车联网发展的探讨

本文基于汽车与移动网络高速发展的背景下,提出了以车辆为主要节点,通过移动网络连接的"车联网"概念,并对车联网今后发展进行了有效探讨。     

高校思想政治理论课网络教学问题及对策研究

网络教学是时代发展的产物,在当今世界互联网与大数据等数字媒体广泛应用的时代背景下,不断加深思想政治理论课与网络信息技术的融合,建设适合思想政治理论课使用的高质量的网络教学平台,提高思政课教师网络教学技术手段的熟练度与学生的适应力,是今后思想政治理论课网络教学的重要研究课题。     

Wi-Fi与5G网络的融合及演进思路

随着5G时代的到来,全球信息化变革步伐日益加快,各种无线通信技术逐步融合。本文对目前5G发展现状和新一代Wi-Fi关键技术802.11ax标准进行了分析和研究,根据无线宽带联盟(WBA)2018年起至今的会议结论和观点,构思了Wi-Fi网络的发展演进思路,在未来较长一段时间内,5G与新一代Wi-Fi网络会逐步融合,在不同领域中发挥各自优势,给各行各业的发展提供优质的网络服务。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

一种新型DSCNN-GRU结构的减速机轴承故障诊断方法

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究表明,该算法平均故障识别率可达94%以上,分类效果明显,泛化能力强。     

探索疫情下药物分析课程网络教学新模式

药物分析作为药学本科专业一门重要的必修课程,主要讲授的是对药物进行全方面控制。本文探讨在受到新冠肺炎疫情影响下,如何在线上做到从多方面入手,优化以往教学方案,大力建设药物分析网络课程资源,开创线上教学新模式。