基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

对初中数学深度学习的理解与探究

初中生在数学学习过程中,往往更多地将注意力集中在数学知识的习得,以及数学习题的解答上.这样的认识实际上限制了学生学习主动性的发挥,再加上初中生受身心发展局限性的影响,他们的学习行为有时停留在浅层学习(Surface Learning)的层面,存在碎片化、浅表化、浮躁化的现象,学生很难深度加工知识信息、深度理解复杂概念、深度掌握内在含义,进而建构个人化和情境化的知识体系以解决复杂问题.要化解这些难题,关键之一就是要优化学生的学习方式,要将学生从浅层学习中解放出来,要让学生真正经历深度学习的过程.     

具身学习视角下的教学环节再思考——以“全等三角形判定”第1课时为例

《义务教育数学课程标准(2011年版)》(以下简称《课标》)指出,数学教学活动,特别是课堂教学应激发学生兴趣,调动学生积极性,引发学生的数学思考,鼓励学生的创造性思维.这就要求教师在设计教学环节时,以学生经验为逻辑起点,以学生经验生长为目的,重视学生的多感官参与,拒绝单一的听中学,创设环节帮助学生体悟学习过程,关注学生的学习过程,具身学习正是通过身体的感觉运动系统与周围环境的互动,促使学习者的认知、心理和情感水平发生变化,为我们提供了一个引导学生学习方式转型的新视角。     

游客情感计算的文本大数据挖掘方法比较研究

旅游文本大数据以其方便、快捷和低门槛的特点为游客情感计算提供了极大便利，已经成为旅游大数据的主要来源之一。基于大数据理论和情感理论，以文本大数据为数据源，在全面梳理国内外情感计算相关成果的基础上，利用人工智能中的逻辑/算法编程方法、机器学习方法、深度学习方法对旅游文本大数据进行挖掘，探索最佳的基于文本大数据的游客情感计算方法。研究发现：（1）基于情感词典的游客情感计算模型，其核心是构建情感词典和设计情感计算规则，方法简单，容易实现，适用语料范围广。（2）机器学习，用统计学方法抽取文本中的特征项，具有非线性特征，可靠性较线性特征的情感词典方法高。（3）基于深度学习技术的游客情感计算，效果良好，准确率在85%以上。训练多领域的文本语料易于移植，实用性强，且泛化能力好，较适合大数据时代游客情感计算研究。     

桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

X射线激光器捕捉到蛋白质分子的超快动态

近日,美国威斯康星大学密尔沃基分校的生物物理学家、能源部下属SLAC国家加速器实验室部门负责人Marius Schmidt率领的国际研究团队,用X射线激光器以慢动作的形式展示了一个光敏性生物分子的快速动态。"人们能够在这一技术的基础上,以原子水平的空间分辨率和超快时间分辨率制作纳米世界的电影,"Schmidt说道。研究人员将PYP光敏黄蛋白(photoactive yellow protein)作为模式系统。PYP是一种蓝光     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。     

基于“结构化教学”的小学数学深度学习

1问题提出南京市雨花台区小学数学项目研究——“落实课标精神、关注核心素养、践行结构教学”活动在我校拉开帷幕,本人有幸观察了两位数学教师执教的三年级同课异构的课例《认识几分之一》,聆听了省特级教师戴厚祥老师的《小学数学生态结构化教学》的讲座,感受颇深,之后引发思考,我们“怎样才能把学习压力和内在需求、数学思考和人的天性、情感与态度有机地统一起来,让小学数学教育既能使学生获得基础知识、智慧技能、认知策略、健全人格,又能使学生的情感态度价值观健康地发展?”带着这个思考,本人认为“小学数学深度学习的课堂”与“结构化教学”有着紧密的联系,是当前我们提高学生数学素养需要解决的问题.     

机载稳瞄控制系统模型及仿真分析

瞄准线高精度稳定是机载光电稳瞄系统的主要指标和关键技术。根据四框架稳瞄系统的工作原理，以手动跟踪模式为主要研究对象，建立了稳瞄伺服控制系统模型。考虑到直升机扰动特点，对线扰动、角速率扰动、摩擦力矩、弹性力矩等各种扰动因素也建立相应的数学模型，同时在各种扰动因素作用下利用Matlab对机载高精度稳瞄系统的手动跟踪控制模式进行了仿真设计分析和理论研究，设计出适合的控制器。此模型在实际系统中获得验证，对稳瞄伺服控制系统的设计具有参考意义。