计算机设计大赛学生现场,我校学生在2019计算机设计大赛全国总决赛中再创佳绩...

自2019年7月17日至8月27日,历时40多天的2019年(第12届)中国大学生计算机设计大赛落下帷幕。我校学生代表队通过现场专家答辩,共荣获3项国家级二等奖和6项国家级三等奖的好成绩。

0cf8308298af95a644bcfa3e4ab3f758.png

7月17日至8月27日,2019年(第12届)中国大学生计算机设计大赛数字媒体类、微课类、动漫游戏类、微电影类和计算机音乐创作类全国总决赛,分别在吉林大学、北京大学、杭州电子科技大学和浙江音乐学院举办,我校学生代表队姬云熙团队动漫类作品《不“塑”之客》、张文婷团队微课类作品《异龋同攻》和程悦团队微电影类作品《歙砚,尽墨无声》3件作品荣获国家级二等奖,《LOVE兔》、《谈性说爱—父母给孩子的第一堂“爱”的教育》和《剪墨》等6件作品荣获国家级三等奖。

长期以来,学校高度重视大学生的创新创业教育,积极培养大学生的综合应用能力。在校教务处等职能部门的大力支持下,人文医学学院的相关专业教师在长达8个月左右的时间内,精密计划、悉心指导,他们为该项大赛付出了大量辛勤的努力,全校各个专业先后有769人次同学参与设计并积极参加校级、省级以及全国总决赛。

据悉,中国大学生计算机设计大赛是由教育部教育部高等学校计算机类专业教学指导委员会、教育部高等学校软件工程专业教学指导委员会、教育部高等学校大学计算机课程教学指导委员会、教育部高等学校文科计算机基础教学指导分委员会以及中国青少年新媒体协会联合主办。2019年(第12届)中国大学生计算机设计大赛,包括北京大学在内的706所本科高校的7000多人次参加了本次大赛,参赛作品共计3722件。(人文医学学院 吴泽志)

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值