神经网络自适应学习系统

本文简要介绍人工神经网络自适应学习系统（ANNALS)的结构。在ANNALS的支撑下，既能自动获取网络参数，又可以方便自如地对各种作本数据进行聚类分析。     

基于网络的自适应超媒体学习支持系统的研究

针对现有网络学习支持系统不能很好满足学习者个性化学习的需要,我院构建了基于网络的自适应超媒体学习支持系统模型,它是在现有的网络学习支持系统上增加了自适应交互处理模块、自适应教学处理模块、本体推理模块和规则推理模块。本文详细探讨了此模型的自适应支持功能,如为学习者创设动态的自适应学习环境,提供自适应的导航系统和自适应的内容支持等,并给出了自适应学习处理过程。     

基于网络的自适应学习系统研究

如今的时代是信息科技化时代,在此时代背景下,网络教育应运而生。随着网络教育在我国的不断发展,以及人们对于个性化差异学习的认识,如何开发一个基于网络的,以学习者为中心,最大程度的激发学习者的学习兴趣,从而实现真正意义上的自主学习的网上自适应学习系统已经逐渐成为网络教育学习平台研究中的重要课题。本文主要通过对基于网络的自适应学习的认识,探讨适合于我国当前教育体制的,基于网络的自适应学习系统的体系架构和构建策略。     

“互联网+”背景下自适应学习系统的研究

分析互联网+背景下的自适应学习及自适应学习系统的特点,介绍自适应学习系统的开发过程,以移动应用开发课程为例,说明自适应系统的结构特点,并以几个章节知识点为示例介绍自适应学习系统的工作方式及学习者的学习方式。     

自适应模糊逻辑系统的聚类学习算法研究

基于模糊逻辑系统一般数学模型，利用最近邻聚类学习算法对样本数据进行自适应分组，并对系统进行训练，从而使模糊逻辑系统具有自学习功能。     

基于Elman网络的非线性系统神经元自适应预测控制

提出在非线性系统的E1man网络辨识模型的基础上，用单神经元设计预测控制器的方案。Elman网络在BP网络的基础上，加入反馈信号，利用内部状态反馈来描述系统的非线性动力学行为，提高了学习速度，适合于动态系统的实时辨识。神经元结构简单，且有很强的自学习和自适应能力，它根据系统的期望输出与一步超前预测输出之间的偏差，并通过某种特定的学习算法在线调整控制器的参数，使控制器能够适应对象参数的变化，从而实现对一类非线性系统的有效控制。仿真实验证明了该方案的有效性。     

现代教育价值视域下的自适应学习系统研究

随着智能时代人工智能、大数据、数据分析等技术的不断发展,自适应学习系统在教育领域逐渐被认可与推广。作者提出,在自适应学习系统中,教师应关注学生自身能力的培养与提升,促进各方面的综合发展,反思其过度技术化与知识本位化,最终通过人机协同实现信息技术与教育的深度融合,推动智能时代教育的创新变革。     

一种分布式检测系统的递推反馈自适应学习算法

分布式多传感器检测系统中的等概率假设在检测概率未知及时变情况下不能得到最优的检测状态．研究分布式检测系统的最优检测问题,考虑传感器虚警与漏报的概率未知,且概率不相等的情况,提出了一种递推的状态反馈自适应学习算法,通过在线的修正融合权值,最终使系统收敛于最佳权值,并对算法收敛性和误差进行了理论分析．仿真研究了概率未知、环境时变等情况下的算法性能,验证了所提方法的有效性．     

自适应算法在网络学习系统的应用研究

随着现代信息技术与教育产业的深度融合,建设远程开放式的网络学习平台已成为构建智慧校园网的核心;同时也为构建学习型社会,实现终身教育提供了环境支撑和技术保障。主要着手于自适应算法研究,以网络学习者为对象,针对网络学习平台中存在的问题,设想将自适应算法引入到网络学习平台中,设计一个包含自适应网络学习模型、学习者信息模型、智能学习诊断模型的网络学习系统。以期系统能够有效地完善现有网络学习在动态导航、智能诊断、师生交互、因材施教等方面存在的不足,并从根本上改变传统按部就班式的学习模式,实现将资源按照学习者的个体特征和学习需求自动地生成学习内容序列,从而实现个性化的学生学习与教师辅导,以此来提升远程教育的服务质量。     

基于网络的大学生自适应学习研究

基于网络的自适应学习模式下,学习者没有了教师的指导监督,根据自身条件在整个学习过程中充分发挥自适应学习的能力,并及时进行反馈和调整学习计划。本文从自适应学习的内涵、特点、优势和面临的挑战几个方面进行阐述。     

基于强化学习的金融交易系统研究与发展

近年来,强化学习在电子游戏、棋类、决策控制等领域取得了巨大进展,也带动着金融交易系统的迅速发展.金融交易问题已经成为强化学习领域的研究热点,特别是股票、外汇和期货等方面具有广泛的应用需求和学术研究意义.以金融领域常用的强化学习模型的发展为脉络,对交易系统、自适应算法、交易策略等方面的诸多研究成果进行了综述.最后讨论了强化学习在金融领域应用中存在的困难和挑战,并对今后强化学习交易系统发展趋势进行展望.     

