基于“体验学习圈”的小学人工智能教学实践

作者在小学人工智能教学实践中,以信息核心素养为目标,在"体验学习圈"理论的基础上,以《智能台灯》为例,设计了四个层层递进、螺旋上升的"人工智能学习圈",实现了"体验—思考—实践—创新"的转变过程,同时提出了"人工智能体验学习圈"的框架,以期为更好地开展人工智能教学提供参考。     

五步导学法与信息化教学在英语课堂中的应用

“五步导学法”是近年来兴起的强调以学生为主体,教师为主导的一种新型自主高效课堂教学模式。教育信息化是将录音机、电视机、录像机、投影仪乃至多媒体计算机等信息化教学手段引进课堂,也是教育形式和学习方式的重大变革。在英语教学中,运用五步导学法与现代信息技术手段相结合的办法,充分发挥其有利因素,能调动学生的积极性,提高课堂教学效率,优化教学质量。     

谈分层递进教学与合作学习在高职英语教学中的整合

打破高职英语教学中单一的传统教学模式,实施分层递进教学与合作学习相结合的复合型教学,对于高职英语教学具有重大的意义,本文对分层递进教学与合作学习相结合的复合型教学模式的基本涵义、理论基础、及效果实验进行了论述,并对其在教学实践中应该注意的几个问题进行了阐述。     

协同设计任务调度的多步Q学习算法

首先建立任务调度问题的目标模型,在分析Q学习算法的基础上,给出调度问题的马尔可夫决策过程描述;针对任务调度的Q学习算法更新速度慢的问题,提出一种基于多步信息更新值函数的多步Q学习调度算法.应用实例表明,该算法能够提高收敛速度,有效地解决任务调度问题.     

基于混沌理论进行股票市场的多步预测

提出一种基于混沌理论进行股票价格多步预测 的方法．只需要考虑系统是否混沌,然后依据混沌理论给出了进行股票价格多步预测明确的 最大时间尺度．对于其它复杂非线性系统的多步预测同样具有指导意义．     

用于超分辨率重建的深度网络递进学习方法

本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题, 提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征, 然后利用基于密度峰值的聚类方法实现对整个训练集的分类, 其中每个训练子集具有相似的纹理复杂度.针对传统的递进学习方法会出现对已掌握知识"遗忘"的问题, 本文根据网络模型在各个训练子集上的拟合情况, 实时调整当前训练样本在各个子集上的概率分布, 从而实现快速收敛, 并获得更好的纹理细节复原效果.将本文提出的递进学习用于DRCN、VDSR、SRCNN等超分辨率网络的训练, 实验结果表明超分辨率网络收敛速度得到提升, 同时网络对复杂纹理等细节较多的图像也获得了较好的视觉恢复效果, 峰值信噪比则平均获得0.158 dB、0.18 dB、0.092 dB的提升.     

基于证据理论的迭代多步预测方法研究

为了有效利用复杂非线性工程系统中各种不确定信息和主观知识,本文结合相空间重构理论和证据推理理论,建立时序证据的多步预测模型.本文先对时序证据进行相空间重构;针对时序证据预测中信息量大且存在误差累积的不足,采用时序证据滑动窗口处理方法,以降低累积误差;窗口内运用迭代融合规则,以降低信息量的存储.将该模型应用于某型陀螺仪漂移预测,试验结果证明,本文方法能够有效降低迭代时产生的累积误差和信息量,结论更接近实际情况.     

基于自步学习的无监督属性选择算法

针对现有属性选择算法平等地对待每个样本而忽略样本之间的差异性,从而使学习模型无法避免噪声样本影响问题,提出一种融合自步学习理论的无监督属性选择（UFS-SPL）算法。首先自动选取一个重要的样本子集训练得到属性选择的鲁棒性初始模型,然后逐步自动引入次要样本提升模型的泛化能力,最终获得一个能避免噪声干扰而同时具有鲁棒性和泛化性的属性选择模型。在真实数据集上与凸半监督多标签属性选择（CSFS）、正则化自表达（RSR）和无监督属性选择的耦合字典学习方法（CDLFS）相比,UFS-SPL的聚类准确率、互信息和纯度平均提升12.06%、10.54%和10.5%。实验结果表明,UFS-SPL能够有效降低数据集中无关信息的影响。     

基于五步相移与菱形解相的三维重建方法

针对物体三维重建时由于欠采样、噪声、局部阴影、干涉条纹断裂等导致包裹相位变换过快、解包裹相位计算梯度产生不连续和偏差等问题,提出一种采用五步相移法与改进的菱形算法获取物体表面相位信息的方法。结合相位法系统模型,直接根据相位信息计算出物体相机坐标系坐标,获取点云,实现三维重建。实验结果表明,相对于四步相移法以及传统相位解包裹算法,本方法解出的相位展开完全且不失真,特征点提取全面,重建点云表面细节丰富,相位求解精度显著提高。     

基于可供性理论的STEM学习环境设计与应用研究

具有跨学科和实践性等特征的STEM教育需要优质的学习环境作支撑,信息技术的发展与应用为STEM学习环境的搭建提供了有利条件,然而如何恰当选择信息化工具以充分发挥其在STEM学习中的优越性,是目前仍需探究的重要问题。文章在可供性理论的基础上,从教学法、社会交互、技术等要素出发,构建了技术工具教学可供性分析与STEM学习需求相匹配的STEM学习环境设计框架。基于该理论框架,以教学系统设计课程为实证研究案例,探讨在STEM学习环境设计过程中要素细节与实施过程,并检验该框架的实施效果,为信息技术与STEM教学的有效融合提供借鉴。     

基于问题驱动的高职《游戏程序设计》的教学研究

本文对游戏设计课的教学模式进行了探索,根据建构主义理论设计了基于问题驱动的"高职《游戏程序设计》五步教学模式",并通过行动研究证明该教学模式在改变传统教学模式中的不足和在培养学生的问题解决能力等方面具有积极的作用。     

基于建构主义学习理论的《数据结构》课程的教学设计

针对当前非计算机类专业开设的《数据结构》课程的教学效果不理想的现状.提出针对非计算机类专业的《数据结构》课程新的教学目标,并以建构主义学习理论为指导,给出了《数据结构》课程的教学设计.     

