基于BBS的远程教育文学课程学习状态浅析

随着全国电大远程开放教育教学的不断深化,电大在线BBS课程讨论区的运用已成为网上教学活动的亮点,也成为反映学生学习状态的有效途径之一.深入探讨了现代远程教育文学课程BBS课程讨论区交互行为的现状,继而重点阐述了现代远程教育文学课程学生学习状态的现状和改进措施.     

分布式虚拟学习环境应用浅析

分布式虚拟学习环境作为一种新兴的网络学习环境,它在区别于传统学习环境的同时,形成了哪些自身具有代表性的特征,其应用又受到哪些内在性因素的影响以及如何改进。本文以新浪UC远程教育空间为例,针对上述问题进行了部分探索性、深入性的分析和解读,以期对促进分布式虚拟学习环境在现代远程教育中的精致化、合理化应用有所裨益。     

关于网络的高校远程教育学习支持服务探析

学习支持服务在高校远程教育中的重要地位是由远程教育所存在的特点及其性质而决定的,本文通过对远程教育中目前存在的问题进行分析,针对性的提出了基于网络的高校远程教育学习支持服务对策,通过加强学习支持服务,提高远程教育教学质量。     

基于深度学习的电厂电力设备运行状态分析

为解决传统电厂电力设备运行状态分析残差高的问题,基于深度学习分析电厂电力设备运行状态,通过定义电厂电力设备运行状态变量,基于深度学习表达电厂电力设备运行状态,实现电厂电力设备运行状态分析.实例分析结果表明,该设计方法的分析残差明显低于对照组,能解决传统电厂电力设备运行状态分析残差高的问题.     

基于混合式学习理论的现代远程教学模式构建——以“秘书资格证书专题”课程为例

把混合式学习的理念、方法应用于现代远程秘书专业"秘书资格证书专题"课程中,遵循该课程的原则和规律,试图通过教学内容的选择与组合、教学过程的设计、教学评价方式的改变以及混合学习指导下实践教学的开展,探索出符合远程学生培养目标的,科学合理、简便易行的基于混合式学习理论的教学模式。     

基于大学生自主学习的课程建设

自主学习是现代教育学和心理学领域的热点问题,而大学生由于其自身学习的特点更需要提高自主学习的能力。从促进大学生自主学习的课程建设的角度,首先对自主学习的相关概念进行了辨析,并结合现状指出大学生自主学习存在的问题。最后从教学内容设计、教学策略的运用、评价体系的完善和技术手段创新等角度对如何提高大学生自主学习能力提出了具体的建议措施。     

基于动态协作学习的课程教学研究

协作学习已成为课程教学中一种非常重要的教学模式.提出基于动态协作学习的课程教学形式,并对课程教学过程进行设计,对不同类型的课程知识采取不同的学习方式,从而实现个性化个体学习及协作学习的因材施教.     

基于多样性增强集成学习的电池健康状态评估

为了提高多样性、小样本数据条件下电池健康状态的评估精度,基于集成学习理论提出了一种多样性增强的Stacking集成学习回归算法。该算法核心思想是通过基于动态时间规整的K-均值聚类算法构建多样性数据,然后采用Stacking集成学习回归算法学习数据的多样性特征,获得更佳的模型精度,并增强模型对多样性数据的泛化能力。Stacking集成学习回归算法由多个基学习器和一个输出学习器构成,首先通过多个基学习器获得初步结果,然后通过输出学习器对初级结果进行进一步学习获得最终结果。最后采用美国国家宇航局的公开电池数据集验证了算法的有效性。     

基于半监督学习的输电线路状态预测

输电线路状态评估及预测对于合理制定运维策略、提高运维水平具有重大意义。针对现有模型无法兼顾鲁棒性和数据需求量的问题,本文提出一种基于半监督学习的状态预测方法。首先,对拓展后的特征向量,利用正则矩阵填补缺失数据,并通过表征学习解决稀疏编码问题。然后,借助少量标注样本初步确定线路区段在不同缺陷状态下的类别中心。最后,使用未标注样本对模型估计参数进行修正。算例分析表明,该方法与现有模型相比,识别准确率大幅提升且数据使用效率更高。     

基于深度学习的配电网故障风险及状态检修

针对当前配电网采用的检修方式没有综合考虑可靠性、安全性和经济性且采用的方法较传统的问题,提出了基于深度学习的配电网故障风险成本量化与状态检修方法.首先,对配电网中的变压器、架空线路、电缆线路及断路器等设备分别建立健康状态评估模型,并计算配电网综合故障概率;其次,分别提出了变压器、架空线路、电缆线路、断路器的故障风险成本...     

基于不均衡数据集成学习的大型电力变压器状态评价方法

大型电力变压器构造复杂,设备成本高,是电力系统的关键组成部分,其运行状态与电力系统的安全稳定密切相关,因此变压器状态评价已成为常态运维业务工作.然而目前状态评价工作严重依赖导则与专家经验,人力成本高,易受到主观影响:而已有模型往往直接应用标准算法,在实际生产环境中表现不佳.针对目前大型电力变压器状态评价在数据质量、样本...     

