结合集成学习与迁移学习的标签比例学习方法

标签比例学习（LLP）是一种将实例放入包中的机器学习方法,它只提供包中的实例信息和标签比例信息,而不提供标签信息。针对多个相关任务的LLP问题,提出了一种基于迁移学习的标签比例集成学习模型,简称AT-LLP,该模型通过在任务之间构建共享参数来连接相关任务,将源任务中学习到的知识迁移到目标任务中,从而提高目标任务的学习效率。同时该算法引入了集成学习算法,在分类器多轮迭代的学习过程中,不断调整训练集的权重系数,进一步将弱分类器训练为强分类器。实验表明,所提AT-LLP模型比现有LLP方法具有更好的性能。     

实例学习与解释学习的结合

实例学习和基于解释的学习是机器学习领域中具有代表性的、研究得最为深刻的两种学习方法,但由于这两种学习方法都存在一定缺陷,使它们在实际应用中受到较大的限制。在关于人类概念形成的心理学理论的基础上,本文讨论一个基于实例和解释的学习模型,将这两种学习方法有机结合在一起,一方面使用领域知识指导归纳学习过程:另一方面用归纳学习弥补领域知识之不完善。其学习机理更加接近人类学习的认知过程——抽象思维过程,取得了较好的学习效果。     

超级分布学习对象的学习服务研究

以超级分布学习对（super distributed learning object，SDLO）的寻找伙伴服务为例，对SDLO的学习服务、学习服务的通信进行了描述，并给出学习服务算法，最后利用Aglet2．0．2开发出了SDLO原型系统，对SDLO的学习服务进行了验证。SDLO的学习服务是其分布性、协作性等特性的重要体现，为知识的交流、共享与创新提供了有力支持，从而达到分布式学习和协作学习的目的。     

学习兴趣与主动学习的研究

现在高等学校的学生具有很强的社会的特点,现实性强,在具有众多学生的高等学校内要学生对学习有兴趣,这是一件难事。了解学生,让学生主动学习,靠教育工作者在办公室里是想不出好办法的,让学生参与教学活动,参与教学过程设计,这是提高学习兴趣,主动学习的唯一方法。     

计算机学习中自主学习能力培养探究

随着社会经济发展,计算机这种工具已经在学科教学中运用的比较广泛.学生在计算机学习的时候,想要在获得知识的同时,不断的完善自己更好的成长,便必须提高自身的自主学习能力,只有这样在面对各种挑战的时候,才能够更好的应对.笔者主要探究了计算机学习过程中学生自主学习能力的培养策略.     

基于强化学习的多移动Agent学习算法

结合强化学习技术讨论了单移动Agent学习的过程,然后扩展到多移动Agent学习领域,提出一个多移动Agent学习算法MMAL(MultiMobileAgentLearning)。算法充分考虑了移动Agent学习的特点,使得移动Agent能够在不确定和有冲突目标的上下文中进行决策,解决在学习过程中Agent对移动时机的选择,并且能够大大降低计算代价。目的是使Agent能在随机动态的环境中进行自主、协作的学习。最后,通过仿真试验表明这种学习算法是一种高效、快速的学习方法。     

基于网络学习平台的学习行为监控研究

本文在对网络学习行为信息的采集分析的基础上,提出了学习者群体及个体网络学习行为的实时监控的方法并进行实践,以期对网络教育教学提供必要依据。     

基于主题学习的学习伙伴推荐算法

学习伙伴是开放虚拟学习社区的重要资源,学习伙伴中的助学者可以帮助普通学习者克服学习障碍,相互提高沟通交流能力。在构建出基于本体的知识库后,综合学习者的兴趣、认知和热心度特征,提出了一种基于主题学习的学习伙伴推荐算法。实验结果表明,学习者在提供学习经历后,算法可以计算出它与其他学习者之间的伙伴评分,评分差异较好反映了真实学习环境中的最佳学习伙伴经验,有效地提高了开放虚拟学习社区构建的个性化和智能化,从而提升开放学习社区中学习者的学习效率和效果。     

基于移动学习的学科主题学习资源设计研究

移动学习作为一种新型的学习方式正成为研究热点,而基于移动学习的学科主题学习资源相对缺乏。本文阐述了移动学习的概念及特点、主题学习、学科主题学习资源的理论基础,分析了基于移动学习的学科主题学习资源设计的基本原则,最后构建了基于移动学习的学科主题学习资源的设计框架。     

