摘要：协作智能是一种实现深度神经网络(Deep Neural Network,DNN)分布式部署的新范式,广泛适用于物联网系统视觉场景感知应用。在该范式中,DNN模型被划分为边缘子模型和云端子模型两部分,分别部署在移动边缘设备和云服务器上,由两者协作完成推理任务。协作推理过程中需要对边缘子模型生成的深度特征进行压缩,通过无线信道传输给云端子模型,以降低传输延迟和传输能耗。为了提高深度特征的压缩率,提出了一种基于轻量级卷积神经网络的深度特征压缩方法(LCFC)。该方法设计了一种简单高效的深度特征压缩器,它利用轻量级卷积神经网络和均匀量化器对深度特征进行通道维度压缩、空间维度压缩和量化,能显著提升深度特征的压缩率,减少用于传输深度特征所需的比特数。所提出的方法在CIFAR-100图像分类任务上进行了充分实验,实验结果表明,在保证推理精度退化小于1%的情况下,与基线方法相比,该方法将深度特征压缩率最高提升了31.5%。

摘要：基于宠物主人高质量照顾宠物的市场需求,创新设计集创新性、便利性、实用性于一体的智能宠物项圈系统,主要包括电源动力、GPS定位、NB-IoT物联网、NFC通信、耗能计算、自动警报和宠物情绪诊断等硬件系统,以及外出模式、居家模式、丢失模式等软件系统。在智能宠物设备市场持续增长的背景下,该新型智能宠物项圈产品特色鲜明,将在相同品类产品中具有良好的商业价值和市场竞争优势。

摘要：依托虚拟仿真和MG动画技术,利用计算机建模软件SolidWorks搭建城轨列车客室塞拉门三维模型,并采用DataMesh数字孪生平台制作虚拟仿真资源,通过MG动画制作平台开发一系列塞拉门的动画视频,精心打磨一套基于“虚拟仿真+MG动画”技术的地铁塞拉门实训平台并应用于教学中,在实训过程中采用BOPPPS教学模式,分为6个阶段,即导入(B)、学习目标(O)、前测检验(P)、参与式学习(P)、后测反馈(P)和总结(S),将六个模块融于教学环节,在提升学生动手技能和工作能力方面具有不可替代的作用和良好的借鉴意义。

摘要：地市级区域作为我国社区教育工作的落脚点,在推动社区教育工作中发挥着核心和关键作用,针对当前我国基层社区教育工作中存在的问题,设计构建地市级社区教育的组织架构体系、支持服务模式和数字化学习平台成为推动社区教育工作全面发展的重要策略和抓手,基于这种设计理念提出社区教育工作的运行保障机制也显得尤为重要。

摘要：兴趣对小学生的发展具有重要意义,科学合理的小学语文作业设计不仅可以提高学生学习的兴趣,更可帮助学生取得学业成功。本研究运用问卷调查法、访谈法以及实践法,以我市XX小学为研究对象,调查了解小学语文作业设计的现状,分析二者之间的关系,以期优化小学语文作业设计,激发学生学习兴趣。研究结果表明,学生普遍认为学习语文有趣,就是作业有些过多。在一定的程度上,小学语文作业设计,影响了学生的兴趣,学生期待小学语文作业多样化。基于以上研究结果,本研究提出了以下建议:(1)教师应重视小学语文作业趣设计。(2)教师应重视小学语文作业巧设计。

