检索结果-南通市图书馆

GenAI赋能的人机双师协同教学研究——基于清华大学计算机基础课程的案例分析

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

现代教育技术 2025年第3期35卷 34-43页

作者：李秀陆军牛佳丽清华大学计算机科学与技术系北京100084 清华大学公共管理学院北京100084 北京极群科技有限公司北京100080

生成式人工智能(Generative Artificial Intelligence,GenAI)技术的出现,给高校教育教学带来了重大变革。在此背景下,文章从AI数字能力培养、教学模式构建、教学平台建设、课程设计与实践四个方面,对GenAI赋能的人机双师协同教学展开了... 详细信息

生成式人工智能(Generative Artificial Intelligence,GenAI)技术的出现,给高校教育教学带来了重大变革。在此背景下,文章从AI数字能力培养、教学模式构建、教学平台建设、课程设计与实践四个方面,对GenAI赋能的人机双师协同教学展开了探索:首先,文章指出人工智能时代的教学任务是培养学生的AI数字能力;接着,文章以人机双师互补、人机双师协同为理论框架,构建了GenAI赋能的人机双师协同教学模式;之后,文章从课程社区、互动社区、群学社区三个维度,介绍了人机双师协同的GenAI平台建设情况;最后,文章以清华大学计算机基础课程为例进行了案例分析,验证了人机双师协同的教学效果。研究发现,GenAI赋能的人机双师协同教学模式显著提升了学生的AI数字能力,增强了学生学习的积极性和主动性;人机协同可以实现优势互补;学生对课程的教学满意度较高,课程的推荐度良好。文章对GenAI赋能的人机双师协同教学进行了理论探索和实践应用,为高校教学探索了一条新路径,有助于推动GenAI技术与教育教学的融合。

关键词： GenAI赋能人机双师协同 AI数字能力教学平台建设教学评价

在线全文

学校读者我要写书评

暂无评论

复杂网络高阶结构的关联规则挖掘及其应用

电子科技大学学报 2025年第1期54卷 152-160页

作者：胡友鑫林茂彦罗剪秋陈超黄金煜四川轻化工大学计算机科学与工程学院宜宾644000

网络高阶结构即满足特定条件的子网络,是网络科学领域重要的研究内容。近年来,关于高阶结构的研究不断增加,但是关于高阶结构之间内在联系的研究还相对较少。基于此,根据传统关联规则,定义了高阶结构之间的关联规则评判指标,并提出了一... 详细信息

网络高阶结构即满足特定条件的子网络,是网络科学领域重要的研究内容。近年来,关于高阶结构的研究不断增加,但是关于高阶结构之间内在联系的研究还相对较少。基于此,根据传统关联规则,定义了高阶结构之间的关联规则评判指标,并提出了一种有效挖掘高阶结构之间关联规则的通用算法框架。利用该算法,在6个真实世界网络中进行了3阶高阶结构(即高阶结构包含3个结点)间的关联规则挖掘。实验结果表明,真实世界网络中高阶结构之间存在强关联规则,且不同真实世界网络中高阶结构之间的关联规则存在差异。此外,将挖掘出的强关联规则应用于链路预测当中,进而实现了链路预测方法。相比于基线方法,所实现的链路预测方法在4个真实世界网络中取得了最好的性能表现。

关键词：关联规则复杂网络高阶结构链路预测

在线全文

学校读者我要写书评

暂无评论

基于本地边差分隐私的有向图聚类算法

计算机研究与发展 2025年第1期62卷 256-268页

作者：付楠倪巍伟姜泽鹏侯立贺张东月张如玉东南大学计算机科学与工程学院南京211102

基于本地差分隐私的图聚类工作成为近年来的一个研究热点.已有工作主要针对的是无向图,且大多利用位向量技术通过模块化聚合实现.由于噪声量与向量维度成线性关系,使得聚类质量和隐私性难以很好地兼顾.此外,针对无向图中边的有/无设计的... 详细信息

