基于真实性学习的初中信息科技项目式学习实践

本文基于当前信息科技学科教学存在的“伪项目学习”问题,结合“Python程序基本结构”单元教学,试从一个“挑战性”问题、一群“关联性”任务、一系列“有过程”的证据和一场“重仪式”的成果展来深化项目化真实性特征,让学生与真实世界连接,引领学生走向未来。     

基于多任务对抗和抗噪对抗学习的人脸超分辨率算法

高倍率单幅人脸图像超分辨率重建是一项具有实用价值但困难的任务.在人脸超分辨率任务中,端到端网络超分辨率图像较模糊,图像真实性和人眼视觉效果较差.针对上述问题,文中提出基于多任务对抗和抗噪对抗学习的人脸超分辨率算法.算法分为端到端网络学习阶段和网络参数微调阶段.为了提高端到端学习效果,设计深度多任务拉普拉斯金字塔网络,并结合多任务对抗学习.主任务为端到端学习,子任务为优化对抗学习惩罚项函数.为了改进通过对抗学习并微调主任务网络参数后的效果,在对抗学习的判别器优化过程中,融入抗噪对抗学习.实验表明,文中算法能使人脸超分辨率图像更具有图像真实性,更符合人眼视觉习惯.     

主题探究性学习网站建设的探索与实践

网络信息技术的不断发展和信息技术与学科的不断整合,逐渐为教育教学工作提供了信息化发展的空间,为学生自主学习、协作学习、探究学习提供了强有力的保障。特别是主题探究性学习网站的出现,无疑给学科教学注入了新的活力。本文结合初中语文学科主题网站建设的实际,认为探究性学习主题网站具有主题性、真实性、针对性的特征;网络环境下的探究性学习网站建设应该遵循科学性、主体性、实用性、整合性、创造性的原则;从资源建设框架的构思与设计、资源的收集、资源的设计、整理与网站形成三个方面对创作方法进行了阐述,并总结了实践中的深刻体会。     

面向计算思维培养的真实问题设计与教学实施

倡导真实性学习是《义务教育信息科技课程标准(2022年版）》五大课程理念之一,真实性学习也是计算思维培养的重要过程,而真实问题的设计是真实性学习的起始和重要载体。本文基于真实性问题设计的意义和现实困境,以《幸运大转盘》一课为例,梳理出真实性问题的设计原则及教学实施策略与技巧,以此促进真实性学习的落地与实施。     

工程制图CAI课件中学习情境的设计

学习情境的设计是课件开发过程的重要组成部分,如何将学习内容融入具体的情境是课件开发的关键.论文介绍了体现真实绘图情境、由形到图、形象直观、仿真学习情境的设计方法.课件开发中以适应学生的认知结构、真实性、选择性、吸引力和整体性为学习情境设计的基本原则,以 Powerpoint 为平台,应用 AutoCAD、Solidwo...     

基于课程学习的深度强化学习研究综述

作为解决序贯决策的机器学习方法,强化学习采用交互试错的方法学习最优策略,能够契合人类的智能决策方式。基于课程学习的深度强化学习是强化学习领域的一个研究热点,它针对强化学习智能体在面临高维状态空间和动作空间时学习效率低、难以收敛的问题,通过抽取一个或多个简单源任务训练优化过程中的共性知识,加速或改善复杂目标任务的学习。论文首先介绍了课程学习的基础知识,从四个角度对深度强化学习中的课程学习最新研究进展进行了综述,包括基于网络优化的课程学习、基于多智能体合作的课程学习、基于能力评估的课程学习、基于功能函数的课程学习。然后对课程强化学习最新发展情况进行了分析,并对深度强化学习中的课程学习的当前存在问题和解决思路进行了总结归纳。最后,基于当前课程学习在深度强化学习中的应用,对课程强化学习的发展和研究方向进行了总结。     

虚拟乒乓球手的强化学习训练方法

沉浸感是虚拟现实应用的重要特征之一,而虚拟场景中角色行为的智能性与真实性对虚拟现实应用的沉浸感有着显著影响.利用强化学习方法对球拍的击球策略进行训练,根据乒乓球游戏规则设计了一系列奖励函数,使之能根据来球起点位置与初始速度生成球拍的有效击球轨迹;进而以球拍轨迹约束虚拟球员的持拍手腕关节,采取逆向运动学与强化学习相结合的方法估计出球拍击球时虚拟球手的击球动作,得到能用合理姿态进行成功击球的虚拟球手.消融分析实验验证了所提出的奖励函数的合理性与有效性;测试实验则表明,所设计的虚拟球手能以合理的击球动作击球,成功率达到93%以上,与基于模仿学习的方法相仿,且高于其他方法;但基于模仿学习的方法需要物理采集训练数据,而训练强化学习网络所需的数据只需随机生成,所需代价更低.     

超级分布学习对象的学习服务研究

以超级分布学习对（super distributed learning object,SDLO）的寻找伙伴服务为例,对SDLO的学习服务、学习服务的通信进行了描述,并给出学习服务算法,最后利用Aglet2．0．2开发出了SDLO原型系统,对SDLO的学习服务进行了验证。SDLO的学习服务是其分布性、协作性等特性的重要体现,为知识的交流、共享与创新提供了有力支持,从而达到分布式学习和协作学习的目的。     

基于强化学习的多移动Agent学习算法

结合强化学习技术讨论了单移动Agent学习的过程,然后扩展到多移动Agent学习领域,提出一个多移动Agent学习算法MMAL(MultiMobileAgentLearning)。算法充分考虑了移动Agent学习的特点,使得移动Agent能够在不确定和有冲突目标的上下文中进行决策,解决在学习过程中Agent对移动时机的选择,并且能够大大降低计算代价。目的是使Agent能在随机动态的环境中进行自主、协作的学习。最后,通过仿真试验表明这种学习算法是一种高效、快速的学习方法。     

