基于Agent的网络智能教学系统的研究

基于分布式网络环境,根据多智能体系统的原理和网络教学系统的教学模式,建立基于MAS(Multi-base Agent System)的智能化网络教学系统模型,然后分别讨论知识的表示、学生模型、认知能力评价模型的建立方法,以及Agent的实现方法等关键技术。该模型克服传统网络教学系统的缺点,具有智能程度高、灵活性好、自主性强的特点,他充分体现"以学习者为中心"的教学思想,能够提高学习者的学习兴趣,监控学生的学习过程,实现教学各环节的知识共享与交互,以及学生的按需学习和教师的因材施教。     

基本MAS的网络教学系统模型设计

随着人工智能技术的不断发展和完善,人工智能领域的理论不断地应用于远程教学系统中,从而给网络教学系统的研究与应用开辟了新的思路.结合Agent的智能性,构建了一个基于多Agent的网络教学系统的模型,模拟人类在教学活动中的智能活动过程.通过建立学生Agent和教师Agent,使得系统能够根据学生的个性特征和认知能力,灵活地通过网络学习, 从而实现个性化的教学.     

清华大学校园网络教学系统设计

校园网络教学系统是在校园网环境中建立一个虚拟的教学环境 ,在这个环境中 ,可以实现教师备课、讲课 ,学生自主学习CAI课件 ,教师和学生课后交流、答疑、批改作业以及考试等教学环节。本文将介绍校园网络教学系统的体系结构 ,并着重介绍清华大学网络教学系统的具体设计。     

《大学计算机基础》智能教学平台的研究与设计

针对现有网络教学系统存在的缺陷,依据现代教育理论,利用现有信息技术,研究Web环境下的具有个性化教学和协作型学习功能的智能网络教学系统模型。对于突破教学在时间和空间上的限制性,实现教师"教"与学生"学"的实时互动性和协作性,教育资源的共享性都具有深远的意义,充分体现了网络教学的互动、开放、智能、自适应的特点。     

清华大学校园网络教学系统设计

校园网络教学系统是在校园网环境中建立一个虚拟的教学环境,在这个环境中,可以实现教师和学生课后交流、答疑、批改作业以及考试等教学环节。本将介绍校园网络教学系统的体系结构,并着重介绍清华大学网络教学系统的具体设计。     

基于数据仓库的网络教学系统挖掘模型

分析网络教学的新需求,引入数据挖掘技术,提出了数据挖掘在网络教学系统中的应用模型,并从数据仓库建立、背景知识定义、挖掘模式创建等方面分析了数据挖掘在网络教学系统中的应用实现。     

基于Web和多Agent智能教学系统的设计与实现

针对传统网络教学系统缺乏智能性问题,在实现基于XML扩展Agent通信语言基础上,提出并实现了一种基于多Agent智能网络教学系统模型.实际应用说明,该系统具有智能性,能提供适应用户的个性化教学服务,激发学生的主观能动性,改善教学效果.     

基于WebRTC的实时视频教学系统的设计与实现

基于目前网络教学缺乏良好互动模式的情况,提出建立实时视频教学系统,为师生搭建面对面的沟通平台。对目前实现实时视频的Web RTC,HTML5,Web Socket和Node.js等关键技术进行了深入研究,构建基于Web RTC技术的B/S模式的实时视频教学系统,实时视频交互模块的通信选择全双工通信的Web Socket协议。系统可运行在任何支持HTML5的浏览器上,实现跨平台视频交互教学,充分提高学生的学习积极性。     

基于贝叶斯网络的社会安全风险演化分析

为提高社会安全风险防控能力,本文基于贝叶斯网络构建一种适用于社会安全风险演化分析的事件链模型。首先,将社会安全风险演化过程中的突发事件作为基本单元——元事件;其次,以贝叶斯网络为建模工具,关联合并元事件贝叶斯网络;最后,选取爆炸、火灾、坍塌、泄漏、暴雨和群体性事件6种不同元事件,构建贝叶斯网络模型。以辽宁省大连市2011年8月14日大型群众游行事件为例模型验证,结果表明：基于贝叶斯网络构建的社会安全风险演化事件链模型具有可行性,可根据贝叶斯正向因果推理预测不同证据组合下社会安全风险的发生概率,推断社会安全风险的发展演化态势。     

智能教学系统中认知学生模型的实现

智能教学系统是在一定程度上替代人类教师实现最佳教学的一种智能化教学系统,其中学生模型是智能教学系统的一个重要组成部分,是学生知识结构和认知能力的真实客观反映.采用矢量记录法、评判算法和神经网络中的BP算法组成的评价体系,结合认知理论,对学生的认知能力进行了评价,在此基础上提出了认知学生模型,并在"大学计算机基础智能教学系统"中进行了应用研究.     

贝叶斯网络在远程教学中的应用

贝叶斯网目前广泛应用于专家系统中,用于处理大量以条件概率为形式的数据.首先对贝叶斯网络进行概述,论述其在远程教学学生模型中的应用.然后重点介绍学生模型和学生评估模型的结构、功能和概率推理算法.模拟以贝叶斯网为学生模型的远程教学系统.实践表明,该系统能较真实地反映学生当前学习问题.     

