【摘 要】
：
卓越项目管理体系是一套包含战略目标系统、目标分解系统、过程控制系统、激励系统和支持系统五大部分的完整项目管理体系.同时,人工智能作为计算机类专业新兴的一门重要课程,是自然科学领域多学科交叉的综合学科.文章对如何利用卓越项目管理体系提升人工智能课程的教学质量进行了深入分析并提出建议.具体而言,将人工智能课程知识点的学习转换为基于卓越项目管理体系的工程实践,通过多角色协同完成人工智能项目从整体规划到完整开发的全流程监督,从而有效提升学生对人工智能课堂教学知识点的掌握和理解程度.
【机 构】
：
武汉大学国家网络安全学院,湖北武汉430072
论文部分内容阅读
卓越项目管理体系是一套包含战略目标系统、目标分解系统、过程控制系统、激励系统和支持系统五大部分的完整项目管理体系.同时,人工智能作为计算机类专业新兴的一门重要课程,是自然科学领域多学科交叉的综合学科.文章对如何利用卓越项目管理体系提升人工智能课程的教学质量进行了深入分析并提出建议.具体而言,将人工智能课程知识点的学习转换为基于卓越项目管理体系的工程实践,通过多角色协同完成人工智能项目从整体规划到完整开发的全流程监督,从而有效提升学生对人工智能课堂教学知识点的掌握和理解程度.
其他文献
为了能够及时调整Web安全防护策略,确保Web攻防设备将安全威胁维持在可控范围内,从网站服务器漏洞与应用系统漏洞两个角度出发,通过环境准备、信息采集实现漏洞查询,将扫描出的24处风险点划分为高危、中危、低危3个层级的漏洞并逐一进行分析,实施漏洞测试与修复,并从Web服务器、Web应用开发者、Web网站管理员3方面提出共22条防护策略,能够阻止攻击者获取用户个人账户信息,从而有效地对深层次网络攻击进行防护,保障客户Web环境的安全.
差分隐私常被应用于位置隐私保护场景中,通过给位置点加入干扰噪声来混淆真实数据以达到保护隐私目的,但该方法会造成大量噪声数据冗余,影响位置的真实性.为解决该问题,提出一种新的基于差分隐私的DPK-MO算法来保护用户真实位置.在确定初始中心点时加入邻接密度和最小误差平方,并始终选取样本误差平方和最小的点作为中心再聚类,剔除离散点,合并密度小的聚类集,最后合理加入符合差分隐私的拉普拉斯噪声来得到虚拟位置.实验结果证明,该方法可有效缓解数据集范围广、边界值影响大、密度分布不均的问题,降低了查询误差.在同一隐私参数
现有融合多种视觉特征的图像分割算法大多是将多种特征简单组成一组特征向量,如何针对不同图像自动调整多种特征之间的权重仍是一大挑战.基于此,提出一种基于区域的融合多视觉特征图像分割算法.首先,使用Meanshift算法对原始图像进行预分割,获得一组超像素区域.该操作既能保留图像局部的空间信息,又能降低时间复杂度;其次,分别提取每个超像素区域的颜色特征和纹理特征;之后,分别根据两个特征设计两个图像分割模型,并使用多目标进化算法对两个分割模型同时进行优化.将该算法与现有的特征融合分割算法从视觉与量化指标两方面进行
随着深度学习算法的广泛应用,工业领域的缺陷检测不再局限于传统的机器视觉算法,但工业检测过程中深度学习对样本的依赖性和缺陷样本缺乏是亟待解决的问题.提出一种基于生成对抗网络(GAN)的工业缺陷样本模拟生成算法.根据工业缺陷特点,首先提取样本,基于缺陷位置截取具体缺陷,然后利用StyleGAN网络训练生成模型.基于相应的位置信息模型生成新的样本.最后根据生成的样本和位置信息提出一种典型的图像融合方法来生成最终样本.对面板缺陷的模拟生成实验表明,该算法能实现缺陷的生成与融合,有效进行数据集扩充.
