探索神经网络深度学习的教学

深度学习是智能科学与技术领域最新的一个突破性进展,将深度学习的基本概念、模型、方法等引入智能科学与技术课程已经迫在眉睫。文章探讨如何在本科生与研究生课程中有效开展深度学习教学,将智能领域这一最新研究成果介绍给极具创新精神的本科生和研究生群体,以期能够较早地接触到学科前沿,提升对于智能科学与技术的学科兴趣,激发创新精神。     

鲁棒局部保持投影的表情识别

针对局部保持投影的流形学习算法对于噪声与异常值的敏感性，提出了一种鲁棒的局部保持投影算法. 其基本出发点是首先对所有数据点进行评估，以获得它们可能成为异常值的信息，然后再将这种信息用于邻域选择与低维嵌套中. 采用鲁棒局部保持投影进行人脸的表示方法，对JAFFE表情数据库进行了实验，结果表明，该方法有效.     

引入深度学习的人工智能类课程

深度学习是人工智能领域最近的惊人进展,从模型、算法,到大规模的应用都取得了令人瞩目的成果。文章提出在人工智能类课程中引入深度学习的初步内容和实施建议,同时分析其必要性和可行性。     

使用LDC码的BI-STCM-ID系统中的星座映射分析

研究了BI-STCM-ID系统中的星座映射问题。证明了在使用LDC（Linear Dispersion Code）空时编码方案的BI-STCM-ID系统中,基于最大化编码增益的高维星座映射设计优化问题等价于基于最大化欧式距调和均值的一维星座映射设计优化问题。     

全卷积神经结构的段落式图像描述算法

针对段落式图像描述生成研究中提升描述语句之间的连贯性问题,提出了一种基于全卷积结构的图像段落描述算法.采用基于卷积网络的区域检测器获取图像表示,结合段落在语言学角度的层次性,构建一种层次性的深度卷积解码器对图像表示解码,自动生成段落式文本描述.同时将门控机制嵌入卷积解码器网络中,以提升模型的记忆能力.实验结果表明,相比于基于循环神经网络等传统段落图像的描述方法,新算法能够为图像生成更为连贯的段落式文本描述,在评测指标上取得较好的结果.     

面向“智能科学与技术”专业的C语言教学探讨

本文探讨了面向"智能科学与技术"专业的C语言教学变革,从该课程对于新专业要求所面临的问题入手,以面向应用为目标,提出了教学内容改变的细节与教学相关因素对于教学进程改变影响的讨论。改变教学内容与方法,满足了压缩学时的要求;同时,引入机器智能中的前沿问题作为实践环节的设计项目,为学生的专业兴趣与能力培养提供新的思路。     

使用TAST码的BI-STCM-ID系统中的星座映射分析

研究了BI-STCM-ID系统中的星座映射问题.证明了在使用TAST空时编码方案的BI-STCM-ID系统中,基于最大化编码增益的高维星座映射设计优化问题等价于基于最大化欧式距调和均值的一维星座映射设计优化问题.     

基于无监督方法的电力文本专业词汇识别研究

电力专业词汇识别是面向变电运检文档进行深入语言理解和知识图谱构建等智能应用的基础。领域无关识别方法的效果不能令人满意,为此本文根据电力领域词汇的语言学特征提出一种面向电力领域的无监督专业词汇发现方法。首先以通用词典对电力文档语料分词,然后根据电力专业词汇的特征设置不同大小的滑动窗口,将之前分词结果的多种组合作为候选词。进一步计算邻接变化度、信息熵、点态互信息以及词频等四种候选词统计量。最后基于综合语言学特征和成词边界三种语法规则对候选词进行筛选形成专业电力新词。在公开数据集上与基线方法进行了对比实验,实验结果表明了本文提出方法的有效性。     

基于奇值分解的三维光学切片显微图像恢复算法研究

阐述了光学切片显微技术的基本原理,分析了显微镜光学系统点扩展函数循环矩阵的奇异性造成荧光图像恢复质量大大降低所导致的病态问题,应用降质模糊矩阵的奇值分解方法,挑选出较大特征值,并将空域问题的求解通过傅立叶变换转到频率域,使计算的复杂度降低,最终得到较为理想的复原图像.     

三维反卷积显微成像技术

三维宽场反卷积显微成像技术是应用光学切片方法获取三维标本的二维图像序列,然后通过反卷积图像处理方法进行图像恢复,进而进行三维重建的一种以光学技术和图像处理技术为核心的显微成像方法。本文讲述了光学切片的基本原理,给出了反卷积处理中点扩展函数的理论模型和实验测试方法,然后对现存的反卷积算法做了对比。最后,还对这一领域的发展趋势做了预测。