江西省高等学校大学生创新创业训练计划项目申报表创新训练项目.docx

1、江西省高等学校大学生创新创业训练计划项目申报表（创新训练项目）推荐学校：豫章师范学院项目名称：基于深度学习的专业管理系统开发ElA.学生兴趣自主选题项目来源：口B.教师科研项目选题口C.社会、企业委托选题所属一级学科名称：工学项目负责人：敖佳强联系电话：指导教师：来敏健、万畅联系电话：、申报日期：2020年7月江西省教育厅制二C）二O年五月填表说明一、申报表要按照要求逐项认真填写，填写内容必须实事求是表述准确严谨。空缺项要填“无”。二、格式要求：表格中的字体采用小四号宋体，单倍行距；需签字部分由相关人员以黑色钢笔或签字笔签名。三、项目来源：“B.教师科研项目来源类别”勾选“863项目”、“97

2、3项目”、“国家自然科学基金项目”、“省级自然科学基金项目”、“教师横向科研项目”或“其他”；C.社会、企业委托项目来源类别”勾选“企业委托项目”、“社会委托项目”或“其他”。四、表格栏高不够可增加，本表正反面打印，中缝装订。五、对本表进行排版调整时，填报者须注意整页排版原则。项目名称基于深度学习的专业管理系统开发项目所属一级学科工科项目所属二级学科计算机类来源项目类别B.教师科研项目来源类别：863项目973项目C.社会、企业委托项目来源类别：口企业委托项目口社会委托项目口其他口国家自然科学基金项目口省级自然科学基金项目口教师横向科研项目团其他项目实施时间起始时间：2020年7月预计完成时间

3、2022年7月申请人或申请团队项目负责人姓名敖佳强性别男成绩排名6/49（名次/专业人数）所在院（系）数学与计算机学院专业软件工程年级、班级419软件工程1班身份证号学号联系方式E-mail成员姓名所在院（系）专业学号联系电话工作分工吴难数学与计算机学院软件工程参数化设计和优化/软件开发吴徐凡数学与计算机学院数据科学与大数据技术系统建模及分析/软件开发陈红燕数学与计算机学院教育技术软件测试指导教师第一指导教师姓名来敏健性别女所在单位/院（系）数学与计算机学院副教授职务副主任联系主要成果（侧重创新创业类成果）2020年教育厅科技项目“基于深度学习的本科专业管理系统开发与应用研究”第二指导教师姓

4、名万畅性别男所在单位/院（系）数学与计算机学院称助教职务教师联系舌主要成果（侧重创新创业类成果）2020年教育厅科技项目“基于计算机视觉的车辆识别应用研究”项目简介（限100字）深度学习算法在图像识别和自然语言处理中达到了非常好的效果。而在专业管理系统中，存在大量的文本、图片等数据。采用深度学习的方式，对输入系统中的图片和文本进行分类，并索引化后进行存储；实验成果投入应用。一、申请理由（包括自身具备的知识条件、自己的特长、兴趣、已有的实践创新成果等）1 .较强的专业知识团队成员来自豫章师范学院数据与计算机学院大数据专业、计算机软件专业，已经系统学习和掌握了基本的网页设计、数据结构及算法、操作系

5、统、数据库等相关专业基础知识。利用所学的知识，结合掌握的开发工具和平台，能够对该项目进行搭建并进行后期的开发、测试和运维工作。2 .较好的科研基础可以熟练地运用PythOn/java,apache,mysql数据库，htm/CSS/JS等开发工具，对操作系统和服务器有一定的了解，能够搭建功能全面的Web项目。对软件开发和人工智能有着浓厚的兴趣和一定的了解。3 .较浓的兴趣爱好在申请书申报过程中，学习了人工智能和软件开发的相关书籍，并通过知网/谷歌学术查阅了大量的人工智能文献资料。并通过主流的视频网站，学习了相关了WEB系统的开发技术。二、项目方案具体内容包括：1、项目研究背景（国内外的研究现状

6、及研究意义、项目已有的基础，与本项目有关的研究积累和已取得的成绩，已具备的条件，尚缺少的条件及方法等）（一）研究背景及意义高校教学质量评估是目前国内高校实施质量监控和管理的重要手段之一。为了克服国内高等教育长期受应试教育的影响，突破实践和创新能力培养较为薄弱的瓶颈，我国在国家教育事业发展“十三.五”规划和国家中长期人才发展规划纲要（20102020年）中，都提出了企事业单位应积极参与校企合作，大力推进高校校内外高端实践环境建设和加速高校应用型创新人才培养的重要举措。对此，高校教学质量评估，特别是适应这种校企合作新型办学模式的本科专业实践教学质量评估方法的建立和运行就显得极为必要和重要。然而，国

