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。     

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.     

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。     

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。     

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.     

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     

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。     

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。     

浅谈如何构建网络学习平台,提升随时学习能力

在网络时代飞速发展的当今社会,教师也在以各种方法解决学生学习的积极性和学习方法来提高学生的学习成绩以及能力。但如何才能让学生通过网络来学习知识并且如何通过网络平台来提高自己的学习能力呢?这就是本文想要解答的问题,下面就以如何构建网络学习的平台提高学生的网络学习的能力简单阐述下。     

试论Internet环境下的非正式学习

Internet环境下的非正式学习Internet文化中的非正式学习,是指学习主体主要通过Internet来进行的非正式学习,包括个体学习和各     

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.     

论新媒体视野下学习方式的转变

在新媒体条件下了解学习方式的转变,与新课改下倡导的学习方式进行比较,分析了移动学习、泛在学习、个性化学习的特点,指出学习者在特定的学习环境下选择恰当的学习方式,可以有效提高学习效率。     

学习控制技术·方法应用的发展新动向

分析和概述了当前学习控制系统所采用的技术、学习方法及应用的发展新动向 .从所采用的技术来看 ,学习控制正在从采用单一的技术向采用混合技术的方向发展 ;从学习方法和应用来看 ,学习控制正在从采用较为简单的参数学习向采用较为复杂的结构学习、环境学习和复杂对象学习的方向发展     

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。     

元强化学习综述

强化学习在游戏对弈、系统控制等领域内表现出良好的性能,如何使用少量样本快速学习新任务是强化学习中亟需解决的问题。目前的有效解决方法是将元学习应用在强化学习中,由此所产生的元强化学习日益成为强化学习领域中的研究热点。为了帮助后续研究人员快速并全面了解元强化学习领域,根据近年来的元强化学习文献对研究方法进行梳理,将其归纳成基于循环网络的元强化学习、基于上下文的元强化学习、基于梯度的元强化学习、基于分层的元强化学习和离线元强化学习,对五种类型的研究方法进行对比分析,简要阐述了元强化学习的基本理论和面临的挑战,最后基于当前研究现状讨论了元强化学习的未来发展前景。     

MOOC学习特征分析及其在C语言教学中的应用

通过MOOC学习方式与传统网络教学方式的对比,分析目前高校C语言公共基础课程分类细化不足、学生在线学习参与度偏低等问题。提出了引入MOOC学习特征、优化课堂讲解内容、改革课程评价机制的方案。在初步教学改革实施过程中,取得了提高教学质量、提升学生课业参与度的阶段性成效。     

基于小样本学习的图像分类技术综述

图像分类的应用场景非常广泛, 很多场景下难以收集到足够多的数据来训练模型, 利用小样本学习进行图像分类可解决训练数据量小的问题. 本文对近年来的小样本图像分类算法进行了详细综述, 根据不同的建模方式, 将现有算法分为卷积神经网络模型和图神经网络模型两大类, 其中基于卷积神经网络模型的算法包括四种学习范式: 迁移学习、元学习、对偶学习和贝叶斯学习; 基于图神经网络模型的算法原本适用于非欧几里得结构数据, 但有部分学者将其应用于解决小样本下欧几里得数据的图像分类任务, 有关的研究成果目前相对较少. 此外, 本文汇总了现有文献中出现的数据集并通过实验结果对现有算法的性能进行了比较. 最后, 讨论了小样本图像分类技术的难点及未来研究趋势.     

外语移动学习平台的研究

为了满足学生移动学习外语的需要,本文分析当前国内外对移动学习平台的研究现状,提出外语移动学习平台的研究方法及建设方案,使用MVC实现多层体系架构开发针对外语学习的移动学习平台,平台功能较好的满足了使用者的需求。