摘要：在新一代通信、人工智能、超算等技术的驱动和深度助推下,城市能源系统数字化和智能化程度不断加深,但如何充分发挥其技术价值仍需探索。针对传统运行调控技术方法难点和痛点,围绕面向城市能源系统分布式资源的边缘智能技术,阐述了城市能源系统边缘智能背景、意义和发展,提出了城市能源系统边缘智能理念及其体系架构,探讨了其关键支撑技术,总结分析了其在城市能源系统场景中的具体应用,并对其在通信模式、安全隐私、智能算法、云-边协同、机制设计和业务场景等方面进行了展望。

摘要：《华盛顿协议》毕业要求框架规定了学生应掌握的知识、具备的素质和能力,各专业依据毕业要求反向设计课程体系,并对课程体系设置的合理性进行评价,实际实施过程中的主观因素过多,客观性不足。本文运用计算思维和教育心理学,通过大数据分析探寻内部规律,将毕业要求对应的能力特征稳定性转化为各门支撑课程学生成绩分布的一致性度量,构建专业课程体系对毕业要求支撑关系的评价算法,以学生综合成绩为主要数据来源,依据计算结果分析毕业要求层面或课程层面支撑关系的短板,给课程体系设置合理性评价提供定量的参考依据。三所高校工科专业课程体系评价案例结果表明,该方法能有效发现专业课程体系存在的课程对毕业要求支撑不当的问题。

摘要：当国家提出新的科技发展战略和新兴产业出现时,由于其专业性和紧迫性,必然出现这一战略人才的急缺。湘潭大学联合长沙北斗产业以及湖南省部分高校对传统培养方案和过程进行改革,共同研究解决了北斗创新创业人才培养过程中涉及的基础薄弱、培养计划、资源共享及合作模式等四大关键问题,探索出了一条学业、产业、就业与创业深度融合的"产教强国"培养新模式,在湖南北斗产业与高校的北斗人才培养中取得了很好的成效。

摘要：极槽配合的选择一直作为电机设计的首要问题备受关注。选择4种极槽配合,结合直驱电机的绕组系数和齿槽转矩进行分析,主要将齿槽转矩、空载反电动势、气隙磁密与转矩脉动等参数作为衡量电机的性能指标进行对比分析,得出极槽配合为27/28的直驱电机具有较低的齿槽转矩和转矩脉动、气隙磁密与空载反电动势的谐波含量较小,综合性能较好。为直驱电机在数控机床上的选择及优化提供了一个重要的参考依据。

摘要：持续改进是工程教育专业认证通用标准中核心指标之一,只有贯彻并落实了持续改进的理念,才能真正做到以产出为导向进行培养方案设计,以学生为中心进行课程设计。本研究以湘潭大学通信工程专业为例,通过2017年专业认证入校考察和2020年中期检查的两次实践经历,从基于“胜任力”模型的人才培养模式、一流课程建设和强化专业主体的质量评价监控体系等几个方面,对新形势下通信工程专业的持续改进机制与成效做了研究。

摘要：利用低轨道地球卫星(LEO)进行导航增强首先需要设计低轨星座,在进行星座构型设计时,星座的稳定性及综合成本是需要考虑的两个重要因素,本文提出了顾及星座稳定性及综合成本进行低轨导航星座优化设计的方法.首先,利用遗传算法对铱星星座进行了优化,优化后的铱星星座与未优化前星座相比较,全球可见卫星数均值由2.3颗增至2.9颗,可见卫星数标准差由2.3降至0.7,综合成本因子由5.3降至4.5,证明了本方法的有效性.然后以Walker星座作为基本构型,在保证低轨混合星座稳定性的基础上,顾及导航性能和综合成本,利用遗传算法进行了混合星座的优化.将优化后的低轨混合星座与北斗星座进行了组合,组合后的星座与北斗星座相比较,全球可见卫星数均值由6.9颗增至9.3颗,可见卫星数标准差由1.1降至0.4.

摘要：在“双一流”建设背景下,应侧重于培养计算机专业研究生实践创新能力,但目前培养工作中仍存在培养目标偏差、实践管理松散、评价体系单一等问题。为此,提出基于PDCA专业学位培养模式持续改进模型,通过协同校企导师的实践教学体系和全过程宽口径专业学位评价指标体系,优化实践环节知识能力结构设计,提高实践教学和专业学位研究生培养质量,构建全新的评价指标。实践结果表明,改革措施有助于提高计算机专业研究生的工程实践能力,提升研究生人才培养质量,以期为开展计算机专业学位教育改革的院校提供参考与借鉴。

摘要：唇读是一项古老的技术,在很早之前聋哑人为解决与人交流的问题时便出现了。如今计算机已经能够实现简单的唇语识别,然而其识别效果与鲁棒性却不甚理想。为了解决这些问题,提出了基于标注人脸轮廓的唇语识别方法,所提出的方法设计了一个智能前端,用于对输入的唇读视频,逐帧标注人脸轮廓,以便于唇语识别模型在各种条件下能更快更准确地寻找人脸以及相关特征。同时为了降低运算量并提升运行效率,将唇语识别模型中的3DCNN由MiCT卷积管进行替代。在LRW数据集上进行了详细的实验,结果表明,所提出的方法能提高识别准确率,有效提升模型的运算速度,同时减少模型训练所需的轮次,并极大增强了模型的鲁棒性。

摘要：工程教育是我国高等教育的重要组成部分,而工程教育专业认证是国际通行的工程教育质量保障制度,也是实现工程教育国际互认和工程师资格国际互认的重要基础。“项目式学习”是应对工程教育专业认证考察学生能力要求的一种新兴课程教学方法,因为受学生“惰性”等混杂因子影响,常规课程质量评价中的考试成绩无法真实反映学生在学习中所能获得的能力提升。本文引入因果推断科学的前门调整法,在面临难以控制与观测的混杂因子时,一方面指导优化项目式学习的教学与考核设计,以改进混杂因子对学习和成果两方面的不利影响;另一方面用于评价项目教学法对于学生学习成果的真实因果效应。

摘要：负荷的多源不确定性和大小功率分布不均衡是制约家庭负荷短期预测精度的重要因素.为此,该文提出用非均匀量化消解功率偏态分布引起的量化误差大、高功率近似于“异常”样本等问题,融合卷积神经网络(CNN)和集成学习应对负荷多源不确定性导致的负荷规律复杂的问题.首先给出了家庭负荷短期预测框架;然后给出了基于μ律将负荷数据二次量化的方法,使负荷数据近似正态分布,同时将负荷及其相关数据交织成灰度图,便于提取特征数据间隐含的深层非线性关系;接着,面向家庭负荷短期预测,详细设计了CNN基础学习器、Adaboost协调多个CNN的集成学习算法.对不同温区的实际家庭提前1 h的负荷预测测试表明,该文方法的平分绝对百分比误差(MAPE)、均方程差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)等指标优于已有的先进预测方法.该方法可为公用部门和家庭用户的调度管理、优化控制提供高精度的短期能耗数据.