习近平关于教师队伍建设重要论述的生成逻辑、核心要义与价值意蕴

党的十八大以来,习近平总书记高度重视教师队伍建设,聚焦教师队伍建设的根本性、方向性、关键性问题,提出了一系列新论断和新要求。这些重要论述是对中华优秀传统文化“尊师重教”的传承发展,是对马列经典作家和中共主要领导人教师思想的创新发展,是发展公平而有质量教育的客观需要,有着深刻的生成逻辑;包含教师素养、教师使命与担当、教师价值、教师地位、教师成长以及对思政课教师的期待与要求等核心要义,呈现出完整的内容体系;丰富和发展了中国特色社会主义教育思想体系,为推进教育领域综合改革和教师高质量发展提供了根本遵循,具有深远的价值意蕴。     

预拓扑与网族的预收敛类

引入了网族及预收敛类的概念,给出了从T(X)(即X上的预拓扑的全体)到S(X)(即X上的预收敛类的全体)的单射,证明了当X是有限集时该映射是双射.     

基于生成对抗网络的细胞形变动态分类

提出了一种基于生成对抗网络的细胞形变动态分类方法,以活细胞视频中的细胞形变动态为对象,引入分类器辅助的生成对抗网络结构同步训练生成对抗网络和分类网络,通过生成对抗网络产生的数据提高了原本分类网络分辨细胞形变动态的性能.首先,细胞动态图像被用于将活细胞视频中的时间维度进行压缩,使其从视频域映射到图像域以方便生成对抗网络的构建.其次,基于分类器辅助的生成对抗网络结构,将分类网络的分类信息作为辅助信息来改善生成对抗网络对多类样本的生成,同时生成网络生成的多类样本可以反过来优化分类网络对于细胞动态形变的分类性能.在构建的活细胞视频数据库上,可以验证提出方法能有效地捕获细胞视频中的空时细胞形变动态,并且其分类的性能优于其它主流方法.     

单曲面网架结构的参数模型研究

通过建立逻辑分析与归纳的方法,在Grasshopper参数化设计软件平台的应用基础上,研究并初步建立了单曲面钢结构平面网架的形体结构参数模型,介绍了在初步设计中对模型进行动态参数控制的方法,为实现建筑设计周期中的协同工作奠定了基础,具有实践意义.     

基于非负稀疏协作模型的目标跟踪算法

目标跟踪是计算机视觉研究领域中一个最基本的问题.为解决在复杂场景下目标跟踪效果不佳的问题,作者搭建了一个基于非负稀疏的协作模型,该模型将非负稀疏表示的产生式模型与全局模板判别式模型相结合,并提出了基于非负稀疏协作模型的目标跟踪算法.首先对每一帧图像使用粒子滤波得到若干个候选框,然后再利用非负稀疏协作模型对每一个候选跟踪框进行评分,根据得分最高判为是跟踪目标的候选框.在多个视频序列上的实验结果表明,所提出的方法可以有效地提高目标跟踪的性能.     

基于Petri网的车间控制器平台研究

着重于车间控制器的开放性提出了车间控制器平台的体系结构.车间控制器平台的核心是运控Petri网.该文给出了运控Petri网的定义.和一般的Petri网相比,运控Petri网主要增加了控制规则以及和外部信息进行交互的接口.实现外部接口的技术方案是车间控制器平台的关键技术,这些接口包括控制设备的虚拟制造设备(VMD)接口、数据库访问接口以及文件访问接口,通过这些外部接口为车间调度提供了全面的车间信息.     

基于Petri网的故障诊断新方法

在分析故障诊断问题特点的基础上，提出一种不增加Petri网元组的故障诊断新模型，对故障传播的分析更加方便，并通过实例验证了方法的有效性。     

THOR网在机器人装配系统装配质量预测和分析中的应用

装配质量对产品的性能和可靠性有直接的影响．基于一类高级的Petri网——THOR网，对机器人装配系统装配质量的预测进行了研究，提出了系统分析装配质量的模块化建模方法．该方法可以对各种装配策略和手段与装配质量间的关系进行研究，是实现机器人装配系统装配质量评价与控制的有力工具．     

基于GAN的医学图像仿真数据集生成算法

基于生成对抗网络(generative adversarial networks,GAN),提出了面向肝脏肿瘤CT图像仿真数据集生成深度学习算法.首先,将CT图像数据文件进行格式解析,单独保存为PNG格式的图像文件;然后,将肝脏病变区域统一标注为白色,并结合肝脏CT原图组成配对图片;最后,用生成对抗网络的pix2pix架构仿真生成病变肝脏图像.为将生成图像与目标图像进行定量分析、比较,本文采用了峰值信噪比和结构相似性作为模型的评价指标.实验结果表明,本文算法所生成的肝脏肿瘤CT仿真数据集的平均峰值信噪比为64.72dB,平均结构相似性为0.9973,证明了所生成的仿真图像数据有着非常高的真实度.     

基于WGAN的语音增强算法研究

带噪语音可看成由独立的噪声信号和语音信号经某种方式混合而成,传统语音增强方法需要对噪声信号和干净语音信号的独立性和特征分布做出假设,不合理的假设会造成噪声残留、语音失真等问题,导致语音增强效果不佳。此外,噪声本身的随机性和突变性也会影响传统语音增强方法的鲁棒性。针对这些问题,使用生成对抗网络来对语音进行增强,给出一种基于Wasserstein 距离的生成对抗网络(Wasserstein generative adversarial nets, WGAN)的语音增强方法来加快训练速度和稳定训练过程。该方法无需人工提取声学特征,且使语音增强系统的泛化能力得以提升,在匹配噪声集和不匹配噪声集中都有良好的增强效果。实验结果表明,使用训练出的端对端语音增强模型后,语音信号的客观评价标准(perceptual evaluation of speech quality,PESQ)平均得到23.97%的提高。