喝咖啡漫谈——点评《谈古论今话邮件》

组织概念——勾勒知识结构图在教学过程中,我们发现学生往往忽视对基本概念的掌握,特别是不能够形成概念网络,更不能够比较深刻地了解概念间的联系,这成为了学习困难的主要原因。现在可以利用有关软件,根据概念地图的要求,在教师的指导下由学生总结概念结构了,这种方法学生十分愿意接受。首先,利用计算机可以提高学生的兴趣,调动学生积极思考;其次,不同学生的作品可以很方便地进行交流,每个学生都可以从他人那里学习到自己没有想到的东西。教师制作模板,学生按照模板完成内容这种方法适用于学生刚刚接触概念地图或者面对比较复杂的概念结构…     

Inspiration与Blog及其整合策略在网络教学中的应用

Inspiration软件平台与网络教学 Inspiration及其三大特征 图1是一张用Inspiration绘制的关于《光的折射》教学的简明概念图，它所呈现的知识结构、教学环节与教学流程让人一目了然。同时还可根据需要进一步拓展，例如图2就是图1中概念节点1的延伸。与传统线性的、封闭的、提纲式、文本化的教学设计相比，它的图式化、结构化的特征更符合人的认知规律和教学的实际需要。此外，概念图软件Inspiration还具有网络化特征。     

形式背景中概念及约简的动态更新方法

概念格作为一种知识结构被广泛应用于现实生活中的许多方面,当数据为动态时,形式概念的更新是不可避免的,概念的更新既是知识的补充也是信息的融合。文中主要研究了在形式背景中添加单个属性或多个属性时概念的更新方法,讨论了属性约简和图的极小顶点覆盖在增添属性之后的变化情况;探讨了将动态添加属性放入决策形式背景中时,非冗余规则的提取和优化问题;在保持规则前件不变的条件下,研究了动态增加决策属性时,非冗余规则是如何变化的。     

Inspiration与Blog及其整合策略在网络教学中的应用

Inspiration软件平台与网络教学 Inspiration及其三大特征 图1是一张用Inspiration绘制的关于<光的折射>教学的简明概念图,它所呈现的知识结构、教学环节与教学流程让人一目了然.同时还可根据需要进一步拓展,例如图2就是图1中概念节点1的延伸.与传统线性的、封闭的、提纲式、文本化的教学设计相比,它的图式化、结构化的特征更符合人的认知规律和教学的实际需要.此外,概念图软件Inspiration还具有网络化特征.     

智能推理中的宽度优先法

试图提出图分层的概念，并以此概念为基础给出一种通用的图的宽度优先算法，以实现图的重新表示及寻找连通子图等操作；同时，还举例说明了该方法在智能ＣＡＤ中的应用。     

科学素养与大学计算机基础课程教学的融合

针对目前大学计算机课程教学过程中的问题,提出在教学过程中融入计算思维和科学研究的方法,采用类比的方法生动形象地阐述计算机中的基础概念,充分发挥多媒体教学工具的作用,采用动画演示计算机抽象的工作原理,通过知识结构图、学生互评作业、对作业情况统计和分析等方式发挥教学网站的辅助作用,同时采用多样化的考核方式检验教学效果。     

“C语言程序设计”知识构建的思维导图方式

针对传统"层次结构"方法构建学生知识结构的缺陷,提出运用一种新的"思维导图"工具来帮助学生组织、构建"C语言程序设计"的知识结构,并论述这种方法的优越性和具体如何实现。     

模糊形式背景下的技能层约简与前级(后级)知识结构的充要条件

模糊技能映射为构建知识结构提供一个途径，但将基本局部独立模式应用于前级(后级)知识结构中会呈现不可识别问题，因此，在模糊技能映射的前提下，文中主要解决两个问题：技能约简耗时过长、寻找前级(后级)知识结构的充要条件.首先，基于模糊技能背景，构造一对算子，通过算子确定的模糊技能概念格直接获取简单闭包空间，同时获得每个知识状态对应的最小技能熟练程度.然后，提出技能层约简的概念，利用标记技能约简对冗余技能层进行约简，并给出技能层约简算法.同时给出模糊技能映射诱导前级(后级)简单闭包空间的充分必要条件，并提供获取前级问题集和后级问题集的算法.最后，在5个UCI数据集上的对比实验验证文中算法的可行性和有效性，同时获取前级问题集和后级问题集.     

