摘要：文章以电子信息类专业为依托,针对目前校企合作难点,结合当前以视频应用、移动终端学习为主要特点的网络信息技术环境,探索了混合式学习资源的设计开发与集成共享。利用苏州电子信息产业的区域优势,构建"企业—学校—学生"三位一体的"微项目"平台,建设基于微项目的微视频资源库,实施基于微项目的翻转课堂。对后课堂项目研发的具体问题进行了分析。

摘要：大熊猫种群数据是掌握大熊猫种群动态变化的重要依据,因此大熊猫种群数据建模对保护大熊猫具有重要意义.本文针对现有种群动态性建模方法无法捕获复杂生态系统的随机效应和可扩展性差的问题,提出一种使用概率膜系统对成都大熊猫繁育研究基地大熊猫种群数据建模的方法.基于成都大熊猫繁育研究基地大熊猫谱系数据,设计了一个具有两层膜结构,形式化表示大熊猫生态系统的一系列对象和规则的概率膜系统模型.仿真实验结果表明,该模型能反映大熊猫种群动态变化趋势,给管理者提供参考.

摘要：The Giant Radio Array for Neutrino Detection(GRAND)is a planned large-scale observatory of ultra-high-energy(UHE)cosmic particles,with energies exceeding 10~8 Ge *** goal is to solve the long-standing mystery of the origin of UHE cosmic *** do this,GRAND will detect an unprecedented number of UHE cosmic rays and search for the undiscovered UHE neutrinos and gamma rays associated to them with unmatched *** will use large arrays of antennas to detect the radio emission coming from extensive air showers initiated by UHE particles in the *** design is modular:20 separate,independent sub-arrays,each of 10000 radio antennas deployed over 10000 km^2.A staged construction plan will validate key detection techniques while achieving important science goals *** we present the science goals,detection strategy,preliminary design,performance goals,and construction plans for GRAND.

摘要：在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦中亟待解决的问题.针对上述问题,设计了一种高效的去中心化联邦学习框架(efficient decentralized federated learning framework,EDFL),能够降低存储开销,并显著提升FL的学习效率.首先,提出了一种基于贡献度证明(proof-of-contribution)的共识机制,使得区块生成者的选举基于历史贡献度而不采用竞争机制,从而有效发避免了挖矿过程产生的区块生成延迟,并以异步方式缓解模型参数验证中的阻塞问题;其次,提出了一种角色自适应激励算法,因为该算法基于节点的工作强度和EDFL所分配的角色,所以能够激励合法节点更积极地进行模型训练,并有效地识别出恶意节点;再者,提出一种区块链分区存储策略,使得多重局部修复编码块(local reconstruction code)可被均匀地分布到网络的各个节点上,进而降低节点的本地存储代价,并实现了较高的数据恢复效率;最后,在真实的FEMNIST数据集上,对EDFL的学习效率、存储可扩展性和安全性进行了评估.实验结果表明,EDFL在以上3个方面均优于主流的基于区块链的FL框架.