基于深度学习的自适应移动学习服务智能推荐研究

为了提高新时代网络教育服务的质量与效果，推动网络教育服务产业的良性发展，基于深度学习算法研究了一种自适应移动学习服务智能推荐方法。首先分析自适应移动学习服务智能推荐方法的基本架构，其次探讨移动学习数据信息的采集与处理，最后建立基于深度学习的智能推荐模型，并进行测试与分析。实验结果表明，该方法具有高效性与实时性，能够满足实际项目对运行速度与推荐性能的基本需求。     

关于移动端古诗词学习系统的研究与应用

移动互联网的发展使移动端知识获取模式成为时代的新宠, 诗词亦是中华文化的璀璨明珠, 诗词学习与移动学习的联合已迫在眉睫. 本系统使用Client/Server (客户/服务器)结构, 由Faster R-CNN实现图像识别, 再通过循环神经网络模型(RNN)完成古诗生成功能, 最后根据协同过滤推荐算法完成个性化推荐. 客户端APP以Flutter, SpringBoot框架为基础开发, 数据库采用了MySQL关系型数据库管理系统进行数据管理, 结合服务器与系统进行连接进而实现所需功能. 面向对诗词学习存在需求及抱有浓厚兴趣的人群, 开发出一个致力于传承发扬中华文化, 结合图像识别与深度学习技术以实现智能识图与古诗生成的诗词学习系统.     

深度学习应用于移动设备的文献综述

近几年随着计算机硬件快速的发展,以及计算机计算能力的大幅度提升,针对深度学习的研究也越演愈烈。考虑到深度学习对强大的计算资源和大量训练数据的可用性的依赖,它在PC端的应用上最为广泛。但近几年移动设备几乎渗透到我们生活的各个方面,对具有深度学习能力的智能应用的需求也越来越多。针对深度学习在移动设备上的应用已成为一种必然趋势,为了了解当前深度学习在移动设备上的应用方向,这篇文章借助CiteSpace科学可视化工具对移动深度学习相关论文进行关键词共现和聚类分析,得出深度学习在移动端的应用方向,以及移动深度学习应用的解决方案。     

个性化移动学习系统框架研究

根据学习者个体差异进行个性化学习是当前信息时代移动学习发展的总趋势.个性化移动学习具有学习时间碎片化、学习行为个别化和学习过程个性化的特征,要求系统应当具备三大核心功能:个性化的定制、推荐与呈现.在应用层、业务层和数据层三层框架下,能够实现个性化移动学习系统的基本功能需求.     

移动学习信息服务模式发展趋势研究

个性化的信息服务是移动学习的必要条件之一.分析了基于短信、WEB浏览和邮件的三种移动学习信息服务模式的过程与优缺点,并对目前的移动信息定制系统和推荐系统进行了评述.最后指出:需要将定制与推荐结合起来才能真正实现个性化信息服务的目标.     

基于移动互联网的个人学习助理开发研究

本文在对相关移动学习理论研究的基础上,提出了一个基于移动互联网构建个人学习助理的思路。该移动学习助理主要有学习计划、英语学习、阅读管理、信息同步等功能,个人尤其是大学生能够通过各种不同移动终端使用该学习助理。本文同时阐述了系统的交互设计并给出系统实现的关键步骤及部分核心代码。该学习助理服务端可以部署在各种云平台上,方便使用者随时随地利用碎片时间进行移动学习。     

移动学习系统应用现状及建议

随着信息技术的发展和普及,以移动计算技术和互联网为基础的移动学习方式迅速地改变了人们以往的学习观念,由此得到人们广泛地关注和研究.该文分析了移动学习系统在教育中的应用及其目前移动学习系统存在的不足及措施.     

面向移动增强现实的实时深度学习目标检测方法综述

移动增强现实(AR)借助智能移动终端将虚拟信息和真实世界进行实时融合,能否实时准确地对 环境中需要增强的物体进行目标检测直接决定了系统的性能。随着深度学习的快速发展,近年来出现了大量的 基于深度学习的目标检测方法。由于存在移动增强设备计算能力有限、能耗大、模型尺寸大以及卸载任务到边 缘云端的网络延迟严重等问题,将深度学习方法应用于移动 AR 的目标检测是一项具有挑战性的问题。首先从 Two stage 和 One stage 的 2 方面对目前深度学习目标检测算法进行综述;然后对面向移动 AR 的目标检测系统 架构进行归纳分类,分析了基于本地端、云端或边缘端和协作式的移动 AR 目标检测系统并总结了各自的优势 和局限性;最后对移动 AR 中目标检测亟待解决的问题和未来发展方向进行了展望和预测。     

基于注意力机制的深度学习推荐研究进展

近年来,注意力机制AM被广泛应用到基于深度学习的自然语言处理任务中,基于注意力机制的深度学习推荐也成为推荐系统研究的一个新方向.探讨了注意力机制的结构和分类标准,从基于注意力机制的DNN推荐、CNN推荐、RNN推荐、GNN推荐4个方面分析了现有融合注意力机制的深度学习推荐研究的主要进展和不足,阐明了其中的主要难点,最后指出了多特征交互的注意力机制推荐、多模态注意力机制深度学习推荐、融入注意力机制的多种深度神经网络混合推荐和注意力机制的群组推荐等基于注意力机制的深度学习推荐未来的主要研究方向.     

基于深度学习的情境感知推荐系统研究进展

传统的推荐系统存在数据高度稀疏、冷启动及用户偏好建模难等问题,而把情境信息融入推荐系统中能有效缓解此类问题.深度学习技术已经成为人工智能领域研究热点,把深度学习应用在情境感知推荐系统当中,为推荐领域的研究带来新的机遇与挑战.本文从情境感知推荐系统相关概念出发,综合整理国内外研究相关文献,介绍深度学习技术融入情境感知推荐系统相关应用模型,提出了基于深度学习的情境感知推荐系统研究的不足以及对未来的展望.