7、内高校内部的各种评估系统较为常见，但针对高校校外实训和校企合作办学的专业实践教学质量评估系统较为少见。因此，我们基于当前国内高校的教育形态和办学模式，特别是结合推进高校校外高端实训基地建设、实践教学质量监控和创新创业就业能力培养模式的研究成果和改革经验，研发和建立了高校本科专业（特别是理工科本科专业）实践教学质量评估指标体系和评估应用软件系统及其网络平台。随着机器学习的深入发展,深度学习神经网络也逐渐走进人们的视野。浅层神经网络不能很好的获取文本特征,与人类的思维模式有少许偏离。文本自动化分类研究的目的就在于让分类过程更接近于人工分类,更符合人类思维模式。深度学习作为机器学习的一个重要分支,相

8、比于浅层机器学习来说更注重纵向、多层次的数据挖掘与分析,在语音识别、图像处理以及文本理解方面都有较好的效果。近几年取得的成果有：2003年，词的分布表示首次被Bengio用于统计语言模型中；2008年，词向量的概念被Collobert等人首次介绍,之后又实现了词向量与卷积网络结构的结合;2013年,谷歌研发了WOrd2ve工具包，用Skip-Gram模型,用以处理词向量计算问题；同年,杰弗里辛顿以及他的学生鲁斯兰萨拉赫丁诺夫首先正式发表了基于神经网络的论文,论文中提到，多层神经网络有较为强大的特征学习能力,通过各层的学习可以更加准确地反映出原始数据的真实含义。此后,深度学习神经网络成为广大学者

9、研究的热门话题。深度学习神经网络的核心是模拟人类大脑的神经网络来学习并构建网络模型，模仿人类思维模式去挖掘分析隐藏在文本原始数据中的有意义的信息。（二）研究现状及发展趋势国外自动分类研究开始于1950年末,早期文本分类方法主要基于知识工程,即通过人工定义一些分类标准来对文本进行分类，这种方法耗时耗力，同时也需要专家对某一领域有充足的了解,才可以提出适当的规则，H.P.LUHN在这一领域首先进行了研究,他将词频计算这一思想引入文本分类中，在这一时期，主要是分类理论的研究，并将分类用于信息检索，一时间提出了很多经典的文本分类数学模型。例如,Salton提出了利用空间向量模型对文本进行描述。20世纪

10、90年代后期,文本分类的发展开始进入第三阶段，随着大规模电子文本资源的出现以及机器学习的发展，大规模文本分类开始逐渐被广大学者所关注。国内对于文本分类的研究较晚,这是因为中文文本分类相对于英文文本分类来说步骤更为复杂。1981年,侯汉清教授等人率先进行了文本分类的研究。而后，国内其他专家学者也开始对文本分类进行深入研究。例如，1995年,清华大学电子工程系的吴军研制了汉语语料自动分类系统，分类依据是语料相关系数,搭配使用字频、词频及常用搭配,使用停用词表去掉非特征词，以此进行文本分类。英文文本词句之间有空格作为分隔符号，而中文句子里并没有明显的分隔符，在进行文本分类时需要对文本进行预处理得到逐

11、个词后才可以进行分类。此外，中文文本语义比英文文本复杂,分类操作也比英文分类繁琐。中文文本本身的属性导致中文文本分类的过程较为复杂，但国内学者们经过努力也取得了极大地成就。在2000年，中科院计算所的李晓黎及史忠植研发的文本分类系统的准确率可以达到较高水平，利用了推理网进行文本分类操作；中科大范众等人提出了超文本协调分类器,它结合KNN、贝叶斯算法进行结合,通过对文本相似度进行有效的处理。随着机器学习以及深度学习的快速发展，当下中文文本自动化分类也可以变得比以前高效轻松。目前，随着机器学习的深入发展，除了传统的机器学习外,利用神经网络对文本进行分类的方法，比较贴近人们的思维模式,相对于传统机器

12、学习分类方法,更加注意文本的语义分析,分类准确度也较高。应用较为广泛的有卷积神经网络分类方法、长短期记忆网络分类方法等。卷积神经网络分类方法是从图像识别发展而来的，在文本分类中，需要把文本转换成类似图像表示的向量,可以从多角度筛选文本特征；长短期记忆网络分类方法可以很好地捕捉上下文特征词之间的联系，利用遗忘门结构过滤无用信息，有利于提升分类器的信息捕捉能力。利用神经网络对文本进行分类是当下的研究热门，网络的使用会让文本分类更加智能化，以此来满足人们对于文本分类的需求。(三)与本项目有关的研究工作积累和已取得的研究工作成绩项目组指导教师包括高校计算机相关专业一线教师、本科专业建设和管理人员，对于

