海外子公司网络学习效果的量表开发及其验证性因子分析——以东道国网络为例

借鉴组织学习和网络组织理论,对网络学习效果理论进行了发展,设计了网络学习效果的量表,并通过收集123家跨国公司在华子公司的样本进行信度分析、效度分析和验证性因子分析,检验了网络学习效果量表的有效性.     

基于SNS的网络合作学习环境探析

分析了网络合作学习环境的现状和SNS的特点,并在此基础上提出了基于SNS的网络合作学习环境的构成要素、基本模型和学习模式,为网络合作学习提供了一个平等、协作的环境。     

网络环境下成人外语教学模式的构建及实施策略

网络信息技术提供的丰富课程资源克服了传统教育在时空和教育资源等方面的局限,为外语学习提供了广阔的空间.本文阐述了网络环境下成人外语教学模式及其理论基础和实施策略.     

网络环境下的英语教学

网络环境下的英语教学是以现代网络技术为依托,为学生提供全方位立体化的英语教学环境。Internet的高速发展为优化外语教学和学习环境带来了无限生机和希望,其优势不仅在于其丰富的学习资源,更在于为英语学习者开辟了一个相互学习、交流和切磋的广阔天地。网络的应用,使英语教学真正做到了走出课本、跨出课堂、走向世界,使教学内容化虚为实、化静为动、化抽象为具体,     

在小学生中开展网络学习的思考

随着计算机网络的发展,网络在人们生活中扮演着越来越重要的角色。网络的远程教育可以使优质的教育资源得到共享,在一定程度上满足学生的学习需求。目前小学生也常常接触网络,为开展小学生的网络教学提供了基础,但是如何提高小学生网络学习的质量成为当前需要解决的问题。本文立足于此,对当前的网络学习进行了简要介绍,并提出了小学生在网络学习中需要注意的问题,以期对提高小学生的网络学习效果有所助益。     

大学生网络学习适应性差异的调查与分析

网络学习已成为大学生必要的学习方式,但网络学习与传统学习一样都存在学习适应问题。大学生网络学习适应性的强弱会影响其学习质量,还会影响其人生的发展。本文利用自编问卷,对湖南省四所高校的600名在校大学生做了网络学习适应性的调查,对调查结果统计分析,并提出了建议。     

大学生网络学习适应性差异的调查与分析

网络学习已成为大学生必要的学习方式,但网络学习与传统学习一样都存在学习适应问题.大学生网络学习适应性的强弱会影响其学习质量,还会影响其人生的发展.本文利用自编问卷,对湖南省四所高校的600名在校大学生做了网络学习适应性的调查,对调查结果统计分析,并提出了建议.     

网络环境下成人外语教学模式的构建及实施策略

网络信息技术提供的丰富课程资源克服了传统教育在时空和教育资源等方面的局限，为外语学习提供了广阔的空间。本文阐述了网络环境下成人外语教学模式及其理论基础和实施策略。     

基于Netica的自学习贝叶斯网络的构建

针对贝叶斯网络构建时参数与结构难以自适应调整,提出基于Netica的自学习贝叶斯网络的构建方法。首先根据Netica要求处理样本数据集,然后运用Netica基础函数开发结构学习模块和参数学习模块,进而能够构建出自动学习样本数据集的贝叶斯网络。同时,开发了概率推理模块和证据敏感性分析模块以评估所建网络的有效性。以国家电网的短路故障样本数据为例建立其自学习贝叶斯网络,实验构建的自学习贝叶斯网络能够实现不确定性推理,表明所提方法是贝叶斯网络功能实现的一个新途径。     

建构主义学习理论在高级英语多媒体网络教学中的应用研究

《高级英语》是一门英语专业必修课程，着重提高学生的英语综合运用能力，随着多媒体网络技术的快速发展和应用，高级英语的教学理念和学习方式也相应地发生改变。本文在总结高级英语教学经验的基础上，依托多媒体网络教学平台，探讨建构主义学习理论在高级英语教学中的应用，从而以建构主义学习理论为指导，将多媒体网络技术真正融合到教学过程之中，改进高级英语的教学方式，提高教学水平，激发学生的学习兴趣，提高学生学习的主动性、交互性和创新性，增强学生的欣赏理解能力和语言应用能力。     

基于深度强化学习的输电网网架规划方法

为解决现有输电网规划方法在多场景情况下存在的灵活性不足的问题,同时进一步提高规划方法的运算效率,文章提出一种基于深度强化学习的输电网规划方法。首先,通过聚类方法,以系统信息熵最小为目标,生成用于规划的电网典型场景,并建立适用于多场景的输电网灵活规划模型。其次,综合运用深度强化学习方法及Actor-Critic方法,提出适用于输电网规划的改进指针网络模型,并采用改进指针网络与Actor-Critic结合的方法(revised pointer network with Actor-Critic, RPNAC)对规划模型进行求解。最后,基于IEEE标准算例进行计算及数据分析,验证了文章所提方法的科学性和高效性。     