一种基于改进教学优化的微弱信号检测方法

为了快速准确地检测混沌背景中的微弱信号,提高网络泛化能力,文中利用改进教学优化算法优化贝叶斯回声状态网络的模型参数,提出了一种改进教学优化的混沌背景中微弱信号检测方法。通过建立混沌序列单步预测模型,分析预测误差的幅值,检测混沌背景中微弱瞬态信号和周期信号。对Lorenz系统和实测的海杂波数据进行实验研究,验证预测模型的有效性,结果表明,贝叶斯回声状态网络模型的预测结果比支持向量机和径向基神经网络模型的均方根误差降低了2个数量级,缩短了预测时间,提高了预测精度和预测效率,能快速有效地检测混沌背景中微弱信号,且具有更低的门限。     

NSI系统的安全策略

NSI系统(网络辅助教学系统)集计算机技术、多媒体技术、网络技术、通讯技术为一体,使教学双方在网上进行交互活动,为提高教学质量、提高学生的全面素质提供了良好的技术基础,但也带来了很多安全上的问题。本文就NSI系统的网络交流、ASP程序代码、Cookies的安全等问题,提出了一些安全策略,以期实现网络交互式教学的安全管理。     

基于Bayes网的软件可靠性模型研究与系统设计

传统的软件可靠性预测主要是概率方法,但其存在假设与实际不符的缺点。利用Bayes网,充分利用专家知识和清晰表达相关因素关系的优点,构建了基于Bayes网的软件可靠性预测模型。该模型不仅考虑软件不完全排错和排错时间,同时把软件可靠性因素也考虑在内,增强了其准确和有效性,并基于BN Tookit软件包以MATLAB语言通过实例给以验证。为弥补MATLAB的GUI设计不方便的缺点,给出了VC和MATLAB混合编程实现软件可靠性预测的系统设计思路。     

用于态势评估的贝叶斯网络研究综述

介绍了态势评估的发展现状,指出了贝叶斯网络用于态势评估的优点,对基于贝叶斯网络的态势评估技术研究的几个主要方面进行了总结和分析,着重探讨了现有态势评估贝叶斯网络中网络构建方法和时间推理技术,指出能充分编码军事领域知识、结合时间语义、能够实现模块化推理的贝叶斯网络是态势评估贝叶斯网络发展的趋势。作为参考,给出了几种贝叶斯网络的常用仿真工具。最后,分析了贝叶斯网络应用于态势评估面临的各种问题并试图给出一个有益的研究思路。     

基于贝叶斯网络的无人驾驶行为决策研究

无人驾驶系统的决策系统是决定无人驾驶汽车安全性、稳定性的关键技术,是无人驾驶汽车智能程度的体现.本文旨在研究一种基于因果推理的无人驾驶行为决策模型,即理性决策,而不是相关推理.建立了基于贝叶斯网络和强化学习的决策模型,结合深度学习,基于规则的专家系统的特性,深入研究决策模型在样本比较少或数据部分缺失的情况下,提高复杂场...     

基于贝叶斯网络的攻击事件智能发掘模型

针对目前传统入侵检测系统难以得出网络攻击行为之间存在的关联关系问题,以攻击图表示模型为指引,提出一种基于贝叶斯网络的攻击事件智能发掘模型。本文以先验知识建立贝叶斯攻击行为关联图。基于属性相似度聚合网络攻击行为,针对网络攻击场景设计高效的ExApriori算法发掘攻击行为间的关联规则,并建立攻击行为组集。利用贝叶斯攻击行为关联图的参数对攻击行为组集进行计算,实现对攻击事件的发掘。实验表明,本模型能有效提取网络攻击事件及发现攻击路径,为网络攻击事件的发现与应对措施提供理论支持和技术支撑。     

基于用户QoS的网络资源分配策略研究

针对5G网络在网络资源分配存在的问题,从用户业务QoS等级角度提出基于贝叶斯模型的网络资源优化分配策略模型。在对用户业务QoS等级划分的基础上采用优先节点自主控制策略进行网络资源分配,通过构建贝叶斯模型评价网络状态并进行动态学习推理,指导网络优先节点的控制决策,实现优先节点对最佳信道的优先选择。实验表明,与基于信道容量的信道资源分配策略相比,本文的策略在网络总体容量和网络公平性上具有更好的表现,能够更好满足异构网络的实际需求。     

Network intrusion intention analysis model based on Bayesian attack graph

Aiming at the problem of ignoring the impact of attack cost and intrusion intention on network security in the current network risk assessment model,in order to accurately assess the target network risk,a method of network intrusion intention analysis based on Bayesian attack graph was proposed.Based on the atomic attack probability calculated by vulnerability value,attack cost and attack benefit,the static risk assessment model was established in combination with the quantitative attack graph of Bayesian belief network,and the dynamic update model of intrusion intention was used to realize the dynamic assessment of network risk,which provided the basis for the dynamic defense measures of attack surface.Experiments show that the model is not only effective in evaluating the overall security of the network,but also feasible in predicting attack paths.