"互联网+"时代商务英语混合式教学范式研究

随着教育信息化的发展,国内高校积极探索了各类教学改革.根据教学实际情况,分析线上教学模式的现状与问题,结合布鲁姆目标分类法,采用翻转课堂等教学模式,设计"互联网+"时代"以学为主型"的混合式教学范式,并对如何进行线上线下教学方法的创新及教学方式的高度融合进行了研究.     

多视图几何轻量级三维重建算法

针对现有深度学习三维重建网络内存消耗严重、效率低下的问题，提出了高效的多视图几何三维重建网络(high efficiency multi-view stereo network,H-MVSNet)模型，将原始图片序列和预测的粗略深度图融合，进一步提高最终深度图的质量;构建轻量级的特征提取模块和正则化模块，减少提取冗余度;采用由粗到精的策略，建立高效的深度图细化模块，减少计算量。实验表明，H-MVSNet模型在DTU数据集中的精度误差可达0.327mm，计算一张分辨率为640×480的深度图仅需0.44s，内存消耗可低至2.46GB，显著提高了三维重建的精度和准确度。     

寻找自然数集合中不同等差数列个数的一个方法

对几个寻找自然数集合中不同等差数列个数的计算机程序进行了算法分析。     

基于改进MVCNN的IFC构件分类识别审查方法

为实现IFC构件精确、高效分类，提出一种改进的多视图卷积神经网络（Multi-view Convolutional Neural Network， MVCNN）模型，该模型引入了自注意力模块和长短期记忆（Long Short-term Memory，LSTM）网络，针对MVCNN模型特征融合的局限性，设计了LSTM_ATT模块；通过对各视图数据特征关系的自适应调整，并结合注意力权重对输入的各视图数据进行融合，得到一个更具辨识性的3D形状描述符，从而提高模型对各相似IFC构件的分类检测性能. 使用IFCNet数据集对建筑领域20个主要类别的IFC构件进行训练并在测试集上对改进MVCNN模型与MVCNN模型进行实验对比. 实验结果表明，改进模型的分类准确率和F1值分别达到了88.27%、86.72%，相比改进前准确率提高了9.46%，对相似构件之间的分类识别效果明显.