深度学习技术在海关风险甄别中的应用研究

随着互联网的高速发展和人工智能时代的到来,越来越多从前必须由人脑完成的工作能够利用计算机技术来完成,而深度学习的出现更解决了传统机器学习算法在计算机视觉领域、自然语言处理领域表现不佳的问题,使机器也能够拥有准确感知图像和语音的能力。人脸识别是深度学习网络最常见的应用场景之一,具有自然、直接、方便的特点,且不需要检测对象配合,因此非常适合用于公共安全领域的风险检测。研究充分结合海关实际需求,搭建基于深度学习技术的人脸识别模型,提供对通关旅客进行实时风险甄别的解决方案,以及海关通关风险防控场景的理论参考,为后续深度学习技术在海关业务的研究提供支撑。     

高职非英语专业学生英语学习策略刍议

学习策略是影响学生英语学习效果的重要因素之一。该文通过对高职非英语专业学生英语学习策略进行调查,发现高职非英语专业学生在学习英语过程中能普遍利用各种学习策略,提高学习效率。调查还发现,英语程度高的学生使用学习策略的频率高于英语程度低的学生,女生学习策略使用频率高于男生,学习策略的使用频率与学生A级考试成绩有正相关关系。     

浅议高职保险专业人才培养模式的改革

保险是与人打交道的行业,保险公司对一线员工综合素质要求较高,而我们现有的传统教学模式培养出的学生缺乏实践的锻炼、缺乏职业环境的熏陶,远未能符合保险公司用人的要求。为适应保险市场对一线人才的需求,高职高专保险专业必须进行改革,改变原有的人才培养模式和课程体系,进行工学交替、工学结合模式的改革和基于工作流程的课程体系改革。     

计算机专业产学研相结合的实践

我校计算机专业坚持产学研相结合人才培养模式,优化课程设置,加大实习基地建设,鼓励学生参加教师科研、结合企业需要完成毕业设计,培养应用型人才。     

学习型工会模糊综合评价研究

在当前复杂多变的环境下,如何提升工会的不断学习和自我更新能力至关重要。在回顾学习型组织理论和实践的基础上,构建了学习型工会评价指标体系,提出从学习型文化、组织管理、学习效果、主体修炼和外部环境适应五个方面对学习型工会进行评价。同时建立了学习型工会模糊综合模型,并结合实例对学习型工会模糊综合模型的应用进行了分析。     

航班计划优化研究概述

从航班计划优化的不同时间阶段分析,可以将航班计划优化分为航班计划静态编排优化、基于航班延误预测的航班计划动态反馈优化和基于机场协同决策(A-CDM)的航班计划动态调整角度三类;进而从航班时刻、机型指派、航班频率等编制环节分析了航班计划静态编排优化;随后利用延误波及预测与数据挖掘预测的优化方法分析了基于航班延误预测的航班计划动态反馈优化的相关研究。最后,根据航班计划优化复杂性分析,给出了航班计划优化的发展趋势和未来研究方向。     

基于大规模街景图片人工智能分析的精细化城市修补方法研究

在中国快速城镇化阶段“重量”而“轻质”的建设过程中,城市建成区尤其是老城区的景观环境产生了诸如景观视廊受阻、风貌破败等大量问题。对此,自2015年中央城市工作会议以来,各地相继开展了城市修补专项规划,以修复及更新城市建成环境,促进城市空间品质提升。然而,由于缺乏对城市环境整体效应的统筹考虑,故在城市实际修补过程中,城市局部地块的品质提升反而对城市整体品质构成负面影响。因此,在人工智能及大数据技术深度介入城市规划和设计实践探索的基础上,研究基于全卷积神经网络模型(FCN)和城市场景要素深度学习数据集,对城市景观环境中的各要素进行了大规模且高颗粒度的精确识别,同时与空间数据叠加,对复杂建成环境中的景观问题进行精确分析,并基于分析成果辅助后续城市规划设计实践,逐层递进地对城市复杂建成环境进行精细化修补。选择位于嵩山脚下的登封市作为案例,探索人工智能技术在辅助城市修补等规划领域的前瞻性应用。     

浅谈任务驱动在模拟电子技术教学中的应用

该文阐述了在模拟电子技术教学过程中采用任务驱动式教学的必要性和优越性,并就该课程在任务驱动模式下的教学设计和教学评价作了较详细的分析和介绍。     

一种基于微波雷达回波信号的车型分类方法

车辆类型识别方法是智能交通系统的关键技术之一。利用深度学习的高维特征泛化学习能力,将改进的LeNet-5卷积神经网络用于基于交通微波雷达的大小车型分类识别。首先,以雷达触发前的N帧信号为基础,对雷达的回波信号进行分析并构建数据集;然后,分析LeNet-5卷积神经网络的特点;最后提出一种改进的LeNet-5卷积神经网络。实验结果表明,与传统的支持向量机方法相比,所提方法能够智能学习大小车的雷达时频信号特征,大小车型识别准确率达到97%以上,可为交通场景下的车型识别研究提供新的技术途径。