摘要：文章基于“人工智能”课程教学存在的问题,首先论述了“新工科”建设背景下基于OBE理念的“人工智能”课程教学改革策略,然后总结了“新工科”建设背景下基于OBE理念的“人工智能”课程教学改革成效,最后对“新工科”建设背景下基于OBE理念的“人工智能”课程教学改革进行了反思,其中策略部分包括基于OBE理念,面向行业需求设计教学内容;围绕理论教学内容,引入企业实际应用案例;强化实践运用,探索校企联合培养模式;等等。

摘要：随着互联网人工智能技术的飞速发展,学习用户特征并精准投放广告能够显著提升广告的点击率(Click-Through-Rate,CTR)与转化率(Conversion Rate,CVR).人群智能定向是解决广告投放问题中极其重要的一环,其业界主流方法是使用转化用户和非转化用户训练基于用户特征的判断其是否会成为转化用户的分类模型.这个分类器的优劣依赖广告的实际转化人群规模,规模越大,越能准确判断.但在实际应用中通常面临某些广告转化人群不足的问题,本文利用在学术与工业场景占据重要研究地位的基于内容的检索技术来扩充相似广告集合,从而扩充对应转化人群.现有的单模态检索方案只关注于单个模态的特征(文本/图像),忽视了不同模态间的内在共有联系,使得挖掘出的广告特征不全且包含大量噪声,最终导致相似广告的检索结果质量不高,从而导致相似转化人群的扩充质量低下.而近年来兴起的跨模态检索方案主要关注以文搜图或以图搜文,并且没有考虑到通用目标检测器并不适用于特定领域图像数据这一事实.为解决这些问题,本文提出一种以广告分类为基本训练目标的多模态商品广告特征融合建模方法,以提升相似广告检索的效果.具体来说,本文使用Transformer模型提取文本语义特征,使用目标检测YOLO模型挖掘图像中细粒度的视觉特征,并结合文本注意力机制识别图像中与商品相关的目标,以降低无关目标给广告特征带来的噪声影响.同时,本文提出了一种多模态融合注意力机制,以高效融合广告文本和图像特征.该模型命名为ToTYEmb(Text oriented Transformer-Yolo fusion Embedding).另外,本文还提出了一种算法框架,将相似广告扩充、转化人群扩充加入到现有的人群智能定向工作流中.实验结果表明,较多个基线模型,本文方案有效提升了相似商品广告的检索质量,避免了很多由单模态信息带来的错误.同时离线人群定向更新实验表明本文提出的利用相似广告扩充转化人群确实能在很大程度上优化现有的人群智能定向算法.

摘要：深度学习方法依赖于大规模的标签数据,通过端到端的监督训练,在计算机视觉、自然语言处理领域都取得优异性能.但是,现有方法通常针对单一模态数据,忽视数据的内在结构,缺乏理论支撑.针对上述问题,文中从基于小波核学习的深度滤波器组网络设计、基于结构化学习的深度学习、基于多模态学习的深度学习3个角度阐述结合深度学习方法与小波理论、结构化预测的潜在方法,以及其拓展到多模态数据的可行机制.

摘要：为拓宽车载充电机(on⁃board charger,OBC)双向充放电工作范围并提高充电效率,用PFC(power factor correction)级联高效CLLC(电容-电感-电感-电容)谐振拓扑实现电网电压与电池电压之间能量双向转换。同时为解决CLLC谐振拓扑在宽范围工作时参数设计困难的问题,提出一种参数设计及优化方法,采用基波分析法(fundamental harmonic analysis,FHA)对谐振网络建模,推导充放电增益的归一化方程,提取出影响谐振变换器增益和效率的关键参数,对比分析关键参数的变化对拓扑各项性能的影响规律,进而总结参数的设计及优化原则。结果表明:影响谐振变换器双向运行最重要的参数是匝数比和谐振电容,其中变压器匝数比主要影响CLLC变换器的充放电效率,谐振电容值影响充放电宽范围输出的最佳工作区,通过分析给出了双向传输功率同等级时匝数比和谐振电容的最佳取值范围。应用CLLC拓扑,双向车载充电机可实现双向超宽范围运行,整机充电效率最高可达94.5%,CLLC效率可达97.5%。

