基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.      

大学英语任务型教学法与形成性评估的实施

现代教育理论正在向以学习者为中心的经验型教学转变，强调教学以知识的转化为目标．形成性评估关注学生的主体学习过程，有着终结性评估所没有的优势．本文通过介绍我校大学英语在形成性评估等方面的改革，阐述了配合形成性评估所采用的任务型教学法的相辅相成作用，以及如何开展任务型教学法从而实施形成性评估．学生在完成按照教学目标和要求设置的各种形式的任务的同时，形成性评估也同时完成，而且语言学习者在互动合作交流的氛围中语言的输入和输出能力也得到了增强．本文希望任务型教学法与形成性评估的结合也能给其他课程带来一点借鉴．     

研究性学习的教学模式的探索

研究性学习的教学模式，对于改变学生的学习方式，培养学生的创新精神和实践能力，以及培养学生的信息素养都具有十分重要的意义，本文从研究性学习的原则、研究性学习的实施、研究性学习的评价三个方面，探究在毕业设计中如何有效地开展研究性学习．     

水手工艺课程部分项目互动教学探索与实践

介绍了互动教学模式的特点,探讨了互动教学的实施方法,指出互动教学有利于全面推进素质教育改革,培养高素质的专业人才.     

协会动态

出访考察 事件：组织有关单位的人员到境外考察学习、培训企业现代化人才、提高企业人员素质，为会员服务是协会对外联络部成立的宗旨。该部门成立以来，先后向会员和相关单位发出赴台湾、欧美等地进行考察、培训的通知，得到许多单位的积极响应。最近已有不少企业有关人士咨询并报名，对外联络部正加紧办理有关出访手续。     

汉语负迁移对英语学习的影响及对策

母语对第二语言的学习和第二语言习得产生着重要的影响。汉语同样使得在学习英语的过程中发生正迁移和负迁移。本文主要从语音、词汇、句法、语用和两种语言根本差异几个层面，论述了汉语对英语学习的负迁移，并提出了克服英语学习中负迁移的途径和方法。     

高职医学生英语移动学习现状调查及对策分析

伴随着移动技术的发展,移动学习已经发展成为重要的学习形式,是学生重要的学习方式。本文通过问卷调查和个别访谈的研究方式,调查并分析了某所高职医学校学生移动设备的持有情况,移动设备功能应用,影响移动学习的因素等,指出了高职大学生在移动学习过程中存在的问题,提出了提高高职医学生移动学习效果的意见。     

车联网环境下自动驾驶车辆动态障碍物协作避让模型

车路协同和车联网的发展为车辆群体之间的协作控制提供了可能.本文关注的是在车联网环境下,自动驾驶车辆群体避让动态障碍物的问题,目标是实现在不损失车辆个体效益的同时,可以达到车辆群体系统最优.本文提出了一种基于深度强化学习算法(DQN)的自动驾驶车辆群体协作避让动态障碍物的模型.模型在学习过程中考虑了车辆的安全性、单个车辆和车辆群体的行驶效率,并加入了车辆的换道协作机制.仿真验证结果表明,与现有的非协作避障模型相比,该模型可以显著地提高整体交通效率,在非常拥堵、比较拥堵和自由流三种给定的不同交通流状态下,车辆行驶效率(车辆平均速度)分别提高5.26％、21.44％、10.38％,整体车流量分别提高8.22％、34.47％、0％.     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...