运行该神经网络.实验结果表明,该系统结构能极大地提高BP网络的学习速度.     

利用LabVIEW实现的虚拟网络实验室及其虚拟实验

设计和开发了基于LabVIEW的多层分布式虚拟网络实验室及其各类实验模块,提出了将LabVIEW与OPC技术相结合的数据采集方案,实现了实验室底层数据采集.同时,利用LabVIEW强大的网络功能,丰富了虚拟网络实验室的远程客户端.     

基于Transformer和CNN的低剂量CT图像去噪网络

低剂量计算机断层扫描（Low-dose Computed Tomography, LDCT）在临床中有着广泛的 应用,可以有效减轻对病人的辐射剂量。但是成像后的低剂量CT图像中含有明显的噪声和条形 伪影,影响医师的诊断。提出了一种基于Transformer和CNN的去噪网络,该网络是一种改进的编 解码网络架构,其编码端的每一层由卷积模块与Transformer模块融合而成,用来提取每一层的局 部特征和全局特征,同时引入融合模块用来有效地融合提取的局部特征和全局特征。并把融合后 的特征通过跳跃连接融入解码端对应的层,解码端的每一层通过卷积模块提取有效特征进而重建 去噪后的图像。在真实数据集Mayo上的实验结果说明所提出的网络不仅可以有效去除噪声,还能 够保持图像的边缘。     

计算机网络课程虚拟实验室建设

借助Packet Tracer软件构建了计算机网络虚拟实验室,介绍了Packet Tracer软件提供的网络仿真设备,总结了建设计算机网络虚拟实验室的内容和要求。以广域网为例,详细介绍了网络拓扑结构设计和IP地址规划。通过对网络的配置和测试介绍了仿真实验过程,学生通过完成仿真实验,培养组建、使用和管理计算机网络的技能,加深学生对计算机网络理论和概念的掌握和理解。     

一种改进的卷积神经网络的室内深度估计方法

针对单幅图像的室内深度估计缺少显著局部或全局特征问题,提出了一种基于多种网络(全卷积网络分别与通道注意力网络、残差网络结合)构成的编码器解码器结构.该网络采用端到端的学习框架.首先使用全卷积网络与通道注意力网络结合的全卷积通道注意力网络模块作为编码器,通过信道信息获取全局感受野,提高特征图精度,并适当地将全连接层改为卷积层以达到减少网络参数的目的.然后将全卷积网络与残差网络结合构成的上采样模块作为解码器,利用ResNet的特点——跳层连接,将解码器网络加深,提高深度图的精度,将卷积网络与残差网络结合,实现端对端,并减少网络运行所用时间.最后,使用L1损失函数优化模型.在公开数据集NYUDepth v2的测试下,实验结果表明,和现有的其他单目深度估计方法相比,本文所提出的网络模型不仅精简了繁琐的精化粗图的过程,而且所预测的深度图精度更高,阈值精度的提升不少于0.5%,运行网络结构的平均用时21 ms,为实现实时性奠定了基础,具有一定的理论研究价值和实际应用价值.