学习社区网络结构与知识共享效果关系的实证研究

借鉴社会网络分析方法和结构方程建模,从学习社区的关系嵌入和位置嵌入两方面来研究学习社区的社会网络结构对知识共享的作用机理,收集167份样本进行实证检验发现:学习社区成员的关系强度越大,知识共享效果越高;学习社区成员的社区地位差距越大,知识共享效果越好。     

基于区间算法和范例学习的配电网网架规划

考虑配电网网架规划中的不确定因素,建立了配电网网架区间规划模型。结合配电网辐射状运行的特点,提出了简单实用的配电网区间潮流计算的端点法。对基于Agent行为和范例学习的遗传算法中的“范例学习”部分进行了修改,使其适应于配电网网架区间规划模型的求解。算例结果表明,提出的算法可以得到鲁棒性强的规划方案。     

广泛学习量子进化的含分布式电源配电网重构

在分布式发电条件下对配电网重构问题进行研究,可进一步提高系统供电的安全性与可靠性,同时有效地减小线路损耗,这对实现配电自动化,建设智能配电网有着重大作用和意义。通过对量子进化算法基本理论进行介绍并将其与广泛学习的思想相结合,提出基于广泛学习的量子进化算法,并应用于配电网优化重构。以IEEE33节点系统为例,通过仿真实验分析不同数量的DG接入电网中,系统的网损和电压变化情况。MATLAB仿真结果验证了方法的有效性。     

基于强化学习的电力通信网故障恢复方法

大规模的自然灾害或恶意攻击会引发智能电网中电力通信网的严重故障,如果不能及时恢复,将给电力系统的安全稳定运行带来极大的风险。为解决电力通信网络大规模故障后的恢复问题,在通信链路恢复资源有限的约束下,建立以失效业务数量恢复最大化为目标的电力通信网大规模故障后链路恢复模型。针对该模型,提出一种基于强化学习的启发式算法,该算法利用链路恢复资源和故障链路在失效业务中的重要度,设置奖惩函数和选择规则,并累积奖励最大值,得到最优链路恢复组合。实验结果表明,提出的电力通信网故障恢复方法可以在恢复资源有限的约束下,恢复较多的失效业务。     

基于深度学习网络的输电线路异物入侵监测和识别方法

为解决输电线路异物入侵在线监测图像样本量较小的问题,针对异物图像特点,提出了一种基于深度学习的输电线路异物入侵监测和识别方法.首先选取典型正常运行输电线路图像和目标异物图像,采用条件生成对抗网络算法对有异物入侵的输电线路图像进行样本扩充.然后将Dense-net网络替代YOLOv3网络中倒数第二层网络,建立Dense-...     

基于深度强化学习的主动配电网高恢复力决策方法

随着全球极端天气事件频发,电力系统在极端自然灾害下恢复力的研究日益受到关注。本文提出基于深度强化学习的高恢复力决策方法,将极端灾害下配电网运行状态和线路故障状态作为观测状态集合,自学习智能体Agent在当前环境观测状态下寻求可行的决策策略进行动作,定义自学习Agent的回报函数以进行动作评价;采用观测状态数据,开展基于竞争深度Q网络(dueling deep Q network,DDQN)的深度强化学习(deep reinforcement learning,DRL)训练,智能体Agent通过试错学习方式选择动作,试错经验在估值函数Q矩阵中存储,实现状态到主动配电网实时故障恢复策略的非线性映射;最后结合改进的IEEE 33节点算例,基于蒙特卡罗法仿真随机故障场景,对所提出方法生成的故障恢复随机优化决策进行分析。结果表明:通过主动配电网的分布式电源、联络开关和可中断负荷的协调优化控制,可以有效提升极端灾害下供电能力。     

BP神经网络对驻极体麦克图像特征识别的研究

人工神经网络是特征识别的有力工具。在研究对驻极体麦克图像识别方法的基础上,本文提出了一种用改进的BP神经网络进行图像特征的识别和学习算法,并给出了动量系数和学习率的调整方法。对比传统方法测定的结果,使用改进的BP神经网络在识别不规则特征时：减少了输入信息冗余,网络结构相对简单;神经网络输出的各项指标明显提高了精度,对麦克图像特征的平均识别正确率达到92．7％;识别速度也满足在线实时检测的要求。理论分析和实验均表明该算法能实时有效地检测出驻极体麦克图像的特性。本文为研究图像不规则特征的识别提供了一种新的方法。     

函数联接神经网络的实验研究

函数联接神经网络具有结构简单 ,易于实现 ,扩展性和通用性强等许多优点 .利用面向对象方法实现了函数联接神经网络的几种模型 ,探讨了该网络的变结构调整问题 ,并通过实际的例子对网络的不同模型进行了实验研究 ,提出了一个新的学习因子动态调整算法