课堂教学中问题的设计:结构、层次与生成

在提倡“互动”、“对话”的课堂教学中,问题引导着一节课前进的方向,问题的形式将规定学生思维的深度并为随后的学生回应提供框架。对于课堂教学而言,有价值的问题不仅能启动学生思维,还能促使知识的有效建构、提升学生的理解力。为此,对问题的设计应关注结构化、层次化和生成化。     

全球信息栅格的信息安保体系结构的发展

本文介绍美军全球信息栅格框架中信息安保发展的主要阶段,阐述基于“深层防御”思想的信息安保体系结构,分析了信息安保在网络核心企业服务中的地位和作用等内容,在此基础上分析美军信息安保体系结构发展的特点和对我们的启示。     

采用词图相交融合的语音关键词检测方法

针对词图合并方法产生的词图冗余信息过多,规模较大,导致检索速度较慢的问题,本文提出了一种基于词图相交融合的语音关键词检测方法。首先,将不同语音识别系统产生的词图取交集,并对相同路径上的声学模型、语言模型得分进行得分融合;然后,对于融合后词图中存在的间断路径,直接利用性能最优的语音识别系统产生的词图进行补充,得到完整的融合词图;最后,在相交融合后的词图上进行关键词检测。实验表明,相交融合后的词图综合利用了各词图的得分信息,在基本不损失词图对正确内容覆盖率基础上,减少了冗余信息,有效降低了索引规模;并且在关键词检测性能ATWV指标下,基于词图相交融合的关键词检测方法相比词图合并方法相对提升5.3%。      

应用深度学习的信号解调

针对噪声干扰信道下的信号解调问题,提出了应用深度学习的信号识别方法,通过识别信号完成信号解调.深层置信网络使用受限波尔兹曼机为基本单元,设计针对通信信号识别的多层深层置信网络.通信信号首先变换为特定表征序列,并以此构建完备的训练集合对深度置信网络进行逐层的无监督学习和全局有监督的微调反馈学习,在深层置信网络的权重参数优化过程中实现对通信信号的特征提取与识别.仿真实验表明,与传统调制信号解调方法相比,应用深度学习的信号解调方法的检测性能有约0.4 dB的提升.     

基于特征融合的层次结构微博情感分类

情感分类是观点挖掘的热点研究之一,微博文本情感分类具有很高的应用价值.鉴于传统特征选择方法存在语义缺陷,采用神经网络语言模型,提出了基于概率模型的对词向量进行权重分配的深层特征表示方法,构建文本语义向量.将文本深层特征与浅层特征融合,构建融合语义信息的特征向量,弥补传统特征选择方法语义的缺陷.采用SVM层次结构分类模型,实现多种情感分类.实验结果表明,采用特征融合的层次结构情感分类方法,能有效提高微博情感分类的准确率.     

基于主题和表单属性的深层网络数据源分类方法

当前深层网络中蕴含着高质量的海量信息并且其数量不断地增长,由于深层网络具有分布、异构、自治等特点,用户高效、快捷地获取自己感兴趣的信息面临巨大挑战.将深层网络数据源按领域分类是解决这一挑战的基础.本文以对航空订票、图书、汽车和房地产领域的200多个数据源的统计和分析为基础,充分利用主题和表单属性信息,提出了一种新的深层网络数据源分类方法以及改进的查询接口相似性度量方法,实现深层网络数据源的自动分类.本文还提出了一种查询接口标记策略,以降低随机选择初始中心点所产生的影响.实验结果表明该方法具有较高的分类精度.     

“楞次定律”一课中的习题教学的设计

通过习题的优化设计,让学生从不同角度去深化理解,有助于掌握实质、提升能力,灵活解决综合问题.     

深层防御：全球信息栅格的安全保障

现代战争对信息的依赖使信息同高科技武器一样至关重要。为了保证能在需要信息的适当时间和适当地点取得适当的信息。美国人在信息战中提出了信息保障(IA)和全球信息栅格(GIG)概念。信息保障一方面要保障信息安全的获取、处理、分发和接收。另一方面还要防止信息的破坏。信息从获取到分发接收的整个过程都是在信息网络中进行的。要获取信息保障。首先必须保证网络安全通畅。深层防御就是针对网络破坏而发展起来的一个新概念。本文介绍深层防御的概念和技术。对GIG也有所涉及。     

深层学习策略在“电路基础”课程中的应用

本文围绕深层学习策略在“电路基础”课程中的应用,在课前预习及其效果评估、课堂教学的组织、加工知识等方面进行了相应的教学环节和教学内容设计。教学实践表明这些教学设计有利于加深同学们对理论知识的理解,提高学生的自主学习能力和激发他们的学习热情。     

基于高阶深层时空信息的自媒体视频质量评价

自媒体视频中普遍存在的失真扭曲现象,给视频质量评价带来了新的挑战。视觉感知理论研究表明,人类视觉系统中存在感知迭代机制,即视频的感知评价是一个正反向迭代修正的过程。受此启发,本文将该机制引入视频质量评价,提出了基于高阶深层时空信息的质量评价方法。具体而言,本文提出了二阶协方差聚合来进行高阶空域信息的提取,引入快速迭代GRU结构进行深层时域信息建模,而后通过特征层的池化聚合以及多层感知机回归视频得分。实验结果表明,预测结果与人类主观质量评分具有较好的一致性,明显优于现有无参考质量评价算法。