信息技术教材插图研究——以浙教版初中信息技术教材为例

教材插图是指教材中具有直观、形象特点的图片、图表、流程图、示意图等描述知识和知识结构的视觉化形式的内容,也包括图中说明、解释性的文字等,是与教材文字系统共同表征知识的要素。教材插图不仅能增加教材的美观,更重要的是能将抽象文本内容可视化,将复杂的概念、原理、过程用直观的方式呈现出     

信息技术教材插图研究——以浙教版初中信息技术教材为例

教材插图是指教材中具有直观、形象特点的图片、图表、流程图、示意图等描述知识和知识结构的视觉化形式的内容,也包括图中说明、解释性的文字等,是与教材文字系统共同表征知识的要素。教材插图不仅能增加教材的美观,更重要的是能将抽象文本内容可视化,将复杂的概念、原理、过程用直观的方式呈现出     

基于扩展知识结构图的智能教学规划

智能教学规划是智能教学系统的核心组成部分,领域知识模型、教学方法模型以及学习者模型是智能教学系统的三个要素。提出了扩展知识结构图(ExtendedKnowledgeStructureGraph,EKSG)的概念,通过扩展知识结构图将领域知识模型、教学方法模型、学习者模型有机地结合起来。在此基础上,给出了根据扩展知识结构图制定学习者关于学习目标的最优教学规划算法,规划算法由两部分组成:判定算法JUDGE和最优规划生成算法TPLAN,其中JUDGE判断规划问题是否有解,在有解的情况下求出最优解图,TPLAN根据最优解图计算最优规划。证明了算法的正确性,分析了算法的效率。     

一种基于规划知识图的规划识别算法

提出了一种新的规划表示方法及规划知识图的概念.与目前规划识别领域广泛使用的Kautz方法相比,新的规划表示方法更加简便与直观.由于在规划知识图中增加了支持程度的概念,使得规划的识别可以随着收集到的新证据而合理地加以改变.所提出的基于规划知识图的规划识别算法把规划的识别问题转化为图搜索问题,因而其效率更高,但其识别结果与Kautz方法是一致的.     

基于OBE的计算机科学与技术专业人才培养方案的研究与设计

Talents training scheme is the fundamental guidance document for the implementation of talents training in universities. In order to train applied, compound and innovative talents to meet the needs of society, a new talents training plan is researched and de- signed, which supported by knowledge structure, ability structure and quality structure. The talents training plan is based on OBE ed- ucation concept, according to national standard and national development strategy, keep up with the development of discipline and specialty. The goal of personnel training is determined scientifically and reasonably, and the realization matrix is designed. The cur- riculum system consists of theoretical curriculum system, practical curriculum system and extracurricular innovative practice activi- ties, which covering the main areas of professional knowledge system. Courses reflecting the frontiers of disciplines, school charac- teristics and regional characteristics are added as elective subjects. Bilingual course, subject competition and enterprise project prac- tice are added too.     

图网络层级信息挖掘分类算法综述

深度学习作为人工智能的一个研究分支发展迅速,而研究数据主要是语音、图像和视频等,这些具有规则结构的数据通常在欧氏空间中表示。然而许多学习任务需要处理的数据是从非欧氏空间中生成,这些数据特征和其关系结构可以用图来定义。图卷积神经网络通过将卷积定理应用于图,完成节点之间的信息传播与聚合,成为建模图数据一种有效的方法。尽管图卷积神经网络取得了巨大成功,但针对图任务中的节点分类问题,由于深层图结构优化的特有难点——过平滑现象,现有的多数模型都只有两三层的浅层模型架构。在理论上,图卷积神经网络的深层结构可以获得更多节点表征信息,因此针对其层级信息进行研究,将层级结构算法迁移到图数据分析的核心在于图层级卷积算子构建和图层级间信息融合。本文对图网络层级信息挖掘算法进行综述,介绍图神经网络的发展背景、存在问题以及图卷积神经网络层级结构算法的发展,根据不同图卷积层级信息处理将现有算法分为正则化方法和架构调整方法。正则化方法通过重新构建图卷积算子更好地聚合邻域信息,而架构调整方法则融合层级信息丰富节点表征。图卷积神经网络层级特性实验表明,图结构中存在层级特性节点,现有图层级信息挖掘算法仍未对层级特性节点的图信息进行完全探索。最后,总结了图卷积神经网络层级信息挖掘模型的主要应用领域,并从计算效率、大规模数据、动态图和应用场景等方面提出进一步研究的方向。     