基于本地差分隐私的图聚类工作成为近年来的一个研究热点.已有工作主要针对的是无向图,且大多利用位向量技术通过模块化聚合实现.由于噪声量与向量维度成线性关系,使得聚类质量和隐私性难以很好地兼顾.此外,针对无向图中边的有/无设计的2元扰动机制在面对有向图时,因无法对边的方向性进行处理而无法适用.针对上述问题,提出一种基于本地边差分隐私(edge local differential privacy,Edge-LDP)的有向图聚类算法DGC-LDP(directed graph clustering under LDP).具体来说,为了降低噪音量同时适用于有向图,基于直接编码方式设计了一种适用于有向星型图的动态扰动机制,通过自适应添加噪声来平衡隐私性和统计效用.在此基础上,在终端和收集者之间构建迭代机制.收集者依据终端上传的噪声数据提取节点间的相似性信息,并设计基于轮廓系数测量模型的节点聚合算法,通过迭代机制不断地优化节点聚合形式形成高质量簇.理论分析和实验结果表明,所提算法在满足Edge-LDP的同时能够有效兼顾聚类精度.

关键词：隐私保护本地差分隐私图聚类随机响应相似度

在线全文

学校读者我要写书评

暂无评论

基于判决链的法律判决预测

计算机研究与发展 2025年

作者：吕由钢郝继泰王梓涵高莘任鹏杰陈竹敏马军任昭春山东大学计算机科学与技术学院莱顿大学理学院

智能司法旨在通过采用各种自然语言处理技术，自动分析法律领域中的文本，已经吸引了自然语言处理社区的极大关注.作为法律文本挖掘最关键的任务之一，法律判决预测旨在根据法律案件的事实描述，自动预测判决结果（如适用的法律条文、... 详细信息

智能司法旨在通过采用各种自然语言处理技术，自动分析法律领域中的文本，已经吸引了自然语言处理社区的极大关注.作为法律文本挖掘最关键的任务之一，法律判决预测旨在根据法律案件的事实描述，自动预测判决结果（如适用的法律条文、指控和刑罚条款），成为人工智能技术的一个有前景的应用.然而，现有的法律判决预测方法主要集中在只涉及单一被告的案件上，而忽略了涉及多个被告的案件研究.在实际的刑事案件中，往往涉及多个被告者，并在他们之间存在着错综复杂的交互关系，现有的单被告法律判决预测技术很难精确区分多被告案件中不同被告的判决结果.为了加速多被告法律判决预测任务的研究，收集了一个大规模的多被告法律判决预测数据集，其具有以下3个特点：1）数据集是多被告法律判决预测最大的人工标注数据集；2）数据集中的多被告案件需要区分不同被告者的法律判决预测结果；3）数据集中包含了完整的多被告判决链，其中包括犯罪关系、量刑情节、法条、罪名和刑期.此外，对数据集进行了全面而深入的分析，其中包括法条、罪名、刑期、犯罪关系、量刑情节、文本长度、被告人数的数据分布以及多被告判决结果、基于判决链的判决结果的统计分析.此外，提出了基于判决链的法律判决预测方法，其中包括判决链生成策略明确生成犯罪事实相关的判决链，判决链对比策略对比正确判决链和易混淆的判决链来进一步提升效果.实验结果表明，多被告法律判决预测数据集对现有的法律判决预测方法和预训练模型具有挑战性，而基于判决链的法律判决预测方法能显著优于基准方法，显示出判决链在法律判决预测中的关键作用.

关键词：法律判决预测判决链数据集构建数据集分析大型语言模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向大规模图像检索的哈希学习综述

软件学报 2025年第1期36卷 79-106页

作者：张雪凝刘兴波宋井宽聂秀山王少华尹义龙山东大学软件学院山东济南250101 山东建筑大学计算机科学与技术学院山东济南250101 电子科技大学计算机科学与工程学院四川成都611731

随着互联网空间中图像数据的爆发式增长和图像应用领域的拓宽,大规模图像检索的需求与日俱增.哈希学习为大规模图像检索提供显著的存储与检索效率,并成为近年来一个研究热点.现有哈希学习综述存在着时效性弱与技术路线不清晰的问题,即... 详细信息

