摘要：课程档案数字化建设是教育数字化的重要任务之一,优质的数字化课程档案能够为课程目标能力达成情况分析和建立课程持续改进长效机制提供重要数据基础,是推动高等教育高质量发展不可缺少的重要保障。但是,目前课程档案因其内容和形式仍然停留在用于佐证教学过程合规性,导致课程档案“重存轻用”现象却未发生根本改变。本文在分析当前课程档案数字化建设存在的主要问题后,提出了课程档案设计应该方便观察数据背后的信息和课程档案数字化形式应该方便数据挖掘两条课程档案改革思路。

摘要：在过去十年中,数据量、算法和高性能计算的巨大进步已将人工智能(AI)推向了高效用前沿。尤其是在医学影像和数字病理领域,AI的辅助诊疗系统成为了学术与医疗界共同关注的焦点。然而,随着对隐私保护问题的日益重视、政策法规的完善,数据共享成为亟待解决的问题。联邦学习作为一种“数据不动模型动”的范式,为数据的隐私保护与共享提供了一种新思路。本文提出一种联邦学习框架,在确保医疗影像数据本地化及安全性的同时,充分利用多中心肺炎影像数据集,训练高精度的人工智能模型,辅助肺炎影像诊断。通过本地化模型训练和参数服务器的梯度聚合,在不违反数据隐私的前提下,实现了模型的优化与更新。本研究的成果不仅提高了肺炎诊断的准确性和效率,而且扩大了系统的样本量和数据维度,为医疗大数据应用中高精度模型的构建提供了有力支撑,进而有助于提供更丰富和高质量的医疗服务,为社会公共医疗事业的发展贡献重要价值。In the past decade, the tremendous advancements in data volume, algorithms, and high-performance computing have propelled artificial intelligence (AI) to the forefront of efficiency. This is especially true in the field of medical imaging and digital pathology, where AI-assisted diagnostic systems have become a focal point of attention in both the academic and medical communities. However, with increasing attention to privacy protection and the perfection of policies and regulations, data sharing has become an urgent issue to address. Federated learning, as a paradigm of “model moving without data moving”, offers a new approach to the privacy protection and data sharing. This paper proposes a federated learning framework that, while ensuring the localization and security of medical imaging data, fully utilizes multi-center pneumonia imaging datasets to train highly accurate AI models to assist in pneumonia image diagnosis. Through localized model training and gradient aggregation on parameter servers, model optimization and updating are achieved without violating data privacy. The outcomes of this study not only improve the accuracy and efficiency of pneumonia diagnosis, but also expand the sample size and data dimensions of the system, providing powerful support for the construction of high-precision models for medical big data applications. This, in turn, helps to provide richer and higher quality medical services, contributing significant value to the development of public medical services.

摘要：为加强高校学生的科技文化自信,培养他们的科学素养、创新精神和创新能力,基于OBE理念对“数据库理论与技术”课程进行了科技文化自信思政教学设计。首先通过分析社会人才需求和学校教学定位,明确课程的科技文化自信思政目标;然后基于OBE理念反向设计课程思政教学方法,并在力求公平、合理和有效的基础上设计课程思政评价方法;最后通过对课程教学设计方法的实施,评估每位学生的课程思政目标达成情况,全面评价教学改革效果。实施结果表明:该教学设计对于提高学生的科技文化自信起到了积极作用,可以为高校在培养学生科技文化自信方面提供参考。

摘要：随着数字视频的普及,HEVC(high efficiency video coding)视频隐写受到了越来越多的关注。残差系数域隐写具有高安全性和低码率增长的特点,然而,视频编码过程中重构的系数不满足块间相互独立的性质,导致修改视频残差系数往往会带来较为严重的失真漂移。本文提出了一种无帧内失真漂移的HEVC视频自适应隐写算法。首先,根据帧内预测方向和多系数修改的方法选择合适的载体,进而避免修改系数引起的失真漂移。然后,设计一种包含块内失真和修改载体后的系数分布的失真函数,指导校验网格编码(syndrome trellis codes, STC)对嵌入失真小的载体进行修改。最后,根据最小化失真代价将消息嵌入到满足特定条件的4×4亮度块的量化正弦变换(quantized discrete sinc transform, QDST)系数中。实验结果表明,所提出的视频隐写算法能够有效地避免帧内失真漂移,在获得良好的视觉感知质量的同时,能保证隐写算法的安全性。