领域知识优化的蚁群规划算法

在智能规划领域的传统图规划算法中,规划解的提取是从规划图的最后一层不断向前提取。提取过程中要不断进行大量状态互斥判断。提取过程中一旦发生失败就要回溯,即使再遇到相同的互斥情形也要重新计算,大量判断互斥的计算被带入主循环搜索过程,极大地影响了搜索效率。将领域知识通过禁忌连接集的形式加入蚁群规划算法中,相邻动作层的很多互斥信息通过禁忌连接集只需计算一次,不带入主循环计算中,可以较好地提升算法的执行效率,实例分析表明这一策略是有效的。     

可解释的知识图谱推理方法综述

近年来,以深度学习模型为基础的人工智能研究不断取得突破性进展,但其大多具有黑盒性,不利于人类认知推理过程,导致高性能的复杂算法、模型及系统普遍缺乏决策的透明度和可解释性。在国防、医疗、网络与信息安全等对可解释性要求严格的关键领域,推理方法的不可解释性对推理结果及相关回溯造成较大影响,因此,需要将可解释性融入这些算法和系统中,通过显式的可解释知识推理辅助相关预测任务,形成一个可靠的行为解释机制。知识图谱作为最新的知识表达方式之一,通过对语义网络进行建模,以结构化的形式描述客观世界中实体及关系,被广泛应用于知识推理。基于知识图谱的知识推理在离散符号表示的基础上,通过推理路径、逻辑规则等辅助手段,对推理过程进行解释,为实现可解释人工智能提供重要途径。针对可解释知识图谱推理这一领域进行了全面的综述。阐述了可解释人工智能和知识推理相关概念。详细介绍近年来可解释知识图谱推理方法的最新研究进展,从人工智能的3个研究范式角度出发,总结了不同的知识图谱推理方法。提出对可解释的知识图谱推理研究前景和未来研究方向。     

Coordinating Programs in the Network of Tasks Model

The Network of Tasks (NOT) model allows adaptive node programs written in a variety of parallel languages to be connected together in an almost acyclic task graph. The main difference between NOT and other task graphs is that it is designed to make the performance of the graph predictable from knowledge of the performance of the component node programs and the visible structure of the graph. It can therefore be regarded as a coordination language that is transparent about performance. For large-scale computations that are distributed to geographically-distributed compute servers, the NOT model helps programmers to plan, assemble, schedule, and distribute their problems.     

事件知识图谱构建技术与应用综述

知识图谱以图结构表示丰富灵活的语义,描述客观世界的事物及其关系,在应用领域得到了广泛的关注。事件知识图谱聚焦动态事件及其间的顺承、时序和因果关系,并以结构化的图形式表示,对海量数据更高效地管理。尤其是对动态事件信息和事件逻辑关系的挖掘,对认识客观世界发展规律,助力领域多种智能应用有着重要的意义。本文系统阐述事件知识图谱的构建技术,包括事件知识表示、事件知识抽取、事件关系抽取,并介绍事件知识图谱在领域的典型应用,最后介绍现阶段的挑战与研究展望。     

基于知识图的汉语基本名词短语分析模型

本文提出了一种基于知识图的汉语baseNP分析模型。它以知识图为知识表示方法,利用《知网》为语义知识资源,采用以语义为主、语法为辅的策略,先为短语中的每一个实词构造“词图”,然后合并“词图”而组成“短语图”,最后得到一个关于汉语baseNP结构信息和语义信息的知识图。因此它不仅分析了汉语baseNP结构的内部句法关系,而且分析了汉语baseNP结构成分间的语义关系并以知识图的形式表示出了这种语义关系。实验结果表明这个模型对于汉语baseNP的分析是有效的。     

基于知识网格的智能教学系统

在教学实践中,很难准确、系统的评估学生对所学知识的掌握程度。学生不能理解所学概念的原因是缺乏必备基础知识（先决知识）,不理解所学这些知识对以后要学课程影响。要解决这个问题,运用描绘和个人的分析的方法是十分困难的。基于知识网格智能教学系统使用知识网格能够建立一个可共享的,协作的基于网络的知识体系。它用知识网格中的一个节点作为起始点进行＂知识漫步＂,建立一个＂缺失知识链＂。告诉学生目前所学的知识体系结构。最终,评测结果将会被送到网上不同的虚拟组织。这些组织是由教师组成的,所以他们的建议会更有参考价值。