随着互联网空间中图像数据的爆发式增长和图像应用领域的拓宽,大规模图像检索的需求与日俱增.哈希学习为大规模图像检索提供显著的存储与检索效率,并成为近年来一个研究热点.现有哈希学习综述存在着时效性弱与技术路线不清晰的问题,即多总结5–10年前的研究成果,且较少总结哈希学习算法各组成部分间的关联关系.鉴于此,通过总结近20年公开发表的哈希学习文献,对面向大规模图像检索的哈希学习进行系统的综述性研究.首先,介绍哈希学习的技术路线和哈希学习算法的主要组成部分,包括损失函数、优化策略及样本外扩展映射.其次,将面向图像检索的哈希学习算法分为无监督哈希方法和监督哈希方法两类,并分别梳理每类方法的研究现状和演化过程.然后,介绍哈希学习算法评估通用的图像数据集与评估指标,并通过对比实验分析部分经典算法的性能.最后,结合哈希学习的局限性与新挑战对其发展前景进行阶段性总结与展望.

关键词：图像检索大规模数据近似最近邻检索哈希学习相似性保持

在线全文

学校读者我要写书评

暂无评论

离线强化学习研究综述

计算机学报 2025年第1期48卷 156-187页

作者：乌兰刘全黄志刚张立华苏州大学计算机科学与技术学院江苏苏州215006

离线强化学习也称为批量强化学习,是深度强化学习领域的一项重要研究内容。它利用行为策略生成静态数据集,无需在线和环境交互,成功地将大规模数据集转变成强大的决策引擎。近年来,离线强化学习方法得到了广泛关注和深入研究,并在实际... 详细信息

离线强化学习也称为批量强化学习,是深度强化学习领域的一项重要研究内容。它利用行为策略生成静态数据集,无需在线和环境交互,成功地将大规模数据集转变成强大的决策引擎。近年来,离线强化学习方法得到了广泛关注和深入研究,并在实际应用中取得了瞩目的成绩。目前,该方法已经用于推荐系统、导航驾驶、自然语言处理、机器人控制以及医疗与能源等应用领域,并被看作是现实世界应用强化学习最具潜力的技术途径之一。该文首先介绍了离线强化学习的背景与理论基础。随后从求解思路出发,将离线强化学习方法分为无模型、基于模型和基于Transformer模型3大类,并对各类方法的研究现状与发展趋势进行分析。同时,对比了目前3个最流行的实验环境D4RL、RL Unplugged和NeoRL。进而介绍了离线强化学习技术在现实世界诸多领域的应用。最后,对离线强化学习进行总结与展望,以此推动更多该领域的研究工作。

关键词：人工智能强化学习深度强化学习离线强化学习批量强化学习

在线全文

学校读者我要写书评

暂无评论

多模态可信度感知的情感计算

软件学报 2025年第2期36卷 537-553页

作者：罗佳敏王晶晶周国栋苏州大学计算机科学与技术学院江苏苏州215006

多模态情感计算是情感计算领域一个基础且重要的研究任务,旨在利用多模态信号对用户生成的视频进行情感理解.尽管已有的多模态情感计算方法在基准数据集上取得了不错的性能,但这些方法无论是设计复杂的融合策略还是学习模态表示,普遍忽... 详细信息

多模态情感计算是情感计算领域一个基础且重要的研究任务,旨在利用多模态信号对用户生成的视频进行情感理解.尽管已有的多模态情感计算方法在基准数据集上取得了不错的性能,但这些方法无论是设计复杂的融合策略还是学习模态表示,普遍忽视了多模态情感计算任务中存在的模态可信度偏差问题.认为相较于文本,语音和视觉模态往往能更真实的表达情感,因而在情感计算任务中,语音和视觉是高可信度的,文本是低可信度的.然而,已有的针对不同模态特征抽取工具的学习能力不同,导致文本模态表示能力往往强于语音和视觉模态(例如:GPT3与ResNet),这进一步加重了模态可信度偏差问题,不利于高精度的情感判断.为缓解模态可信度偏差,提出一种模型无关的基于累积学习的多模态可信度感知的情感计算方法,通过为低可信度的文本模态设计单独的文本模态分支捕捉偏差,让模型在学习过程中从关注于低可信度文本模态的情感逐步关注到高可信度语音和视觉模态的情感,从而有效缓解低可信度文本模态导致的情感预测不准确.在多个基准数据集上进行实验,多组对比实验的结果表明,所提出的方法能够有效地突出高可信度语音和视觉模态的重要性,缓解低可信度文本模态的偏差;并且,该模型无关的方法显著提升了多模态情感计算方法的性能,这表明所提方法在多模态情感计算任务中的有效性和通用性.