摘要：近几年来,研究人员越来越重视集群中的功率消耗控制问题。众多研究人员都致力于功率消耗的降低与节约,然而能耗管理比单纯的能耗节约显得更加重要。将功率看成是可以管理和调度的资源之一,用户做出一个能耗预算,而管理者则在用户的能耗预算下,帮助其用合理的调度算法和功率限制策略完成用户提交的任务。设计与实现了两种应用于HDFS(Hadoop distributed file system),有效控制与预测功率的算法和策略,结合给每个节点设置功率预算的方法,实现功率的非均衡的动态分配,以控制整个集群功率消耗,从而限制能耗。此外,通过逐步线性回归得到的功率模型来优化功率管理策略,并对两种功率预测控制策略进行了分析比较。

摘要：封闭空间在现实生活中广泛存在。然而,有关因封闭空间的结构参数(如容积、形状等)改变引发室内声场听觉感知变化性的研究则很少见,尤其缺乏系统深入的量化研究。为此,首先以双耳可听化技术配合室内声场测量,通过对听觉场景的模拟,获取了不同结构参数条件下的封闭空间室内双耳信号若干。随后,借助听音实验,对上述双耳信号开展了空间听觉感知变化性及其变化程度的定量评价研究。研究发现:(1)封闭空间容积、形状、壁面吸声系数的改变均能够引发声场听感变化,按照其变化明显程度(从大到小)排序为:壁面吸声系数、形状、容积;(2)变换听音位置,能够在一定程度上影响因空间容积与形状改变导致的室内声场听感变化性。

摘要：本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特性的分析.此外,机器学习方法对数据集的质量和数量要求都很高,并且落地实施过程和结论判断皆容易受到噪声干扰,整体难度较大.现阶段学术界和工业界尚缺少对具体优化案例的详细阐述.本文对现阶段利用神经网络模型优化PUE指标的方法进行改进,增加了特征维数,提高了预测精度,取得了超出Google公司PUE模型预测精度的结果.利用历史样本轨道,使用统计方法近似得出特征之间的耦合特性,并代入灵敏度分析中,得到更加精确的分析结果.提出基于灵敏度分析的冷却系统参数设计优化方案;利用腾讯华北某数据中心的海量数据和现场条件,实施制冷系统参数设定优化的实验,实验效果证明了优化方案的有效性.

摘要：云文件系统凭借高性能、高扩展、高可用、易管理等特点,成为云存储和大数据的基础和核心。云文件系统一般采用完全副本技术来提升容错能力,提高数据资源的使用效率和系统性能。但完全副本的存储开销随着副本数目的增加呈线性增长,存储副本时造成额外的写带宽和数据管理开销。纠删码在没有增加过量的存储空间的基础上,通过合理的冗余编码来保证数据的高可靠性和可用性。研究了纠删码技术在云文件系统中的应用,从纠删码类型、编码对象、编码时机、数据更改、数据访问方式和数据访问性能等六个方面,对云文件系统中纠删码的设计进行了探究,以增强云文件系统的存储模型。在此基础上,设计并实现了纠删码原型系统,并通过实验证明了纠删码能有效地保障云文件系统的数据可用性,并且节省存储空间。

摘要：本研究设计了一种基于统计、语言特征和主题词影响力的综合加权评估的舆情主题标引方案及其关键算法,并通过四个实验较为全面地分析该方案的标引效果和优缺点。

摘要：本研究以逸仙时空BBS为舆情信息源,对需要关注的帖子进行情感倾向性分析的探索性研究,设计了主题帖自动标引和情感倾向性分析策略,并对主题帖自动标引结果、倾向性人工判断与自动分析的结果进行对比。