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。     

移动学习方式——自主学习的新途径

移动学习方式是一种有效实现自主学习的新途径。分析了移动学习和自主学习的定义及移动学习在自主学习中的优势,重点阐述了在几种移动设备支持下的自主学习,目的是让学生自主学习更便捷、更灵活、更有效。     

移动学习青春期

预计再经过二十年左右，移动学习将得到普及，真正实现“随时随地随身”的终身学习目标。     

学习共同体:MOOC实现有效学习的关键

从MOOC学习共同体学习实践机制——理论基础、课程目标、教学过程、教学条件出发,探讨MOOC学习共同体的概念、MOOC学习共同体开展有效学习的基础、共同愿景、学习方式以及保障措施,旨在全面剖析MOOC质量的关键点,为提高学习质量提供有效途径。     

深度对比学习综述

在深度学习中,如何利用大量、易获取的无标注数据增强神经网络模型的特征表达能力,是一个具有重要意义的研究问题,而对比学习是解决该问题的有效方法之一,近年来得到了学术界的广泛关注,涌现出一大批新的研究方法和成果.本文综合考察对比学习近年的发展和进步,提出一种新的面向对比学习的归类方法,该方法将现有对比学习方法归纳为5类,包括:1)样本对构造; 2)图像增广; 3)网络架构; 4)损失函数; 5)应用.基于提出的归类方法,对现有对比研究成果进行系统综述,并评述代表性方法的技术特点和区别,系统对比分析现有对比学习方法在不同基准数据集上的性能表现.本文还将梳理对比学习的学术发展史,并探讨对比学习与自监督学习、度量学习的区别和联系.最后,本文将讨论对比学习的现存挑战,并展望未来发展方向和趋势.     

提升学习者学习情感体验的学习辅助系统研究

文章着重研究在疫情背景下,如何利用学习辅助工具更好地提升大学生的学习情感体验,以提高学生学习兴趣及效率。为此,团队设计并实现了一款微信小程序,利用wxml、wxss、JavaScript及Node.js语言实现系统代码编写,实现了趣味学习打卡、学习资源共享、师生互动及学习能量兑换等功能。经使用测试,系统能满足用户在线学习功能需求,有效提高学生的学习情感体验,有利于激发学生的学习兴趣。     

结合记忆与迁移学习的小样本学习

小样本学习是视觉识别中的一个受关注的领域,旨在通过少量的数据来学习新的视觉概念。为了解决小样本问题,一些元学习方法提出从大量辅助任务中学习可迁移的知识并将其应用于目标任务上。为了更好地对知识进行迁移,提出了一种基于记忆的迁移学习方法。提出一种权重分解策略,将部分权重分解为冻结权重与可学习权重,在迁移学习中通过固定冻结权重,仅更新可学习权重的方式来减少模型需要学习的参数。通过一个额外的记忆模块来存储之前任务的经验,在学习新任务时,这些经验被用来初始化模型的参数状态,以此更好地进行迁移学习。通过在miniImageNet、tieredImageNet以及CUB数据集上的实验结果表明,相对于其他先进的方法,该方法在小样本分类任务上取得了具有竞争力甚至是更好的表现。     

基于移动学习的学习风格研究

本文主要是从理论角度出发,针对目前移动学习中学习者的一些实际问题,对学习者风格进行讨论分析,提出了一种新的学习风格分类模型,以便能更好的促进移动学习的发展。     

中学计算机自主学习的自主探索学习

中学计算机学科教学中,自主探索学习活动的开展对于学生计算机知识高效学习、未来综合发展具有重要作用。本文将采用调查法、文献研究法,首先对中学计算机自主学习的自主探索学习意义作出阐述,然后结合笔者实际教学经验,提出几点中学计算机自主学习的自主探索学习策略,如创设学习情境、提出学习问题、提供学习资源、进行自主探索等,希望可以借此文和业内展开有效交流,以促进中学计算机学科教学水平得到共同提升。     

网络学习管理系统中智能学习导航研究

网络学习导航的目的是避免学习者在学习过程中"迷航"和提高学习效率,并能在一定程度上实现个性化学习,其关键是学习系统能够提供智能化的学习导航,指导学习者完成学习任务。论文探讨了网络学习管理系统中学习导航的设计原则,研究了在本体概念网模型的知识组织结构基础上的智能学习导航机制及其实现算法,并着重强调个性化学习,为基于B/S三层结构的学习管理系统实现个性化学习提供了基础。     

学会学习技术——信息技术的学习方法

“学会学习技术”意味着不仅仅要学会技术的“技能技巧”,更要学会技术的“思想方法”和“学习方法”。掌握自学的方法并培养自学技术的能力是学会学习信息技术的一条重要途径。