关键词：多模态可信度感知多模态情感计算可信度偏差累积学习

在线全文

学校读者我要写书评

暂无评论

磁共振无线充电技术:进展与展望

计算机研究与发展 2025年第1期62卷 232-255页

作者：王馨语周王球周颢李向阳中国科学技术大学计算机科学与技术学院合肥230026

无线充电技术具有非接触、自动化以及易维护的供能特性,可以有效解决未来智能物联网(AIoT)在大规模应用时的能量供应难题.在现有无线充电技术中,磁共振无线充电技术在能量传输效用与空间自由度上有着更为均衡的技术优势,已成为当今无线... 详细信息

无线充电技术具有非接触、自动化以及易维护的供能特性,可以有效解决未来智能物联网(AIoT)在大规模应用时的能量供应难题.在现有无线充电技术中,磁共振无线充电技术在能量传输效用与空间自由度上有着更为均衡的技术优势,已成为当今无线充电领域的研究热点,拥有更为广阔的应用前景.为此,大致回顾了磁共振无线充电技术的发展历程并对其相关背景概念进行了简要概述.对近年的磁共振无线充电技术相关研究进行了系统梳理,并基于设计动机和技术实现从反馈通信、优化调度、感知应用、安全保障4个角度出发,详细总结了对应工作的基本原理、实施方法等核心内容,为后续的研究提供了有效参考.其中,根据传输方式将反馈通信方面工作分为两大类,根据系统结构将优化调度方面工作分为两大类,根据应用场景从三大类介绍感知应用方面工作,根据保障对象将安全保障方面工作分为三大类.最后在上述工作的基础上,讨论了磁共振无线充电技术现有工作的可改进之处,并对未来研究方向进行了展望.

关键词：磁共振无线充电反馈通信优化调度感知应用安全保障

在线全文

学校读者我要写书评

暂无评论

空间-光谱联合解卷的全色锐化网络

光子学报 2025年第1期54卷 176-188页

作者：郑建炜夏弘毅徐宏辉浙江工业大学计算机科学与技术学院杭州310023

以深度解卷网络为核心的全色锐化方法虽兼具可解释理论框架和自学习能力,然而往往采用简单网络各自逼近空间、光谱退化矩阵,缺乏协作的先验学习策略。为此,提出空间-光谱联合解卷网络,在迭代优化的理论指导下分别通过多尺度级联策略和... 详细信息

以深度解卷网络为核心的全色锐化方法虽兼具可解释理论框架和自学习能力,然而往往采用简单网络各自逼近空间、光谱退化矩阵,缺乏协作的先验学习策略。为此,提出空间-光谱联合解卷网络,在迭代优化的理论指导下分别通过多尺度级联策略和点卷积操作实现自适应空间、光谱响应矩阵估计,并构建以注意力为基础的空间-光谱先验算子。在先验算子求解中,提出由多头光谱注意力和多头空间注意力组成的联合注意机制,分别在局部窗口中沿光谱和空间维度计算自注意力值,以捕获长程频谱依赖性,并建模全局空间交互作用。进一步构建了联合网络架构用于空间和光谱注意力间的精确信息融合。此外,设计了一种尺度感知协作模块,以捕获图像的多尺度局部特征。三个遥感数据集的实验结果证明了所提方案在数值和可视化结果层面均优于其他对比方法,其中在GF-2数据集上实现了0.798 dB的峰值信噪比增益。

关键词：遥感图像全色锐化深度学习网络解卷 Transformer 多尺度卷积特征交互

同方期刊数据库