基于深度特征学习的汽轮机转子状态识别方法

复杂汽轮机转子振动信号的非平稳性和非线性等问题,会严重影响到汽轮机转子的状态识别。为了保证汽轮机转子的安全运行,提出一种基于对称点模式(symmetrized dot pattern,SDP)特征融合的卷积神经网络(convolutionneural network,CNN)状态识别方法。该方法通过基于SDP分析方法对汽轮机转子各方向、各位置的信号进行特征融合,获取融合特征的SDP图,最终基于CNN进行融合特征SDP图像识别,实现转子故障状态识别。与其他状态识别方法相比,该方法提高了不同状态特征的表征差异,进而提高了学习效果和识别精度。同时,对比实验结果表明,相较于其他状态识别方法,该方法对转子振动状态识别精度最高,达到了96%。     

基于深度迁移学习的时变拓扑下电力系统状态估计

针对电力系统拓扑实时变化导致数据驱动状态估计器不可用的情况,提出一种基于深度迁移学习的数据驱动状态估计方法.将原拓扑海量历史数据训练得到的模型作为基础模型,当新拓扑实时量测数据更新时,加载和保存基础模型中特征提取层的权重和参数,只需要微调模型的全连接层,即可获得适应于新拓扑的神经网络,提高了数据驱动状态估计模型的自适应性和泛化性能.通过对IEEE标准系统和中国某实际省网的算例测试,并将其估计结果与加权最小二乘法和加权最小绝对值法进行比较.结果表明,在考虑拓扑时变性的情况下,该算法与上述2种物理算法相比具有更优的估计性能和估计效率.     

基于机器学习的课程学习预警与帮扶

对学习有困难的学生提供预警与帮扶,是工程教育专业认证的基本要求之一。课程是学生学习过程的基本构成单元。与课程的形成性评价过程相结合的学习预警,可以在课程学习过程中识别学习困难学生并进行有针对性的帮扶,从而使更多学生能够通过努力达成课程学习目标,为最终达成毕业要求提供有效支撑。本文基于课程形成性评价成绩数据,采用机器学习算法设计课程学习的滚动预警方法,给出了实现过程中的技术细节,讨论了设计帮扶措施的基本原则。实践表明,所述算法能够有效识别学困学生,帮扶措施能够改善学习成果。     

基于无人机图像与迁移学习的线路绝缘子状态评价方法

针对目前绝缘子运维过程存在着规程过于繁杂,过于依赖运维人员的人工识别等问题,文中提出了一种绝缘子状态评价方法,该方法采用历史绝缘子缺陷图像作为训练样本,通过迁移学习在小样本数据处理的优异性能实现基于深度卷积神经网络绝缘子的缺陷识别模型训练,并借助卷积神经网络的特征提取能力实现绝缘子缺陷量化评分,结合历史样本与专家经验实现考虑运行年限、外界环境等因素实现绝缘子综合状态评价。通过实例分析表明文中迁移学习模型训练后绝缘子缺陷识别准确率可达到90%以上,而采用全新学习在同样的样本条件下识别准确率仅为70%,且文中建立的评价模型在日常运维中能够更为灵敏地体现绝缘子的缺陷状态,说明文中评价方法具有相当可靠性,可为运维人员的日常维护安排提供经验。     

浅析混合式学习理论在c语言程序设计课程教学中的应用

本文全面分析了混合式教学的理论基础、我国当前的教育现状以及教学环境。论证了开展混合式教学的可行性，以《c语言程序设计》为例讨论如何在教学中使用混合式教学。并把混合式学习应用到《c语言程序设计》的教学。     

基于多模型融合集成学习的智能变电站二次设备状态评估

为准确评估智能变电站二次设备运行状态,建立了二次设备状态评估指标体系,并结合多种机器学习算法的差异性,提出了基于多模型融合集成学习的二次设备状态评估法。该方法采用双层结构,上层中利用划分好的数据对数个基学习器进行k折验证,下层中利用全连接级联神经网络融合多个基学习器,并采用改进的列文伯格-马夸尔特算法训练该神经网络加速模型收敛。实例分析表明,所提出的方法可以准确地评估二次设备的运行状态,并为智能变电站系统和二次设备的检修工作提供指导意见。     

优化学生的学习行为

学生进行认知学习的行为方式非常之多,如静思冥想、专注听讲、查阅材料、询问辩论、合作探究、实验操作等。不同的学习内容、学习环境以及学生的性格、年龄等都会影响学习行为,进而产生不同的学习效益。在信息技术课程中,要根据学生的学习行为方式改革教学方法、教学过程,如故事教学、虚拟教学、自主探究、合作学习等。     

基于Web Service架构的企校培训体系平台的分析与研究

本文从目前企校培训合作的社会需求出发,结合Web Service开发技术及应用,阐述了企校培训体系平台的一般模式及主要技术手段。作者结合实例,提出了一个应用于远程培训的Web交互系统模型,同时对该模型的实现方法及主要特点进行了分析,对模型的应用进行了展望。