农业现代化进程中农村远程职业教育的创新与发展

农村远程职业教育是实现农业现代化的重要路径,是实施惠农政策的重要媒介,是促进农村劳动力有效转移的重要手段。提出建立多渠道资金投入机制,完善农村远程职业教育的资金保障体系;借助各种技术建构灵活农村远程职业教育模式;建立多方合作的社会伙伴关系,积极落实实践环节。     

结合区间和符号方法的多变元多项式的混合全局最优化方法

提出了一种求解带边界约束的多变元多项式全局最优解的混合方法.混合是指在优化的过程中结合了区间方法、符号方法和数值方法.一方面通过区间方法在舍入误差存在的情况下得到包含最优解且满足要求的任意小区间;另一方面通过符号方法解决当Jacobi矩阵在区间内某点奇异时区间牛顿法无法验证驻点的存在性与惟一性的问题;同时,利用数值优化方法(如BFGS方法)来有效克服区间方法运算速度慢的缺点.此外,文中的算法非常有利于并行化,因此可以进一步提高算法效率.     

基于多变元插值算法计算Dixon多项式

Dixon多项式的计算需要涉及到行列式的展开.但是,由于行列式中的元素通常是符号化的,即其中每个元素都是关于变元(或参数)的多项式,导致行列式展开时的中间计算过程膨胀(甚至爆炸).对此,作者提出符号计算数值化的思想,即对变元选择不同的数值构成插值结点,并赋值到行列式中的相应变元,使符号行列式转化为数值行列式.相对来说,数值行列式的值可以非常容易求出.这样,作者通过选择一系列插值结点代入行列式后计算出结果,并利用输入值和输出值之间的关系构造出了原多项式即Dixon多项式.在插值过程中,作者提出了将Lagrange插值与Zippel多变元随机插值算法相结合以充分利用原多项式的稀疏性,并将该算法并行化处理以提高算法效率的思想,有效克服了经典算法的中间计算过程膨胀问题.     

TB-MYOLO：融合MLP与YOLOv5的双分支网络船舶目标检测方法

针对复杂场景下可见光卫星遥感影像的多类别船舶目标检测中易产生误检、漏检的问题,基于YOLOv5算法改进,提出了一种融合MLP的双分支网络船舶目标检测方法TB-MYOLO.该算法通过引入分支网络作为辅助以增强小目标的特征表达能力,分支网络只负责关注小目标物体的学习,携带更多的浅层位置信息.将分支网络学习到的小目标特征向量与主干网络学习到的小目标特征向量相融合,使小目标特征在网络中占有更大的比重,以此增强模型对目标位置的特征学习能力.同时使用MLP模块代替原始YOLOv5的SPPF模块,利用MLP的特征长依赖性的特点对深层网络的特征向量进行筛选加权,突出重点信息,避免了池化层带来的信息损失.实验结果表明,相比原始YOLOv5算法,改进后的TB-MYOLO算法显著提升了小目标类别的召回率和定位精度.对于复杂场景下可见光卫星遥感影像的多类别船舶目标检测,平均准确率mAP50达到了80.8%,相比原始YOLOv5、Retinanet和Faster R-CNN算法、改进后的TB-MYOLO算法,分别提升了2.4%、24.5%和28.1%.     

基于插值法计算Dixon结式

在经典方法中，计算Dixon多项式和结式都要涉及到行列式的计算。由于行列式中的元素通常是符号化的，即其中每个元素都是关于变元(或参数)的多项式，从而导致行列式展开时的中间计算过程膨胀(甚至爆炸)。对此，提出在结式计算过程中将符号计算数值化，即对变元选择不同的插值点，将行列式中的元素数值化。然后，求出在不同插值点下行列式的值。最后，根据Zippel多变元插值法或其他相关插值算法计算出Dixon多项式和结式。采用插值方法有效克服了经典算法的中间计算过程膨胀问题。