在线学习，为什么会火

互联网以一种不可思议的速度改变着我们的工作、生活、娱乐和学习。不知不觉中，人我们已经步入一个e化的世界——e-mail、e-cash、e-business等等，当然也包括引发教育领域新革命的e-learning(在线学习)。然而，随着互联网热潮的逐渐退去，是否意味着已经兴起的在线学习只是昙花一现呢?今年1月号的美国《企业家》杂志发表了《2003年全球什么最火》一，列举了11个今年最火的商业领域，其中排在首位的便是——在线学习。     

“学乐先”进行“大脑革命”让中小学生快乐学习

科学读书是什么?其核心就是提倡读书要像运动员一样，为保持高效率而随时调整好状态，不要在脑疲劳状态下读书，否则会导致成绩差，更会让人对读书失去信心。“学乐先”的原理是什么呢?就是通过有益的光和声音来适当刺激学习者的大脑，将大脑不利于学习的状态调整到有利于学习和思考的理想状态，进行一次“大脑革命”。“学乐先”是运用频率跟踪反应原理，通过脑电波的诱导来改善脑机能，达到提高学习效率的目的。     

软件学习慢成班

记得当我还是小菜乌的时候，对《xx十日通》、《二十一日精通YY》(xx及YY都为软件名)这类书最感兴趣，当时的想法就是一月之内电脑的水平要从0到200％，所以买了N多的“N日通”类电脑图书，不过现在回想起来真是有些可笑呀。     

念始终典于学——兼论学习化社会中学习化个人的学习与学习观建设

“玉不琢,不成器;人不学,不知道。是故古之王者,建国君民,教学为先。《兑命》曰:念终始典于学。其此之谓乎!”这是《尚书·兑命篇》中关于做人、学习和治国安邦道理的一段描述,意思就是说,虽然是质地美好的玉,如果不经过琢磨,也不能成为有用的器皿;人虽然自称是万物之灵,如果不肯学习,也不会明白做人处世的道理。所以,古时候的君主建设国家、管理人民,都是以教育作为最优先、最重要的工作。使之人,有所学、有所为。总之,《尚书·兑命篇》说:人要自始至终地常常想到学习。即我们现在所倡导的终身教育、终身学习。古语“教学为先”中的“教,学习也”,实质就是学习。     

浅析维汉双语学习软件的设计与开发

通过计算机软件学习语言是随着信息技术的不断发展而采的一种学习方式.笔者通过研究现有的各类语言学习软件,提出了在计算机环境下维汉双语学习软件的设计与开发构想,论述了维汉双语学习软件的设计思想及体系结构,阐述了学习系统的各个模块的主要功能.     

多代理最优响应Q学习及收敛性证明

在分析了多代理强化学习的基础上，提出了一种基于对手策略假设的代理最优响应强化学习规则，并证明了当对手策略满足一定条件时，基于该学习规则的Q值收敛。实验结果与理论证明相一致。     

学习控制的结构方案要

研究和评述了学习控制有代表性结构类型，包括基于模式识别的学习控制反复学习控制重复学习和基于连接机制的学习控制等，本文着重讨论了学习控制的结构机理，提供了应用的基础，大多数控制结构方案都获得实际应用的验证。     

强化学习理论、算法及应用

强化学习（ｒｅｉｎｆｏｒｃｅｍｅｎｔ ｌｅａｒｎｉｎｇ）一词来自于行为心理学,这一理论把行为学习看成是反复试验的过程,从而把环境状态映射成相应的动作。首先全面地介绍了强化学习理论的主要算法,即瞬时差分法、Ｑ－学习算法及自适应启发评价算法;然后介绍了强化学习的应用情况;最后讨论了强化学习目前所要研究的问题。     

