摘要：针对学生课程学习动力不足的问题,从学生的内在需求和差异性出发进行跨学科选修课程教学设计.以“数理统计”课程为例,采用问题式驱动的课堂教学方法,凝练出课程设计中与课程目标相匹配的3大类问题,并进一步基于ADDIE模型进行课程实践,鼓励学生自主探究,激发学生的内驱动力,充分发挥跨学科选修课程的优势,提升学生的技术能力和综合素质.教学实践表明,将问题式驱动和ADDIE教学模型相结合,能够显著提高学生的学习兴趣,激发学生学习的主动性和积极性,提高学生解决复杂实际问题的能力.同时可为其他跨学科选修课程的建设提供经验参考.

摘要：近年来,由于大规模数据集的出现,图像语义分割技术得到快速发展。但在实际场景中,并不容易获取到大规模、高质量的图像,图像的标注也需要消耗大量的人力和时间成本。为了摆脱对样本数量的依赖,小样本语义分割技术逐渐成为研究热点。当前小样本语义分割的方法主要利用了元学习的思想,按照不同的模型结构可划分为基于孪生神经网络、基于原型网络和基于注意力机制三大类。基于近年来小样本语义分割的发展现状,介绍了小样本语义分割各类方法的发展及优缺点,以及小样本语义分割任务中常用的数据集及实验设计。在此基础上,总结了小样本语义分割技术的应用场景及未来的发展方向。

摘要：逐步区间删失是获取高可靠性产品相关信息的一种重要方法.文章研究了产品寿命服从Weibull分布,带有随机移除逐步区间删失寿命试验的最优设计问题.采用极大似然方法获取模型参数的估计及其信息矩阵.利用Bayesian方法处理模型参数未知情况下设计准则对模型参数的依赖问题,获得了模型参数估计的Bayesian稳健设计准则.在考虑试验费用有限制的条件下,给出了获得最优稳健设计非线性混合整数算法.同时对先验选取及约束参数设定的敏感性做了分析.数值结果表明文章提出的方法是有效可行的.

摘要：针对互联网广告数据具有高维稀疏性的特点,在现有的点击率(Click-Through Rate, CTR)预测问题的相关理论和技术基础上,给出了一种基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)的卷积神经网络(Convolutional Neural Networks, CNN)在线广告特征提取模型(CNN Based on GBDT,CNN+). CNN+模型不仅能从原始数据中提取出深度高阶特征,还能解决卷积神经网络在稀疏、高维特征中提取特征困难的问题.在真实数据集上的实验结果表明,与主成分分析(Principal Component Analysis,PCA)和梯度提升决策树这两种特征提取方法相比, CNN+模型提取的特征更加有效.

摘要：大数据时代有效预估网络广告点击率,对企业精准营销和提高投资回报率具有至关重要的作用。对网络广告点击率预估的特征学习及技术研究进行了综述,从原始数据特点及解决方法、点击率预估的特征学习、点击率预估模型构建、评价指标选取等方面,分析了网络广告点击率预估的国内外研究现状。点击率预估可应用于互联网广告投放、推荐系统等多个领域,具有较高的研究价值。

摘要：信息技术的飞速发展深刻变革了员工的沟通方式,各种线上沟通渠道开始涌现.为了探究如何利用线上线下多种渠道促进创意扩散,本文将企业中员工通过多种渠道交流创意构成的复杂系统看作一组多重网络,考虑各渠道间创意扩散的交互影响以及选择超载效应,建立多重网络视角下员工创意的多渠道扩散模型.探讨某一创意通过多种渠道在员工间持续扩散的阈值条件,并对创意通过多渠道的扩散过程进行数值仿真.研究表明:企业不应一味地为员工构建新的线上交流平台.当可使用的沟通渠道种类较多时,容易导致员工在选择渠道的过程中浪费时间和心理资源,从而阻碍创意的扩散.如果员工仅进行在线沟通,忽视线下沟通渠道的使用,也会降低扩散效率.当员工尽可能多地通过线下渠道分享创意时,才能使创意扩散的效率达到最大,扩散的范围达到最广.研究可以为企业合理利用线上线下多种渠道促进创意扩散提供决策支持.

摘要：基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.

摘要：文章考虑带有随机移除的逐步Ⅱ型区间删失(PICR-Ⅱ)方案下生存数据的统计分析和试验方案的设计问题.给出了Weibull回归模型参数的极大似然估计和贝叶斯估计方法.利用模拟数据和实际数据,对不同估计方法下参数估计的结果进行了比较.给出了最优PICR-Ⅱ方案设计方法.

摘要：由于互联网中积累的广告日志具有数据稀疏、特征量大、正负样本分布极其不均匀等问题,使得人工特征提取费时费力,并且单一预测模型很难得到更好的预测性能。针对这些问题,提出梯度提升树GBDT和Stacking相融合的点击率预测模型GBDT-Stacking。通过引入梯度提升树自动进行特征提取与构造,并结合Stacking集成模型对在线广告点击率进行预测,有效提高了单个预测模型的性能。在真实广告数据集上的实验结果表明,GBDT-Stacking集成模型比对比模型在AUC的取值上至少提升了4%。

摘要：由于隧道火灾的人员疏散难题,提出一种基于网格选择的隧道火灾人员疏散模型算法,设计了人员类型、奔跑速度、奔跑方向、人员所在环境等疏散属性参数,建立基于网格化离散场变量和坐标值的仿真模型。该算法克服了常用的元胞自动机算法计算量大,实时仿真比较困难的缺点。最后,利用Open Inventor进行了计算机仿真,并应用该仿真模型进行了分析,从逃生通道对疏散时间的影响及诱导标志设计对疏散时间的影响两方面验证了模型的有效性,并可直观地为安全疏散设计提供理论依据。