基于自步学习的鲁棒多样性多视角聚类

目的 大数据环境下的多视角聚类是一个非常有价值且极具挑战性的问题。现有的适合大规模多视角数据聚类的方法虽然在一定程度上能够克服由于目标函数非凸性导致的局部最小值,但是缺乏对异常点鲁棒性的考虑,且在样本选择过程中忽略了视角多样性。针对以上问题,提出一种基于自步学习的鲁棒多样性多视角聚类模型（RD-MSPL）。方法 1）通过在目标函数中引入结构稀疏范数L_2,1来建模异常点;2）通过在自步正则项中对样本权值矩阵施加反结构稀疏约束来增加在多个视角下所选择样本的多样性。结果 在Extended Yale B、Notting-Hill、COIL-20和Scene15公开数据集上的实验结果表明：1）在4个数据集上,所提出的RD-MSPL均优于现有的2个最相关多视角聚类方法。与鲁棒多视角聚类方法（RMKMC）相比,聚类准确率分别提升4.9%,4.8%,3.3%和1.3%;与MSPL相比,准确率分别提升7.9%,4.2%,7.1%和6.5%。2）通过自对比实验,证实了所提模型考虑鲁棒性和样本多样性的有效性;3）与单视角以及多个视角简单拼接的实验对比表明,RD-MSPL能够更有效地探索视角之间关联关系。结论 本文提出一种基于自步学习的鲁棒多样性多视角聚类模型,并针对该模型设计了一种高效求解算法。所提方法能够有效克服异常点对聚类性能的影响,在聚类过程中逐步加入不同视角下的多样性样本,在避免局部最小值的同时,能更好地获取不同视角的互补信息。实验结果表明,本文方法优于现有的相关方法。     

基于自步学习的开放集领域自适应

领域自适应的目的是将从源领域获得的知识泛化到具有不同数据分布的目标领域.传统的领域自适应方法假设源域和目标域的类别是相同的,但在现实世界的场景中并非总是如此.为了解决这个缺点,开放集领域自适应在目标域中引入了未知类以代表源域中不存在的类别.开放集领域自适应旨在不仅识别属于源域和目标域共享的已知类别样本,还要识别未知类别样本.传统的领域自适应方法旨在将整个目标域与源域对齐以最小化域偏移,这在开放集领域自适应场景中不可避免地导致负迁移.为了解决开放集领域自适应带来的挑战,提出了一种基于自步学习的新颖框架SPL-OSDA (self-paced learning for openset domain adaptation),用于精确区分已知类和未知类样本,并进行领域自适应.为了利用未标记的目标域样本实现自步学习,为目标域样本生成伪标签,并为开放集领域自适应场景设计一个跨领域混合方法.这种方法最大程度地减小了伪标签的噪声,并确保模型逐步从简单到复杂的例子中学习目标域的已知类特征.为了提高模型在开放场景的可靠性以满足开放场景可信人工智能的要求,引入了多个准则以区分已知类和未知类样本.此外,与现有...     

多种学习理论视野下的计算机辅助教学设计探究

计算机辅助教学与传统的课堂教学相比,的确具有其自身的优越性,它改变了以往传统电教手段相对呆板的教学方式,在文字、图形的基础上增加了图象,动画、声音、影像等,加强了表现效果;另一方面,当前的计算机辅助教学存在着严重的问题。要解决这些问题,必须做好教学设计工作我们如果想以某一种学习理论来指导我们的教学,解决教学中的一切问题,那也是行不通的。科学的做法是,以多种学习理论为指导,吸收其长处,克服其不足,对教学进行具体分析,鉴别不同的学习类型,再去寻找合适的指导思想、教学方法与策略。     

基于混合式学习的中职信息技术教学策略创新设计与实践

目前混合式学习在高校教学中应用较多,此次利用混合式学习方式对中职信息技术学科的教学开展中的路径和教学策略进行创新设计与实践.通过疫情以及常态化以来的线上教学和混合式教学的实践,充分利用线上学习的过程性数据驱动线下课堂设计开展和评价,并且及时反思诊断教学过程,笔者设计了一个基于混合式学习的四步闭环法教学过程.在混合式学习...     

基于教学平台的学习活动设计

教学平台是在已有教务管理系统基础上直接构建"一体化数字化教学支撑环境",能够为教师提供支持建构主义教学设计理念的学习活动。本文结合教学平台的教学功能,在活动理论和以学习活动为中心的教学设计理论指导下,探讨了基于教学平台的学习活动设计的模式与流程。     

基于强化学习的网络流量非线性多步预测方法

网络流量具有分形特性,用线性方法来预测非线性的网络流量,预测精度不高.为了提高测性能,提出了网络流量的非线性多步预测同题,利用一种结合分形神经网络、强化学习的非线性多步预测方法,用多重分形性质将网络流量序列分解为短相关序列,设计了一种强化学习神经网络(MRLA)流量预测模型,利用强化学习的Q算法训练BP神经网络,预测尺度系数、计算权值,最后构建MRLA网络进行仿真,预测网络流量.实验分析显示,相对MMLP网络,新预测方法具较好的多步预测性能.