无人汽车以多传感器测量数据融合的方法实现环境感知.针对数据融合中三维激光雷达和双目相机坐标系联合标定问题,提出一种基于空间圆心的联合标定方法.首先通过棋盘格标定板得到双目相机的内外参数,然后使用激光雷达和双目相机同时检测圆孔标定板中的圆心坐标,进行粗标定计算激光雷达坐标系变换到摄像机坐标系的平移矩阵,最后通过中心化的特征点集对旋转平移矩阵进行优化.实验结果表明,该方法只需采集3次数据就可以实现联合标定,简化了标定过程.平均标定误差为1.86像素,标准差为0.41像素,证明其结果准确可靠.
为提高图像超分辨率重建质量,针对单一联合字典缺乏公共适用性问题,提出一种结合分组联合字典的超分辨率重建算法.首先,利用K-Means算法对训练样本进行分组,并用迭代软阈值算法得到分组联合字典,使每组样本不仅可以用其对应的子联合字典线性表示,还可被总的联合字典线性表示;其次,在重建过程中,低分辨率图像块根据其所属的类别来选择合适的分组联合字典,重建出对应的高分辨率图像块;最后,将重建出的高分辨率图像块整合得到高分辨率图像,并将其应用于遥感图像超分辨率重建.实验结果表明,该方法将遥感图像的峰值信噪比(PSNR
深度学习是基于数据构建统计模型,通过模型对未知数据进行预测的一种统计学习方法.为保障模型质量,语义分割训练需要大量像素级别精确的标注数据.采用半监督学习的训练方式,首先训练一个可为大量无标注数据生成伪标签的标注模型,然后将人工标注的数据与模型标注的数据放在一起进行训练,以提升模型的泛化能力.此外,为减轻大量伪标签数据带来的计算负担,采用逐步调整训练图像分辨率的方法,在保证精确度的前提下可使训练总时间减少一半.实验结果表明,采用该训练方法,结合使用未标注数据,可在Cityscapes数据集上提升模型精确度,
为解决当前人工智能课程理论抽象、算法复杂、学生掌握知识内容困难等问题,以人工智能知识体系为基础,完善与优化课程教学内容.同时,从教学大纲、教材和网络资源入手进行知识点提取、知识点属性设计、知识点关联以及多模态知识图谱可视化,构建人工智能课程领域知识图谱.在此基础上,以现代教育思想为指导,开展知识图谱驱动的实践教学、知识图谱智能问答等课堂教学应用.在人工智能引论课程采用知识图谱教学方法的实践结果表明,知识图谱可有效辅助教师授课并帮助学生实现个性化学习.知识图谱教学方法能够促进学生熟练掌握人工智能基本理论与方
为改善现有车型识别算法在参数量较大时训练时间较长等缺点,提出基于原有YOLOv4的改进算法.通过使用MobileNetV3替换YOLOv4的主干特征提取网络,使用深度可分离卷积替换标准卷积的方式削减模型参数量,然后使用K-means算法设置预选框用以提升模型最终识别精度,其中MobileNetV3部分在训练模型时使用迁移学习的方法,加快了整个模型的收敛速度.实验结果表明,改进算法在BIT-Vehicle数据集上的车型识别准确率为96.17％,参数量约为53.77MB,检测速度较YOLOv4提升了26％.改
针对新工科背景下计算机与数据科学专业课程的培养目标和教学特点,探索构建面向新工科人才培养的创新教育模式.围绕理论教学与实践教学两条主线,从课程教学内容体系、教学模式、教学环节、教学方法和手段、教学环境和平台、教学考核等方面进行全方位的改革实践,将沉浸式实践项目、校外学科竞赛与传统的线下课程、优质线上课程、教学资源、教学平台进行优化融合,形成了一套行之有效的面向新工科人才培养的项目沉浸式教学和学科竞赛驱动的混合式创新教育模式,并取得良好的教学效果.