高职生网络学习认知负荷框架的理论研究

网络学习的迅速普及对网络学习理论研究提出了新的要求和挑战,从认知负荷的取向出发研讨网络学习平台的系统品质知觉、信息品质知觉、自我效能以及网络学习任务特性等交互作用下对网络学习所产生的认知负荷,及其对有用知觉（PU）和易用知觉（PEOU）的影响,确定认知负荷在技术接受模型中所扮演的前置角色,是网络学习基本学理研究的前端内容,对网络学习行为研究有着重要的指导作用。完成高职学生网络学习认知负荷框架的理论建构,将为后续的实证研究实现良好开端。     

自媒体环境下网络课程实施效果评价

社会进入自媒体时代,网络课程和网络在线学习语言已成为研究的热点。文章利用网络平台在线调查和问卷调查的方法分别从资源获取、使用效率、学习影响等方面对高校网络课程的应用现状进行了调查分析。研究结果表明,大部分学生对网络课程学习持肯定态度,都有在线学习的经历,但现阶段大学生对网络课程资源的有效利用仍然处于较低层次。另外,以M大学英语专业高级英语课程作为个例,研究了网络课程对大学生学习效果的影响。结果表明参加网络课程学习的学生的平均成绩略高于只参加课堂学习的同学,但是两者之间并不具有统计学意义上的显著差异。最后,文章讨论了评价大学生网络课程学习行为和学习效果的方法,并提出了提高大学生自主学习能力的一些建议。     

基于深度学习的行为识别算法综述

人体行为识别一直是计算机视觉研究中的热点.随着近几年人体行为识别在虚拟现实、短视频等方面的广泛应用,以及深度学习算法的快速发展,基于深度学习的行为识别算法层出不穷.相较于传统方法,基于深度学习的行为识别算法具有鲁棒性强、准确率高的优点.基于此,本文对近年来提出的基于深度学习的行为识别算法进行了梳理,并对由双流卷积网络和...     

基于深度学习的行为识别算法综述

人体行为识别一直是计算机视觉研究中的热点.随着近几年人体行为识别在虚拟现实、短视频等方面的广泛应用, 以及深度学习算法的快速发展, 基于深度学习的行为识别算法层出不穷.相较于传统方法, 基于深度学习的行为识别算法具有鲁棒性强、准确率高的优点.基于此, 本文对近年来提出的基于深度学习的行为识别算法进行了梳理, 并对由双流卷积网络和3D卷积网络结构发展而来的行为识别的系列算法进行了重点介绍, 并总结了各种算法的性能和成果, 最后对该领域进行了展望.     

信息化背景下大学生网络学习行为实证研究

从教师引导、任务驱动、学生自控、技术支持、社会支持、资源支持6个关注点,以及大学生网络学习的外在环境、内在行为习惯和中介影响因素等方面进行问卷调查.基于学习行为学理论,采用SPSS 17.0数据处理软件对大学生网络学习行为进行分析,以矫正大学生不科学、不合理的网络学习行为,提高网络学习效率.     

大学生网上学习资源利用现状研究——以S大学为例

高等教育普及化背景下,大学生学习需求呈现出多元化趋势,传统的学校课堂学习资源已经不能满足当前大学生多元化的学习需求。网络学习资源应运而生并不断丰富,如何提升利用网络学习资源的能力已成为当代大学生个人能力和素质的重要内容。通过对S大学在校学生进行问卷调查,研究当前大学生的网络学习行为状况、网络学习资源的利用情况,并采用典型相关分析来研究这两者之间存在的内在联系。     

采用LSTM模型的Android应用行为一致性检测

针对Android应用数目庞大、功能多样而难以准确验证应用实际类别的情况,对Andriod应用的网络行为进行分析研究,提出应用的行为一致性理论,并实现一种基于网络行为一致性验证的LSTM分类模型.通过构造不同场景事件组合来触发不同功能类别应用运行时的网络行为,提取有效的网络特征构建成网络事件行为时序序列,并设计带有特殊输入结构的LSTM循环神经网络模型,对网络事件行为时序序列中潜在的行为模式进行学习与建模.实验验证结果表明,Android应用样本具有行为一致性;所提出的LSTM网络模型能有效地学习与归纳不同类别应用的网络行为模式;最优模型的平均分类准确性可达92.58%,优于常见的面向Android应用的机器学习分类模型.     

基于贝叶斯网络模型的在线学习行为分析

线上线下结合的教学模式是未来教学的一个趋势,每一个学生的学习行为会直接影响学习结果,因此研究学习者学习行为对学习成绩的影响程度是目前的研究重点。目前常见的评价模型存在可信程度较低、可解释性较弱等问题,本文使用基于证据推理的贝叶斯网络(Bayes Network, BN)能够有效地解决这一问题。把方法应用在学习行为分析上,与常用的机器模型和深度学习模型进行比较,表现出更低的误差和更强的可解释性。     

运用现代网络传播技术 开拓思想政治工作新路——构建高校网上思想政治教育体系的思考与探索

高校党组织应高度关注和研究信息网络发展的新动向 ,抓紧学习网络知识 ,善于利用网络开展思想政治工作 ,努力掌握网上斗争的主动权。从三个方面着手开展工作 :一、加强网络研究 ,建立网络阵地。二、培养专业队伍 ,提高工作水平。三、强化法制意识 ,规范网络行为。     

