中药化学复习指导在教学中的应用*

摘 要:《中药化学》课程是中药学类专业的专业课,涉及知识面广泛、体系庞杂、疑难点较多、学习难度较大。在现有教学模式下,学生被动接受知识,缺乏独立思考和自主钻研的精神,不能很好地培养学生自主学习能力和科研素养。为解决中药化学教学中存在的这一实际问题,在教学过程中采用引导学生进行复习的教学方法,让学生进行自主学习,从而建立中药化学知识体系,构建中药化学知识框架,提高学习效率,提升学生自主探索的钻研能力培养。     

深度学习在IP网络优化中的应用

随着新型业务涌现和IP网络技术的不断演进,云网融合步入新阶段,展现出数字化、智能化和服务化的发展特征。其中智能化需要结合相关的人工智能技术,而深度学习和深度强化学习是常用的人工智能算法。图神经网络等技术的发展,也使得深度学习和深度强化学习分别在图信息表示和最优化问题处理方面的能力得到本质提升。IP网络可以用图结构抽象化表示,相关的预测和优化问题可以用深度学习和深度强化学习算法处理和求解。因此阐述了深度学习和深度强化学习在流量预测、网络规划和流量工程3个场景下的相关算法与应用,分析了在实践过程中可能面临的问题与挑战。     

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。     

AccFed:物联网中基于模型分割的联邦学习加速

随着物联网(IoT)的快速发展,人工智能(AI)与边缘计算(EC)的深度融合形成了边缘智能(Edge AI)。但由于IoT设备计算与通信资源有限,并且这些设备通常具有隐私保护的需求,那么在保护隐私的同时,如何加速Edge AI仍然是一个挑战。联邦学习(FL)作为一种新兴的分布式学习范式,在隐私保护和提升模型性能等方面,具有巨大的潜力,但是通信及本地训练效率低。为了解决上述难题,该文提出一种FL加速框架AccFed。首先,根据网络状态的不同,提出一种基于模型分割的端边云协同训练算法,加速FL本地训练;然后,设计一种多轮迭代再聚合的模型聚合算法,加速FL聚合;最后实验结果表明,AccFed在训练精度、收敛速度、训练时间等方面均优于对照组。     

基于网络学习空间的信息技术教学实践

阐述基础信息技术课程教学特点,信息技术教学中网络学习空间教学模式和教学策略,利用网络学习空间分别进行自主探究式的问题教学和协作共创的创作教学。     

高速移动环境下基于RM-Net的大规模MIMO CSI反馈算法

针对高速移动环境信道特征复杂多变,同时存在加性噪声和非线性效应的影响,提出一种残差混合网络（RM-Net）的大规模MIMO CSI反馈算法。RM-Net通过学习高速移动信道的空间结构与时间相关性,具备去除大规模MIMO信道噪声的能力,能显著提高CSI压缩率与恢复质量。系统仿真结果表明,RM-Net可消除高速移动场景加性噪声的影响,学习并适应稀疏、双选衰落信道特征,在高压缩率与低信噪比条件下依然具有较好的性能表现,所提算法性能大幅优于其他基于压缩感知（CS）和深度学习（DL）的CSI反馈算法。