从教育学习理论看CAI课件写作

行为主义、认知主义、建构主义都曾经指导了CAI课件写作。情境认知与学习理论继承并发展了其他教育学习理论对CAI课件写作的指导,认为:CAI课件中知识的意义不能脱离具体的情境产生。真实性是创设情境的前提,情境创设应符合现实生活场景和事物运动的客观规律,情境性教学应作为CAI课件写作的最重要目标进行设计,要因人、因时、因地而异。此外,情境创设还必须保持情境的知识性、科学性、思想性和趣味性的统一。通过教育学习理论指导CAI课件写作,使CAI课件更符合教育规律,能够更好地服务于教学活动和学习活动。     

基于问题的学习模式——五年级英语A new term的教学设计

基于问题的学习(Problem-based Learning)模式是基于现实世界的以学生为中心的教育方式,它是以问题为学习的起点,学生的一切学习内容是以问题为主轴所架构的。它将学习与更大的任务或问题挂钩,使学习者投入问题中;它设计真实性任务,强调把学习设置到复杂的、有意义的问题情境中,通     

信息科技学科中BSCS 5E学习模式的实证研究——以《身边的数字设备》为例

基于真实性问题展开的信息科技学科的学习过程,关注对整体内容的多维认知。通过基于BSCS 5E学习模式的设计,可以有效引起学生学习兴趣,保持学习动力。本文以三年级的《身边的数字设备》为例,展开相应的实践研究。     

区块链技术在高职院校学生学习档案管理中的应用研究

高职院校的学生培养更注重实践能力,学校的学生档案和电子信息系统并没有全面充分地记录学生的实践成果.研究利用区块链技术建立学生学习档案系统,全面记录学生在校的学习成果,基于区块链技术的去中心化、可信任、不可篡改等特性,能保证系统数据的真实性,用人单位可以通过档案系统更全面地了解学生.     

基于学习风格的网络学习共同体模式构建

基于学习风格下构建的网络学习共同体,具有良好的凝聚能力以及互动能力,可调动成员的学习积极性,提高成员的学习效率。此外,加强网络学习共同体模式的构建,可有效培养成员的集体协作精神,提高成员的社会交际能力,为成员之后的发展奠定良好的沟通能力。笔者对网络学习共同体模式的构建进行研究,对网络学习共同体的基本功能、关键要素以及构建策略进行了详细分析。     

元强化学习综述

强化学习在游戏对弈、系统控制等领域内表现出良好的性能,如何使用少量样本快速学习新任务是强化学习中亟需解决的问题。目前的有效解决方法是将元学习应用在强化学习中,由此所产生的元强化学习日益成为强化学习领域中的研究热点。为了帮助后续研究人员快速并全面了解元强化学习领域,根据近年来的元强化学习文献对研究方法进行梳理,将其归纳成基于循环网络的元强化学习、基于上下文的元强化学习、基于梯度的元强化学习、基于分层的元强化学习和离线元强化学习,对五种类型的研究方法进行对比分析,简要阐述了元强化学习的基本理论和面临的挑战,最后基于当前研究现状讨论了元强化学习的未来发展前景。     

浅析泛在学习环境下的学习服务管理系统

本文从泛在学习出发,简单地介绍了泛在学习环境,提出泛在学习环境下的学习服务管理系统的概念,并对其主要功能模块和总体架构进行了阐述。     

基于多模态深度学习的汽车虚拟驾驶环境生成方法

为促进自动驾驶技术的发展,采用基于多模态图像深度学习的汽车虚拟驾驶环境生成方法,同时生成包含多个物理场景的多模态图像。利用部分共享的隐空间构建编码器和生成器,采用域不变特性的感知损失,通过Cityscapes和Comma2k19数据集进行对比实验,采取多样性评价指标进行评价。结果表明：采用多模态深度学习生成的虚拟驾驶环境图像具有高真实性和多样性,对于快速构建自动驾驶虚拟仿真平台具有重要意义。     

基于混合学习的网络学习平台设计与实践

混合学习是对网络学习的反思和传统课堂面授的回归,它融合了网络学习和传统课堂面授的优势,为学生提供了更好的学习条件,有利于提高学生的学习能力和综合素质。笔者依据混合学习的理念,对初中信息技术课程网络学习平台及混合学习过程进行了设计,以     

结合记忆与迁移学习的小样本学习

小样本学习是视觉识别中的一个受关注的领域,旨在通过少量的数据来学习新的视觉概念。为了解决小样本问题,一些元学习方法提出从大量辅助任务中学习可迁移的知识并将其应用于目标任务上。为了更好地对知识进行迁移,提出了一种基于记忆的迁移学习方法。提出一种权重分解策略,将部分权重分解为冻结权重与可学习权重,在迁移学习中通过固定冻结权重,仅更新可学习权重的方式来减少模型需要学习的参数。通过一个额外的记忆模块来存储之前任务的经验,在学习新任务时,这些经验被用来初始化模型的参数状态,以此更好地进行迁移学习。通过在miniImageNet、tieredImageNet以及CUB数据集上的实验结果表明,相对于其他先进的方法,该方法在小样本分类任务上取得了具有竞争力甚至是更好的表现。     

学习心理学视角下移动学习中大学生心理特征探析

阐述了移动学习和学习心理学的内涵,对移动学习的已有研究进行了分析,并以大学生为例分析移动学习的特性,探讨大学生移动学习群体学习心理的独特性,为移动学习模式开发和教学设计提供参考。