多Agent协作的强化学习模型和算法

结合强化学习技术讨论了多Agent协作学习的过程,构造了一个新的多Agent协作学习模型。在这个模型的基础上,提出一个多Agent协作学习算法。算法充分考虑了多Agent共同学习的特点,使得Agent基于对动作长期利益的估计来预测其动作策略,并做出相应的决策,进而达成最优的联合动作策略。最后,通过对猎人。猎物追逐问题的仿真试验验证了该算法的收敛性,表明这种学习算法是一种高效、快速的学习方法。     

深度学习视角下的高中信息技术项目式个体合作学习策略

深度学习是指学生通过学习能够迁移应用知识、解决实际问题。本文立足高中信息技术课堂,基于深度学习视角,以项目式学习为载体,通过设计有效的学习路径、制订科学的分组策略、搭建适合的学习支架,制订科学的个体合作学习策略,创新项目式学习模式,突破项目式学习的瓶颈问题,有效地促进了学生学习方式的转变,从而促进学生的深度学习。     

一类二维变学习因子自学习控制器

设计了一种新的学习控制律,通过沿学习轴递推辨识学习增益矩阵以改善控制效果,分别对连续系统及离散系统设计了学习控制律,给出了相应的收敛性证明结果,同时考虑了系统存在着噪声干扰及初始误差不为零时滓控制器的收敛性条件。仿真结果表明该控制算法能达到很高的控制精度。     

元强化学习研究综述

近年来,深度强化学习(deep reinforcement learning, DRL)已经在诸多序贯决策任务中取得瞩目成功,但当前,深度强化学习的成功很大程度依赖于海量的学习数据与计算资源,低劣的样本效率和策略通用性是制约其进一步发展的关键因素.元强化学习(meta-reinforcementlearning,Meta-RL)致力于以更小的样本量适应更广泛的任务,其研究有望缓解上述限制从而推进强化学习领域发展.以元强化学习工作的研究对象与适用场景为脉络,对元强化学习领域的研究进展进行了全面梳理:首先,对深度强化学习、元学习背景做基本介绍;然后,对元强化学习作形式化定义及常见的场景设置总结,并从元强化学习研究成果的适用范围角度展开介绍元强化学习的现有研究进展;最后,分析了元强化学习领域的研究挑战与发展前景.     

基于混合式学习的移动教学系统的设计与应用研究

混合式学习(Blended Learning),从战略视角,是网络学习与面对面传统课堂学习的有机融合;从战术视角,混合式学习是具体教育实践方式的混合,其混合形式也是多种多样的。目前,对于混合式学习而言,战略层面已非常清晰,更亟待从战术层面完善。文章从战术视角,设计了一款移动教学系统,用于混合式学习。研究实践证明,基于移动APP的混合式学习能够提高学生成绩和学习兴趣。     

浅析网络学习低效的原因及对策

网络教育的兴起正在使更多的教师和学生将教学活动转移到网络上,这种新的学习方式在带给我们快捷和便利的同时也给我们带来了一些许多新的的问题,如：学习效率低效,本文从四个方面具体分析了学习低效的原因,并相应提出了几种解决方案。     

e-Learning的学习过程管理的研究

基于当前网络学习平台中学习过程管理容易被忽略的现状,本文分析学习过程管理中存在的问题,提出重视学习过程管理的必要性,并探讨了学习过程管理系统的构建及应用.     

影响网络学习因素研究

网络学习已面向中学教学,中学生在网络学习中会受到多方面因素的影响,这些影响因素对中学生的网络学习又会产生不同的学习效果。文中为了了解影响网络学习因素,采用问卷调查的方法,以安庆地区中学生为研究对象,对学生的自主学习能力状况、家庭学习条件状况和学校学习条件状况等方面来研究影响网络学习因素,并根据调查结果分析影响网络学习效果的因素,及提高网络学习效果的方法。     

网络学习中的几个问题

所谓网络学习,就是指通过计算机网络进行的一种学习活动。在现今的时代,随着计算机和网络技术的普及,尤其是一些学习网站的建立并使用,使网络学习走出最初的专家口中的概念阶段,进入了学