13、计算机技术、软件开发与应用及本科专业建设与管理具有丰富的经验；项目组成员包括数学与计算机学院三个本科专业的学生，对专业管理有亲身体验和协助学院进行管理的经验。项目指导教师来敏健，硕士，研究方向教学管理及计算机教学。1主持在研教育厅科技项目“基于深度学习的本科专业管理系统开发与应用研究”，2020o2主持完成聋校信息技术校本教材的开发，江西省教育厅教改项目，2012o3参与完成基于大数据背景下的网络教学与自主学习平台的构建与应用，2018。4发表论文电子支付及其安全控制问题探讨，核心期刊特区经济，2009.8。5发表论文新时期提高成人高等教育质量的思考，核心期刊职教论坛，2009.8。项目指导教

14、师万畅，硕士，研究方向机器学习1主持在研教育厅科技项目“基于计算机视觉的车辆识别应用研究”，2020o（四）已具备的实验条件或资料准备情况，尚缺少的实验条件或资料，拟解决的途径本课题依托数学与计算机学院，近三年，该院承担省部级以上课题近20项，发表论文近60篇，其中SCI、EI、ISTP检索近30次。网络实验室还拥有20多台个人计算机、2台高性能服务器、10台高性能路由器、6台三层交换机、12台二层交换机构成的计算机局域网，以及由4台无线交换机、16台无线AP组成的无线局域网用于仿真环境。目前已经具备了一定量的RNN和LSTM相关内容的文献，实验测试所需的开发工具是pyhon,基于深度学习框架

15、PytOrCh。尚缺少实验所需要硬件设备，以及研究所需要的前沿资料。拟通过合理使用科研经费采购一台适合实验测试的计算机，通过购买相关前沿书籍，文献，弥补所需前沿文献。2、项目研究目标及主要内容（一）研究内容本项目的研究内容有三点。其一是通过react+nginx+tomcat+java/python+mysql,构建一个前后端分离基于Web的应用，用于建设本科评估的学院专业管理系统，前端用react实现，实现用户交互良好的前端表现，中间件层用nginx实现，用于部署react应用，同时对后端系统应用进行负载均衡，同时将前端页面和后端应用分离，保持后端应用的高可用。后端用java/PythOn实

16、现，java用于构建后台的应用逻辑，Python用于构建基于深度学习的神经网络训练集（用来处理导入的文档和其他非结构化的数据）。其二是使用RNN/LSTM和BPTS构建神经网络训练集，用于训练本科评估中大量的文本数据，并对其进行分类和内容提取后，妥善的归类放置和整理，用于以后的评估及相关使用。其三是将训练好的RNN/LSTM神经网络训练集作为python模块嵌入学院专业管理系统，用于处理用户上传的文本数据，将文本数据的关键字提取出来并进行分类存放和处理，以达到将训练集用于实际的文本数据分类和处理的目的。（二）研究目标（I）使用react+nginx+tomcat+java/python+mys

17、ql,构建一个前后端分离基于web的应用。（2）通过RNN/LSTM（循环神经网络和长短时记忆神经网络）的使用场景和优缺点分析，并结合本科评估场景文本材料的分类和内容提取场景的实际需求，选择循环神经网络和长短时记忆网络分别去处理文本中的场景需求。同时，确定神经网络的梯度下降的算法和BPTS算法的参数设置，让训练集能够满足实际输入的文本需求，将文本的特征和关键内容提取出来。（3）如何将训练好的RNN/LSTM封装成一个PythOn模块，嵌入学院专业管理系统中，用于系统调用，处理用户上传的文本数据。将用户的文本数据进行关键信息提取和分类处理，并将提取出来的数据存放数据库，以达到将训练集用于实际文本

18、数据分类处理的目的。3、项目创新特色概述（一）主要观点循环神经网络和长短时神经网络网（RNN和LSTM）都是用于自然语言序列识别的神经网络深度学习算法，本课题的主要观点是：在本科专业评估及相关工作的过程中，会有大量的Word文档，依靠人手工去处理文档和对文档分类的效果很慢，而且效果不好。因此，加入RNN和LSTM神经网络，针对连续评估过程中的文本数据进行训练，以期针对未来新增的文本数据，也能获得较好的训练效果，能够对文本进行分类和信息提取。（二）创新点本课题的创新之处在于，开发一套用于本科专业评估及相关工作的管理系统，将学院专业的各类数据通过系统的形式管理起来，提高数据的利用率和准确性，提高学