摘要：【目的】了解江西省抚州市某高校女大学生青春期多囊卵巢综合征(PCOS)的患病率,帮助PCOS的早发现和早干预。【方法】采用分层抽样方法,随机抽取一年级女大学生共450名进行PCOS筛查。采用问卷调查方式,自行设计问卷调查表,调查内容包括月经状况、高雄激素体征、生活方式和饮食习惯以及对PCOS疾病认知情况等。采用独立样本t检验和χ2检验比较PCOS和非PCOS基本情况和饮食生活习惯,并通过多因素logistic回归模型分析各项指标与PCOS患病之间的相关性。【结果】共筛查出PCOS患者12例,患病率为2.99%,PCOS病例与非PCOS病例腰臀比指数、腰围、腹型肥胖、爱吃甜食及超重或肥胖者的比例均高于非PCOS病例,差异有统计学意义(均P<0.05)。多因素logistic回归分析表明,爱吃甜食与PCOS的发生具有显著相关性(OR=4.858,95%CI为1.199~19.675,P=0.027)并与PCOS伴腹型肥胖显著相关(OR=7.083,95%CI为0.773~64.937,P=0.048)。青春期女大学生群体对PCOS的疾病认知情况显示,37.90%从未听说过PCOS,51.62%仅听说过PCOS疾病名称,10.47%的女大学生尝试检索过PCOS相关内容。【结论】青春期女大学生PCOS的患病情况不容忽视,不良饮食方式可能是导致青春期PCOS发生的重要因素,早期筛查青春期PCOS显得十分重要。

摘要：项目化学习是小学数学综合与实践的一种主要学习方式。它以解决实际问题为学习抓手,培养学生应用所学知识解决实际生活问题的能力,并促成团队合作精神。做好项目化学习,确保取得良好教学效果,就必须“唱”好目标确定、活动设计、交流评价三部曲。

摘要：人脸特征点检测是人脸图像处理的关键步骤之一,常用检测方法是基于深度神经网络的坐标回归方法,具有处理速度快的优点,但是用于回归的高层次网络特征丢失空间结构信息,且缺乏细粒度表征能力,导致检测精度降低。针对该问题,提出一种基于多层次自注意力网络的人脸关键点检测算法。为提取更具有细粒度表征能力的图像语义特征,构建基于自注意力机制的多层次特征融合模块,实现高层次高语义信息特征和低层次高空间信息特征的跨层次特征融合。在此基础上,设计一种多任务学习人脸特征点检测定位与人脸姿态角估计的训练方式,优化网络对人脸整体朝向姿态的估计,以提升特征点检测的准确性。在人脸特征点主流数据集300W和WFLW上的实验结果表明,与SAAT、AnchorFace等方法相比,该方法有效提升网络的检测精度,标准平均误差指标分别为3.23%和4.55%,相较于基线模型降低0.37和0.59个百分点,在WFLW数据集上错误率指标为3.56%,相较于基线模型降低了2.86个百分点,能够提取更具鲁棒性和细粒度的表达特征。

摘要：以培养学生核心素养为导向,创新设计粤教版高中物理必修第二册"平抛运动"一节的课堂结构和师生角色,让学生深度参与课堂,以问题促思维,达到以学为中心,提升学生核心素养的目的。

摘要：在计算机实验报告评阅过程中,不同的实验报告评价体系呈现出多样性和差异性,固化的实验评语模板缺乏个性化的内容,评价结果往往未给出可解释性的依据。针对以上问题,提出基于大语言模型的个性化实验报告评语自动生成框架。通过主题-评估决策-集成提示策略,从教师的实验需求、代码质量需求中抽取该实验特有的评价体系,形成评估决策树,构建计算机软件方向课程共享的评估决策树库。设计基于大语言模型和决策树的实验要求、代码质量主题评级方法,从评估决策树库检索匹配学生实验报告内容的评估决策树,结合实验报告和代码文本,自动生成实验主题、代码质量主题定量或定性的评级结果及对应的可解释性依据。在实验报告模板中融入学生已完成的实验任务、主题评级结果、评价依据等,生成个性化的实验评语。实验结果表明,基于主题-评估决策-集成提示策略的决策树生成结果明显优于未用提示的方法,该策略各部分具有一定的有效性和合理性,同时自动生成的评级结果和教师原先批阅的评阅结果对比,软件测试、面向对象程序设计、电商金融课程示例匹配正确率均达到90%以上。从任课教师对于自动生成的评语评分分析,评语在流畅性、相关性、合理性3个维度上达到了较高的质量水平。