MIT计算机科学领域研究生培养问题研究

MIT（麻省理工学院）是世界上的一流高校，其计算机科学领域在世界大学中排名第一位。MIT在计算机科学领域研究生的培养方面已形成了完整的体系，特别是在各个培养阶段的各项工作都提出了明确的要求。与以往笼统的介绍MIT或只考虑MIT的本科教育不同，本文重点考察了MIT计算机科学领域的研究生教育，以期对我国的计算机科学与技术学科研究生的培养提供有益的借鉴。     

工程化实训驱动的计算机专业学位研究生“e—Boyer—CIPP”创新应用体系研究

以高校计算机专业硕士教育为落脚点,突出应用性、创新性、适应性的人才需求属性,借鉴国内外专业硕士培养模式,扬长避短,从实际出发,结合研究生个体的先衍基础积累,建立起一套计算机专业硕士培养的方案体系-“e-Boyer-CIPP”．在整个体系的设计过程中,突出工程化的驱动线索作用,贯穿专业学位硕士研究生过程的有效执行拓扑序列．在坚持人才素养目标牵引和过程体系线索引导的前提下,适当调整学术性素养与专业性技能的平衡,优化实施细节,演化出计算机大学科应用型人才培养的通用性实施方案．     

基于802.11ac多用户MIMO网络的容量最大化

针对多用户MIMO网络中的干扰进行处理,在SINR模型下提出了两种分布式APs-STAs分组算法.为查找网络中合适的APs-STAs分组,文中给出了基于穷举思想的算法.该算法先对STA按照天线数目排序,然后判断有序的STAs能否满足干扰处理的约束条件,最后甄选出满足SINR约束条件的分组.与先前的算法相比,虽然该算法获得的网络容量更大,但是会造成较大的时间成本.为了改进该算法的缺点,文中又给出了节省时间的另一种优化算法.实验结果表明,文中提出的两个算法将网络容量提升了15%-52%.     

志愿兴趣驱动的“磁石效应”在软件工程教学中的演化设计

分析软件工程课程理论实践的素养需求,提出训练柔性流程拓扑。为达到自适应的能力梯队演化目标,划分志愿兴趣的粒度主体,进一步优化课程导向重心,定位教与学的关系为学科培养架构体系,规划流程的“主体-群组”粒度磁石效应,推进兴趣与学科的平滑无缝结合。以学期阶段为周期,建立起专业界定轮廓的人才序列培养方案．     

基于C3D模型的视频分类技术

目前,解决视频分类问题比较典型的方法是使用深度学习方法.该文设计了一种新的神经网络结构用于解决视频分类问题同时使用了交叉熵损失函数和一些减少神经网络过拟合的方法.网络结构采用了3D卷积神经网络结构,这是由于3D卷积神经网络相比2D卷积网络可以同时处理图像时域信息和图像空间信息,保留输入信息的时间特征.我们将视频文件通过各种手段,转化为图像帧的形式,放入该文设计的3D卷积神经网络中学习和训练,最后通过分类器对图像的的种类进行划分,得到每个数据分类概率的结果.与之前的C3D网络相比我们增加了网络的深度,优化了网络结构,并通过实验验证了改进的有效性.     

关于分数k一致图的若干结果

设G是一个图,如果对于图G的每一条边,都有一个分数k 因子覆盖它和另一个分数k 因子不包含它,则图G称为分数k一致图. 得到了一个图是分数k一致图的若干结果.