卷积神经网络发展

卷积神经网络作为深度学习的重要代表算法之一,被应用到人脸识别、行为识别、字符识别和图像处理等多个领域,推动着人工智能的快速发展.本文在分析整理大量文献后,总结了卷积神经网络的发展阶段,介绍了卷积神经网络的基本结构和关键技术,选取LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等几种具有代表性的网络进行分析对比,并指出各个网络的应用场景和优缺点,最后提出卷积神经网络未来的研究发展方向.     

基于ITIAS的少儿编程在线一对一教学分析研究

人工智能的不断发展促使人工智能教育上升到国家发展战略高度,少儿编程教育受到了空前的重视,编程培训市场勃然兴起,影响人群日益扩大。目前少儿编程培训主要有线下与线上两种形式,线下培训学生在培训点进行集中学习,完成学习任务;线上培训则多通过在线一对一教学模式进行。对少儿编程在线一对一教学模式进行研究,通过学生作品分析及利用ITIAS系统对教学过程的互动行为进行分析,并与线下编程面授教学进行对比,检验在线一对一教学模式的有效性。     

基于慕课的大学英语混合式教学生态模式构建

随着信息技术与教育融合的逐步深化,慕课已经在线上教学和混合式教学中扮演了越来越重要的角色。基于慕课的大学英语教学环境复杂,要素浩繁而又相互联系、相互依存并相互作用。从语言生态学视角对大学英语混合式教学环境中的各要素进行系统地梳理和整合,构建了大学英语混合式教学生态模式和生态评价体系,以便能够把握教学生态变化的规律及特征、建构完善的教学机制,以便保证和提高教学质量。大学英语混合式教学生态模式的构建是我国外语教育发展的新形式、新特点,能够推动教育生态环境和谐、持续地发展。     

安徽建筑大学本科线上教学现状统计分析研究

2020年,受新冠疫情影响,在教育部"停课不停教,停课不停学"的倡议下,线上教学成为高校的主要教学方式.对安徽建筑大学师生使用线上教学平台情况,以及使用超星学习通和直播平台开展线上教学过程中遇到的问题进行统计分析,结果发现,虽然各大平台都能"八仙过海,各显神通",但是大部分平台的功能却"尺有所短",如没有学情数据收集功能、缺乏师生有效互动功能等.针对线上教学存在的问题,提出了相应的提质增效策略,为后疫情时代高校有效实施在线教学提供参考.     

基于网络药理学研究槐花丸治疗结肠炎机制

通过网络药理学的方法对槐花丸治疗结肠炎的作用机制进行探索和研究.通过TCMSP和ETCM数据库找到槐花丸的主要成分,通过Swiss Target Prediction对成分靶点进行预测;使用OMIM、GeneCards、TTD Database和MalaCards数据库以"colitis"为关键词进行检索,获得结肠炎相关的疾病靶点;将疾病靶点与主要成分靶点进行交集得出药物作用成分;使用Cytoscape软件绘制出药物的主要作用成分-靶点相互关系网络图;使用STRING平台导出药物的蛋白与蛋白相互作用(PPI)网络图.应用DAVID数据库对核心靶点进行GO分析及KEGG相关通路分析,并对KEGG信号通路进行可视化.得到槐花丸共有54个主要作用成分,其中26个成分活性较好,可能作用于STAT3、TP53、MAPK3、AKT1、TNF、VEGFA等关键靶点,参与91条信号通路.通过绘制药物成分-疾病靶点网络、药物蛋白与蛋白相互作用网络等多条途径,对槐花丸治疗结肠炎的作用机制进行了初探和研究,为其他相关研究提供了依据,为其后续临床疗效评价指标的筛选提供了研究方向.     

普通高校生物师范生和教育硕士教学实践能力调查分析

采用问卷调查法,针对生物本科师范生及教育硕士的教学实践能力进行调查和分析,对生物本科生和生物学教育硕士在教育实习期间的教学能力、实验技能、专业知识等方面进行对比分析.根据研究结果提出了几点思考,以期为师范院校在生物专业师范生及教育硕士培养方面提供参考.     

无环境信息下多尺度网格细胞群空间表征模型

针对无环境信息条件下网格细胞空间表征问题, 提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向, 使网格细胞具有特定的感应方向, 仅对特定方向上的速度产生响应。基于改进的吸引子网络模型, 构建多尺度网格细胞群, 并对空间进行表征。仿真结果表明, 改进后的网格细胞模型只响应相应方向的速度, 准确整合速度信息, 表征部分未探索区域, 且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域, 表征结果的误差不超过0.2 m, 证明了该模型能够扩大网格细胞的表征范围, 提高表征精度与表征能力。     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

基于比特负载的非线性虚拟光网络映射机制的研究

光网络虚拟化技术的发展促进了在不同用户和应用程序之间的光纤网络物理基础设施共享。然而,光纤传输链路的非线性损伤对于系统的频谱效率、网络利用率等性能有一定影响。本文首先介绍了一种集成式虚拟网络映射机制,描述了该机制的实现原理。接着,在考虑了光纤传输非线性损伤的情况下,设计了一种基于OFDM比特负载的虚拟光网络嵌入算法(BL-VONE),并将其与基于单一调制机制的虚拟光网络嵌入算法(UM-VONE)进行比较。仿真结果表明提出的算法相较于基于单一调制机制的算法,可以提高约9%的频谱利用率和约9%的传输效率。     

上市公司高管连锁网络与分析师盈余预测精度

以2011~2017年度沪深两市A股上市公司为样本，从私人信息供给的视角，考察企业高管连锁网络对分析师盈余预测精度的影响。研究表明：上市公司网络中心度显著提升了分析师盈余预测精度；当上市公司的公开信息不充分时，其网络中心度对分析师盈余预测精度的提升效果更明显；当上市公司高管与连锁公司其他高管互动机会越多时，其网络中心度对分析师盈余预测精度的提升效果越明显。上述结果表明，上市公司的高管连锁网络上存在泄露的私人信息，这些信息能够被分析师捕获，最终丰富金融市场中的信息供给。进一步研究发现，上市公司高管连锁网络上流动的私人信息包含公开渠道上常常被延迟披露甚至被隐藏的坏消息，有助于纠正分析师的公开信息偏差。研究结果拓展了分析师盈余预测的相关研究，有助于加强对上市公司私人信息流动方式的理解。