教学网站记录学生学习过程研究

教学网站中学习者的学习行为和过程的记录，对于网络教学来说，显得尤为重要，学习行为和过程的记录是我们评估网络教学效果的重要参数。本文是作者在教学网站设计过程中，对如何记录学生学习过程进行的探讨。     

Layered learning of soccer robot based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＲｅｃｅｎｔｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｓｈａｖｅｂｅｃｏｍｅａｌａｒｇｅｆｉｅｌｄｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ[1 ] ,Ｇｅｎｅｒａｌｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｉｓｄｅｆｉｎｅｄａｓｔｈｅｓｙｓｔｅｍｃｏｍｐｏｓｅｄｏｆｍｏｒｅｔｈａｎ 2ｒｏｂｏｔｓａｎｄｐｅｒｆｏｒｍｓｔｈｅｔａｓｋｓｂｙｃｏｏｐｅｒａｔｉｏｎ .Ｔｈｅｓｙｓ ｔｅｍｈａｓｄｉｆｆｅｒｅｎｔｆａｃｔｏｒｓｃｏｍｐａｒｅｄｗｉｔｈｓｉｎｇｌｅｒｏｂｏｔｓｙｓ ｔｅｍ …     

基于MOOC的学习行为评价量规研究

文章通过分析MOOC学习与评价的特点,在论述了量规的定义、作用和开发步骤的基础上,比较了当前MOOC课程平台评价标准及适用范围,初步开发了一套基于MOOC的学习行为评价量规,并阐述了量规的评价指标设置、权重和评价等级划分,探讨了网络学习行为评价量规的开发途径和方法。     

网络课件中监控策略的设计与实现

随着计算机互联网的普及和发展,网络化教学已成为现代教育技术发展的趋势和方向。相对于传统的单机版多媒体课件,网络课件突破了时空限制,从而实现真正的远程教学和广域教学。但由于这种模式缺少有效监控和约束手段,对学生的学习情况以及教学质量等信息掌握匮乏,无法做出综合性、客观性的评价。针对这一问题,对一些常见情况设计并实施了相应的监控策略,可以有效约束学生的学习行为,并提供客观的学习信息,从而达到教有所学的目的。     

Robot soccer action selection based on Qlearning

0　ＩＮＴＲＯＤＵＣＴＩＯＮＮｏｍａｔｔｅｒｔｈｅｄｏｍａｉｎ ,ｍｕｌｔｉｒｏｂｏｔｓｙｓｔｅｍｄｅｓｉｇｎｉｓｃｈａｌｌｅｎｇｉｎｇｂｅｃａｕｓｅｐｅｒｆｏｒｍａｎｃｅｄｅｐｅｎｄｓｓｉｇｎｉｆｉｃａｎｔｌｙｏｎｉｓｓｕｅｓｔｈａｔｓｏｌｅｌｙｆｒｏｍｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎｒｏｂｏｔｓ .Ｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓｏｆｃｏｎｓｔｒｕｃｔｉｎｇｉｎｔｅｌｌｉｇｅｎｔｒｏｂｏｔｉｃｓｙｓｔｅｍｓ,ｅｍｐｌｏｙｉｎｇａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ ｂａｓｅｄｔｅｃｈ …     

连续动作强化学习及其在机器人中的应用研究

讨论了连续动作的强化学习系统实现及学习方法。首先介绍了连续动作的强化学习系统的组成原理,讨论了采用神经网络实现强化学习系统的方法,然后,介绍了强化学习机制在智能机器人避碰行为学习系统中的应用,并给出了系统的仿真结果。仿真结果表明机器人具有较好的避碰能力。     

基于Q学习与CBL结合的机器人足球行为学习研究

提出了一种足球机器人基于Q学习与案例学习（CBL）相结合的自主学习机制。足球机器人通过给定的当前位置和奖赏信号,自己学习来实现特定的动作,为了降低学习时的计算复杂度,状态空间通过分段映射为不同的类别,根据其普遍性以及有限的所必须的计算机内存,采用神经网络的学习来执行其动作。     

基于Q-learning的机器人避碰控制方法的研究

首先介绍了基于表格Ｑ－ｌｅａｒｎｉｎｇ的方法,然后提出了一种用神经网络实现的Ｑ－ｌｅａｒｎｉｎｇ方法,利用这种方法实现机器人避磁糙为学习,燕进行了领导具试验,最后讨论了提高强化学习速度的方法。     

计算智能在心理学中的应用

摘要：计算智能是借助现代计算工具模拟人的智能机制、生命演化过程和人的智能行为而进行信息获取、处理、利用的理论和方法,它是人工智能的深化和发展.计算智能适用于心理学领域诸多方面的研究,其中的神经网络模型已经成为探讨社会认知、记忆、学习等高级心理过程内在机制不可或缺的工具,它的出现使人们找到了分析人的内部心理过程和状态的新途径.计算智能在效度凭证的求取、等级效标分数的预测、管理人员选拔、智能组卷等心理测量方面均已展开了研究,并取得了很好的效果.计算智能在心理学领域蕴藏着广阔的应用前景.