摘要：随着大数据时代的到来,人工智能的应用取得了飞速发展。同时,数据隐私和安全问题也越来越受到人们的关注。这导致跨机构数据共享困难,数据孤岛现象愈演愈烈。投毒攻击是指恶意参与者发送虚假数据或模型参数。这种攻击可能导致模型改变或性能下降,对联邦学习系统造成严重影响。目前,解决投毒问题的方法包括模型聚合算法改进、异常检测技术以及可信参与者的选择机制等。然而,这些方法在实践中仍然存在一定的局限,对于复杂的攻击方式缺乏足够的鲁棒性。为应对这一挑战,本文设计了基于边缘网络的投毒防御系统。它利用中毒攻击检测算法,在联邦学习过程中检测投毒攻击并进行防御。与传统方法相比,本系统具有更高的自适应性和鲁棒性,保障了模型的安全性和准确性。With the advent of the big data era, applications of artificial intelligence have experienced rapid development. At the same time, concerns about data privacy and security are increasingly prominent. This has led to difficulties in cross-institutional data sharing, exacerbating the phenomenon of data islands. Poisoning attacks refer to malicious actors sending false data or model parameters. Such attacks can lead to model alterations or performance degradation, severely impacting federated learning systems. Currently, methods to address poisoning issues include improvements in model aggregation algorithms, anomaly detection techniques, and mechanisms for selecting trusted participants. However, these methods still have certain limitations in practice and lack sufficient robustness against complex attack vectors. To tackle this challenge, this paper proposes a poisoning defense system based on edge networks. Leveraging poisoning attack detection algorithms, it detects and defends against poisoning attacks during the federated learning process. Compared to traditional methods, this system exhibits higher adaptability and robustness, ensuring the security and accuracy of models.

摘要：大学生处于人生发育的重要时期,但因来自学业、就业方面的压力,生活习惯不规律等问题,导致大学生健康问题频发,尤其是近年来大学生在运动中的猝死现象有所增加。该文研究团队在自建的大学生长时间跨度心电信号数据库的基础上,设计实现1个大学生心血管机能评估系统,能够评估大学生的心血管机能并给出运动建议,减少运动事故的发生。

摘要：随着“互联网+”国家发展战略的持续推进和行业产业不断升级,人工智能、云计算、大数据、物联网等新一代信息技术与各行各业的深度交融正成为新的经济增长点。应用型本科院校在工程教育专业认证背景下,结合地方区域经济发展要求,为更好培养产业所需的高水平复合型人才,需要探索专业与产业融通的人才培养模式。宁波工程学院网络空间安全学院(计算机学院)计算机科学与技术专业从专业产业共制育人培养方案、重构课程体系、改造实践教学、共建实训基地和“双创空间”、建设双师型教师队伍等方面进行改革探索,推进“专业”与“产业”深度融合、协同发展,努力培养满足新时代产业发展和战略需求的高素质综合型复合人才。

摘要：依托专业课程培养大学生的应用研究能力,是创建一流应用型本科教育的重要抓手。本文围绕问题解决能力培养这个中心任务,以“群体智能”课程为例,制定了以问题为导向,以工程实际应用为依归的课程建设目标,并提出了基于优化建模、群体搜索和工程问题实战的“群体智能”课程体系,最后,对教学设计方法和课程考核两方面进行创新分析,以提升学生参与度、团队合作精神和激发学生主动思考,对锻炼解决实际问题能力具有重要意义。