19、院人员的工作效率，避免大量手工的重复性工作。由于传统的方法对文本的处理效率比较底下，大量依赖人工标记或者分类的方式去管理，所以本系统将本科评估的各类文档，使用RNN和LSTM神经网络去训练并识别，将文档进行分类，并提取出关键的特征信息自动录入系统，对文本进行自动管理，提高系统对文本处理的效率。4、项目研究技术路线（一）循环神经网络X是一个向量，它表示输入层的值；h2是一个向量，它表示隐藏层的值；Xf的这条线表示的是输入层到隐藏层的权重矩阵；y也是一个向量，它表示输出层的值；h-y这条线表示的是隐藏层到输出层的权重矩阵。那么，现在我们来看看hl,h2,h3这些隐藏层之间的线是什么。循环神经网络的

20、隐藏层的值hn不仅仅取决于当前这次的输入X,还取决于上一次隐藏层的值hnT。权重矩阵hl,h2,h3就是隐藏层上一次的值作为这一次的输入的权重。(二)长短时神经网络ZXXMXtXt1上图仅仅是一个示意图，我们可以看出，在t时刻，LSTM的输入有三个：当前时刻网络的输入值、上一时刻LSTM的输出值、以及上一时刻的单元状态；LSTM的输出有两个：当前时刻LSTM输出值、和当前时刻的单元状态。注意x、h、C都是向量。LSTM的关键，就是怎样控制长期状态C0在这里，LSTM的思路是使用三个控制开关。第一个开关，负责控制继续保存长期状态c；第二个开关，负责控制把即时状态输入到长期状态c；第三个开关，负责

21、控制是否把长期状态C作为当前的LSTM的输出。(三)系统架构图5、研究进度安排序号研究阶段（起止时间）阶段成果名称成果形式阶段一2020/07/01-2020/09/01资料收集与整理需求分析阶段二2020/09/01-2020/01/01RNN和LSTM研究，Bptt优化算法的研究算法分析阶段三2021/01/01-2021/07/01RNN和LSTM程序编写、函数测试可运行训练集阶段四2021/07/01-2021/12/01文本分类、文本内容提取问题资料收集、分析系统详细设计阶段五2022/01/01-2021/07/01RNN和LSTM用于求解文本分类、文本内容提取问题，同时，实现本科

22、专业管理系统的开发、测试、上线基于深度学习的本科专业管理系统6、项目组成员分工敖佳强项目负责/需求分析吴难参数化设计和优化/软件开发吴徐凡系统建模及分析/软件开发陈红燕软件测试/文档编辑三、学校提供条件（包括项目开展所需的实验实训情况、配套经费、相关扶持政策等）L课题研究的时间保证（1）项目成员都是在校学生，有时间保证。指导老师长期从事平台研发，且有多项软件投入实际应用，有技术支持保证。（2）学校对科研工作的人力、物力和经费的大力支持，保证了项目研究中的政策支持；学校网络中心能够提供技术支持、服务器计算和存储支持，以及网络支持。2.资料设备（1）现有高性能开发主机1套、服务器3台、GPU服务器

23、一台，还可以通过虚拟主机按需划分高性能服务器；（2）具备软件开发、运行、测试的所需各类软件。（3）已有扫描仪1台、打印机1台、投影仪1台、音响设备1套、录音设备1套。四、预期成果1 .研究报告1份。2 .论文1篇。3 .软件1份。4 .软件文档1份。五、经费预算总经费（元）财政拨款/企业资助（元）学校拨款（元）5000注，总经费、叶政拨款、学校拨款按照规定金额填写，校企合作项目企业资助金额不少于5000元。支出科目计算根据及理由金额（单位：元）资料打印费测试、计算、分析费；文献资料及检索。1000劳务咨询费参与项目研究外聘研究人员的补贴1000版面费用论文印刷及版面费；2000其他不可预见的开支1000合计5000六、项目负责人承诺：我保证填报内容的真实性。如果获得资助，我与本项目组成员将严格遵守学校的有关规定，认真开展项目工作，按时报送有关材料。签名：年月B七、指导教师意见：签名：年月B八、项目负责人所在院系推荐意见：院系负责人签名：学院盖章：年月日九、评审专家组意见：负责人签名:年月B十、学校大学生创新创业训练计划项目管理部门意见：推荐国家级立项口推荐省级立项推荐校级立项主管部门负责人签名：管理部门盖章：年月日十一、学校推荐意见:学校负责人签名：学校公章: