远程学习中优化课程路线导航算法研究

远程学习中，为提高学生的学习效率并满足个性化需求，网络课件需要根据学生的不同特征进行有益导航。为此目的设计的课程路线导航算法，是基于课程概念间的前提后续关系的。当学生学习概念时，系统根据收集到的学生信息与概念的权重计算出一条优化的单元路线，作为下一步学习推荐单元。此外，该算法同样适用于概念间存在的其它偏序关系如整体部分关系等。     

一种网络导航学习路径生成方法

该文提出了一种基于反馈的、满足全局优化和充分必要条件的网络导航学习路径生成方法。将知识单元及其依赖关系作为知识地图的顶点和边,全部存储于广义表中。测试学习者已经学过的知识单元,根据知识单元中心度和难度量化计算方法,生成知识地图总路径集合,基于不同的学习基础,学习者在集合中“按需所取”知识单元。该方法产生的知识地图导航不再是海量知识单元的不完备近似集合,而具有全局精确性;解决了学习路径的充分性和必要性难以同时满足的缺陷;针对学习者个性化要求,有效提高学习效率,具有教育学和计算机科学的双重价值。     

一种基于语义网的个性化学习资源推荐算法

在E-learning环境中,为了满足用户对学习资源的个性化需求,提出了一种基于语义网技术的学习资源个性化推荐算法。首先根据用户评价和浏览行为得到用户感兴趣的学习资源集合与核心概念集合,然后根据领域本体中概念间的关系分别计算不同用户评价的学习资源集合间的语义相似度和核心概念集合间的语义相似度,最后根据得出的两个相似度值共同决定用户兴趣偏好的相似性,找到具有相似兴趣的最近邻居,从而实现学习资源的协同推荐。此外,在学习资源管理上引入了学习对象概念,降低了相似度计算的复杂度。并将该算法应用到了基于语义网的个性化学习资源推荐系统中,实验表明,该算法有效改善了学习资源推荐效果,特别是对于新加入的资源和新注册用户效果显著。     

基于分组遗传算法的集成多样性增强及其应用

为了解决复杂工业过程的概念漂移问题,提高集成学习模型的泛化性能,基于分组遗传算法,提出一种用于提升基学习器间多样性的建模方法.该方法以在线极限学习机作为基学习器,根据基学习器在滑动窗口上的性能对其进行分组,并执行进化操作,同时引入基因流概念,增加了基学习器间的多样性,提高了集成算法在处理概念漂移数据流时的预测性能.最后使用合成数据集和真实数据集验证了所提算法的合理性与有效性.     

网络课程中的知识导航设计

由于超文本系统在鼓励学生自主学习时,因其复杂性和受限于用户界面,使学生难以建立整体结构的概念,引起学生迷失方向和形成认知负载,不利于学习,因此,提出了基于知识点的导航设计思想,对导航进行需求分析,针对不同的教学内容、教学对象,提供不同的导航路线和策略,并利用相关方法和技术实现《工程图学》课件的多功能导航。     

在线教育系统学习路线管理模块的设计与实现

随着时代的发展,在线学习成为当今重要的学习方式之一,也产生了很多在线学习系统,但是目前的在线学习系统都没有预设学习路线和修改学习路线这个功能,无法监督学习者的学习状态,不方便教学管理。文章以辽东学院课程中心为例主要讲述在线学习系统预设学习路线模块的课程关系的分析、数据库表的建立、学习路线预设与修改等技术,建立串行学习路线预设、并行学习路线预设和混合学习路线预设框架模型,并对其中的关键技术的实现做了详细的叙述,希望能为开发者提供一个实用模型,并且希望对其他应用的建设有一定的借鉴作用。     

基于Web的适性化学习系统的设计

本文描述了基于Web的适性化学习系统模型。该系统由四部分组成:领域模型,学生模型,教学模型,导航模型。教学模型以建构主义学习理论为指导,采用适应性学习以支持学生的“学”。此系统采用适应性导航支持技术、课程排序技术和数据挖掘技术,为学生呈现最佳的学习路径和适当的学习导航。该模型在“计算机基础”课程中得到初步实现。     

一种在线自学习的移动机器人模糊导航方法

针对现有移动机器人模糊导航对未知不确定环境缺乏自适应性的缺点,提出了一种具备在线自学习能力的模糊导航方法.通过设计模糊规则并确定动作先验值,完成初始模糊导航系统的构建.利用Q强化学习算法对模糊规则中各行为的值函数进行在线增量学习,实现模糊决策的逐步求精.仿真实验表明,移动机器人导航系统能够在运行过程中不断调整导航策略,实现对未知不确定环境的自适应.同时由于导航先验知识的引入,有效地克服了强化学习初始阶段进行盲目搜索导致的学习速率低、收敛速度慢的缺点,实现了移动机器人可靠导航.     

OPRA方向关系网络的时空推理

由于目前的有向点方向代数(OPRA)推理只关注3个空间对象的静态关系推理,本文针对n个对象的方向关系定义了OPRA方向关系网络的时空推理问题。基于约束传播和概念领域理论,利用OPRA关系之间的空间约束和时间演变规律,给出了OPRA方向关系网络时空推理算法,解决了n个对象间动态OPRA关系的推理问题。本文算法可以应用于机器人导航、无人机导航、舰艇导航、战场分析等领域。     

面向文本的本体学习方法

借助文本预处理工具Gate和通用本体Word Net,采用统计、频繁项挖掘、模式匹配、启发式学习和主动学习等技术,学习本体基元——概念(含实例)、概念间的分类关系、概念间的语义关系和概念属性,其中概念属性学习为本文首次提出。实验结果表明,本文方法改善了概念语义排歧效果,丰富了短语概念学习与语义关系学习,提高了本体自动构建的准确度,降低了本体学习的代价。     

网络环境下“机械制图”的在线学习

网络环境下的在线学习系统,具有平等交互式的学习环境、丰富的信息容量和丰富的表现形式等特点。在阐述网络学习的概念和特点的基础上,以我系《机械制图》精品课件为基础,介绍了在线学习系统的框架、内容、特点、关键技术,给出了把精品课件从原来为教师的演示工具转变为学生在线学习工具还需进一步补充、完善的内容。     

虚拟学习社区中一种基于本体的学习资源推荐方法

虚拟学习社区中,由于大量知识点信息的存在,用户往往无法获得符合自己学习的资源.针对这个问题,提出了一种基于本体的学习资源推荐方法.该方法利用本体描述社区中的知识点体系,通过语义规则定义知识点之间的联系,结合语义推理,为用户产生学习资源的推荐.Demo系统结果表明,该方法可以有效的解决用户的学习困扰,指导用户进行学习.     

混合现实虚拟智能教室的方案设计

为了实现在网络学习中,教师和学生能够有效地支持师生实时课堂交互,针对远程教育停留在Web课件浏览以及教师单向讲授的形式和阶段上,讲授形式和画面单一呆板,师生不能充分交流的问题,在分析网络教育存在的缺陷,以及思考网络学习中必须关注的几个问题的基础上,提出了一种新的远程教学互动及演示方式———混合现实虚拟智能教室系统.该系统是一个依靠交互空间技术和电视演播技术而开发的网络教学环境,在利用该系统进行教学时,网络学生可以用不同的接入方式加入该虚拟教室课堂,不仅可以通过多变的虚拟背景下教师的讲课视频接受到更多的感性认识;还可以通过语音、视频以及文本与教师进行直接对话,大大加强了网络学习过程中师生的沟通交流,打破了网络学习时学习者情感的缺失,从而使得教学效果能够加强.     

以学习活动为核心的新型课件开发

在研究IMSLD规范的基础上,阐述了学习设计中的概念及新型课件的特点,并结合实例说明如何利用Reload LD编辑工具开发以学习活动为中心的新型课件．这种新型课件的开发为保障信息环境下教与学的效果和质量提供了一种新途径．     

《金属学》CAI网络课件的设计制作

《金属学》是冶金、材料及机械类专业重要的技术基础课。针对《金属学》课程的特点,根据网络课件的要求．提出研制开发《金属学》CAI网络课件的策略,对《金属学》网络课件作了介绍,在制作中采用不同的软件解决《金属学》学习中的重、难点,为《金属学》的学习提供了一个有效的教学和学习手段。     

基于结构方程的学习者在线学习参与度与持续学习意愿影响研究

学习者在线学习参与度是衡量网络学习空间质量的参考要素之一,学习者持续学习意愿是网络学习空间可持续发展的重要前提。利用结构方程分析法,构建在线学习参与度与网络学习空间持续学习意愿模型并进行数据分析。从在线学习参与度提升及加强持续学习意愿等方面为优化远程教育网络学习空间建设提出建议。     

面向预定义过程的强化学习WS组合

将强化学习应用到基于预定义过程的WS组合,提出了QoS实际性能驱动的随机强化学习Web服务组合方法。利用该方法可以根据WS的实际性能逐渐为模型中的任务学习到优化的任务分配策略,根据任务分配策略所选择的WS的协同执行能最大程度地满足用户的服务请求。与同类方法相比,该方法根据服务的QoS实际性能将WS以往性能数据的利用与持续不断地对新的优化组合的探索融合到一起,逐渐学习到与过程模型相对应的优化服务组合。通过对熵取值范围的讨论,说明了对以往策略的利用与持续不断探索之间的关系。     

Multiagent reinforcement learning through merging individually learned value functions

In cooperative multiagent systems, to learn the optimal policies of multiagents is very difficult. As the numbers of states and actions increase exponentially with the number of agents, their action policies become more intractable. By learning these value functions, an agent can learn its optimal action policies for a task. If a task can be decomposed into several subtasks and the agents have learned the optimal value functions for each subtask, this knowledge can be helpful for the agents in learning the optimal action policies for the whole task when they are acting simultaneously. When merging the agents‘ independently learned optimal value functions,a novel multiagent online reinforcement learning algorithm LU - Q is proposed. By applying a transformation to the individually learned value functions, the constraints on the optimal value functions of each subtask are loosened. In each learning iteration process in algorithm LU - Q, the agents‘ joint action set in a state is processed. Some actions of that state are pruned from the available action set according to the defined multiagent value function in LU - Q. As the items of the available action set of each state are reduced gradually in the iteration process of LU - Q, the convergence of the value functions is accelerated. LU - Q‘s effectiveness, soundness and convergence are analyzed, and the experimental results show that the learning performance of LU-Q is better than the performance of standard Q learning.     

基于深度强化学习的综合能源业务通道优化机制

为了保障综合能源系统的稳定运行,承载综合能源业务的通信网络需要具备高可靠、低风险等特征.依据综合能源业务的通道要求,提出了一种深度强化学习的算法,旨在对大规模综合能源业务在承载的电力通信网上寻找到整体最优的路径.该方法以整体时延和网络负载均衡度为目标,对网络拓扑进行训练,并保存模型,然后通过迭代学习获取最优的结果.仿真结果表明,该方法找到的路径既可以保证整体时延较短,又可以保证网络的整体负载均衡.同时,在网络规模很大、业务数量很多的情况下,深度强化学习算法可有效提高计算效率.     

基于网格模型的《包装结构设计》课件设计

根据包装结构设计课程的特点,设计了适用教学和自学的基于网格模型的计算机辅助教学课件.在课件中利用XML和Java Applet技术,实现了课件的可扩充性和学习内容的自定义性,教师能够追踪教学效果,实现了网络化的互动教学.