【摘 要】
：
基于人工智能物联网技术(AIOT)设计了一套垃圾分类方案,平台构架主要包括手机APP应用和下位机两大功能模块,下位机模块主要为用户提供垃圾分类投放处理装置的交互操作,并进行传感数据采集和边缘计算处理,将采集结果通过NBIOT通信模块上传到云平台;手机APP应用端即时与云平台进行通信,为用户对垃圾处理提供控制处理、信息支持、交互操作和监督评价,最终实现垃圾智能的分类与处理.
【机 构】
：
湖南铁道职业技术学院,湖南株洲412001
论文部分内容阅读
基于人工智能物联网技术(AIOT)设计了一套垃圾分类方案,平台构架主要包括手机APP应用和下位机两大功能模块,下位机模块主要为用户提供垃圾分类投放处理装置的交互操作,并进行传感数据采集和边缘计算处理,将采集结果通过NBIOT通信模块上传到云平台;手机APP应用端即时与云平台进行通信,为用户对垃圾处理提供控制处理、信息支持、交互操作和监督评价,最终实现垃圾智能的分类与处理.
其他文献
信息化技术促进了教育与信息化的全面融合,形成了随时随地学习、全民终身学习的气氛.本文以食品添加剂应用技术课程中“亚硝酸盐在肉制品中的应用技术”为例,从教学分析、教学策略、教学实施、教学效果四个方面来探讨如何合理利用信息化教学手段整合教学资源,突出教学重点、突破教学难点,从而激发学生学习兴趣,提高了教学效果,促进离职食品添加剂应用技术课程的健康发展.
计算机课程思政教学评价中存在主观性、片面性等问题,采用德尔菲法筛选出计算机课程思政教学评价指标,构建计算机课程思政教学评价体系.运用层次分析法计算计算机课程思政教学评价指标权重,最后通过计算机课程思政教学案例,对教学效果进行量化分析评价,根据分析结果对计算机课程思政教学的有效开展提出可行性建议.
针对目前混合式教学质量评价不成熟、没有适合应用型人才培养和评价标准问题,以应用型高校对学生学习能力、综合素质等能力培养评价为背景,在深入剖析混合式教学课前准备、课中实施、课后反馈过程中师生典型活动入手,探究构建以学生为中心、能力培养为主线、学习过程可量化、易评价的教学质量评价指标体系;实践层面以物联网工程专业学生为研究对象,将2020级学生纳入实验组,2019级学生作为参照组,通过对两组学生期末成绩显著性分析和对2020级学生课程满意度问卷调查,验证构建的教学评价体系能够有效激发学生学习兴趣、提高教学质量
为在地方院校加强计算机系统能力培养,对操作系统课程教学进行了改革与探索.首先回顾计算机系统能力培养的起源,分析其在地方院校实施过程中的特点,接着探讨当前操作系统教学中学生系统能力培养面临的问题,最后从课程内容、实验教学、教学方法和课程考核等方面对操作系统课程教学提出改革措施.操作系统课程教学实践表明,所提出的改革措施对提高地方院校学生计算机系统能力培养水平具有重要意义.
针对当前软件测试课程中影响学生能力培养的问题,如理论知识滞后、实验效果不理想、项目经验缺乏等等,基于成果导向的教学理念,提出了与理论、实践、项目教学相关的多项改革措施,以培养学生的实际能力为目标,实现真正意义上的应用型人才培养.
当前人工智能、区块链、大数据等技术掀起了第四次工业革命,新冠疫情的长期性加速了数字化、智能化应用的推广,大数据加大了人们快速获取需求的难度,因而推荐系统得到广泛应用.推荐系统在图书领域也得到主流电商平台的应用,通过基于Mahout框架的协同过滤推荐算法结合知识分类及用户兴趣提出了基于知识分类和用户兴趣的协同过滤推荐算法,通过实验分析,算法提供了更加精细的个性化推荐和更高的推荐质量.
作为电气类专业学生的一门必修课程,电力电子技术实践性要求较强,然而传统实践教学中存在试验设备缺失、过程复杂等问题导致教学效果不佳.MATLAB作为一种仿真软件,将其引入教学过程中能够弥补传统实践教学的不足.以“单相半波可控整流电路仿真实验”为例,对MATLAB应用在电力电子技术课程实践教学的优势和应用过程进行了分析,证明了将MATLAB应用到电力电子技术课程实践教学中对教学质量和实践效率的提升有益.
随着经济的不断发展,各产业需要大量具有创新意识、创新精神和创新能力的人才.校企合作大学生创新创业基地在学校创新创业教育的基础上通过引入企业的实践教学资源,能够很好地与专业结合,为大学生创新创业能力的培养提供了一种新的模式.通过对现阶段大学生创新创业教育存在的问题进行分析,结合大学生创新创业校企合作基地的实践,探讨如何培养大学生的创新意识和创新精神以及提升自身的创新能力.
实现了一种基于双向LSTM (BiLSTM)的影评情感分析算法.BiLSTM是双向长短时记忆网络,针对文本、视频等时序数据分析可有效提取上下文依赖关系.影评分析是文本处理的一个子领域,是典型的时序数据处理问题.BiLSTM采用两个反向的LSTM网络,为模型提供了额外的上下文信息.为防止过拟合,在网络中还采用了Dropout机制.本算法基于Keras平台实现,并且通过实验对比,LSTM、BiLSTM和BiLSTM结合Dropout三种算法中,最后一种效果最好.本算法设计为BiLSTM的广阔应用前景提供了研究
为顺应智能时代对人才的新要求,改变C语言课程沉闷的教学现状,结合物联网应用技术专业的跨学科特性,以智能机器人为平台、融合课程项目为载体,重构知识、技能框架,使知识的学习过程更加贴近学生认知规律,能力的训练过程更加符合职业能力发展规律,旨在提升学生对知识技能融会贯通的能力、人机交互的能力,也为后续专业核心课程的学习起到铺垫的作用.