网络环境伺服系统位置自适应控制器设计

基于Ethemet／IP网络和SERCOS网络,采用罗克韦尔自动化的伺服驱动系统和ControlLogix系统框架构建网络环境下的伺服控制系统。针对伺服系统位置控制的技术要求,对伺服系统建模分析;使用罗克韦尔自动化的运动控制器研究设计出提高控制精度的位置自适应PI控制器。实验结果表明,此控制器解决了常规PI控制器各个参数在系统运行过程中的矛盾问题,提高了机械系统的定位精度。该方案简单可靠,且易于工程实现,可以在相关的运动控制领域中推广应用。     

用于复杂适应系统仿真的Agent免疫学习系统

分析了复杂适应系统（Complex Adaptive System，CAS）仿真中对Agent学习系统的要求以及基于遗传算法的Agent规则学习系统的不足，提出了一种基于改进免疫遗传算法的Agent学习系统，在该算法中将领域知识和经验作为疫苗对规则库中的规则进行免疫按种，并利用混沌变异模型对规则进行变异操作，产生新的规则。最后，结台跨流域调水管理复杂适应系统仿真中的Agent规则学习过程，对Agent的规则学习和演化机制进行了算法验证及实例分析。     

单输入单输出模糊系统的自适应学习方法

基于对一种特定单输入单输出模糊系统特性的研究,提出了一种自适应学习方法,能够根据数据变化的强度及逼近精度的要求自动调整模糊规则的分析。方法采用最小二乘法对规则后件进行学习,能够以较少的模糊规则达到较高的样本数据逼近精度。     

基于自适应模糊神经系统的网络学习评价模型研究

学习评价是网络学习中十分重要的环节,为克服原有网络学习评价方法的不足,构建一种基于自适应模糊神经系统的评价模型,并进行实验仿真。测试结果表明,基于自适应模糊神经系统的网络学习评价模型提高了网络学习评价的准确率,为网络学习提供一种新评价方法。     

两两关系马尔科夫网的自适应组稀疏化学习

稀疏化学习能显著降低无向图模型的参数学习与结构学习的复杂性, 有效地处理无向图模型的学习问题. 两两关系马尔科夫网在多值变量情况下, 每条边具有多个参数, 本文对此给出边参数向量的组稀疏化学习, 提出自适应组稀疏化, 根据参数向量的模大小自适应调整惩罚程度. 本文不仅对比了不同边势情况下的稀疏化学习性能, 为了加速模型在复杂网络中的训练过程, 还对目标函数进行伪似然近似、平均场自由能近似和Bethe自由能近似. 本文还给出自适应组稀疏化目标函数分别使用谱投影梯度算法和投 影拟牛顿算法时的最优解, 并对比了两种优化算法进行稀疏化学习的性能. 实验表明自适 应组稀疏化具有良好的性能.     

自适应网络教学系统的研究与设计

针对现有网络教学的不足，来研究自适应性学习的内涵，从而设计一个具有自适应学习的网络教学系统，弥补原有系统缺乏交互性、适应性、针对性和智能性，使其能够针对个体特征引导学生学习，真正实现因材施教。     

自适应网络教学系统中知识表示模型的设计

针对知识库是教学系统的核心,是实现系统智能化的关键。为了提高网络教学系统的决策和诊断能力,满足自适应学习的需要,设计了一个基于层次结构的语义网络和产生式的二级知识表示模型,提出了广度优先的知识点剪枝算法和深度优先的知识点遍历算法,对所学习知识点进行选取及对相应的知识网络遍历,并通过采用知识点学习的智能导航算法仿真学生在系统中自适应学习的全过程。实验结果表明,知识模型的设计有助于实现网络教学资源动态组织和教学策略的动态调整,能够更好地为学生提供个性化的学习参考需要,为系统决策分析提供参考依据。     

基于GP-DINA的教师继续教育的自适应学习系统设计

针对现有教师继续教育的培训效果不佳问题,从教师继续教育模式出发,结合知识图谱技术和DINA模型,设计了一个教师继续教育自适应学习系统.为了提高系统的推荐学习的准确性,采用知识图谱技术表现知识和其相互关系,并加入了知识融合和质量评估模块,保证知识的多样性和质量;提出一种基于DINA模型的教师认知诊断模型,并引入了潜变量和...