基于学习对象的内容包装交换模型构建研究

随着现代教育技术的迅猛发展和构建学习型社会需求的不断提高,远程教育为学习者构建了一个适合接受终身教育的学习环境。但是,当前网络学习资源的共享性、可重用性,以及对自适应学习的支持上还尚存众多的问题,这已严重地制约了网络教育快速发展。基于此,该文采用SCORM标准,以学习对象为学习内容组织单位,将学习资源划分为数字资源对象、可共享内容对象和应用数字对象三种组件,对学习资源模型进行封装,为其构建元数据文件、内容清单文件和包交换文件,实现学习内容在不同网络教学系统间的共享和重用,以及可以根据学习者特征、学习需求与学习目的对学习内容和学习路径进行动态调整,从而实现网络自适应学习,提高远程教育的服务质量和学习者的满意度。     

学习资源的标准化模型研究

针对我国网络教育的特点,为懈决学习资源共享的问题,结合CELTS的学习对象元数据标准(LOM)和内容包装规范标准(CP),设计了学习资源的标准化模型,并对学习资源标准化的接口进行了设计;最后,采用标准化模型实现的学习资源包,并分析了其描述信息.该标准化模型促进网络教育资源标准化,有利于提高我国网络教育信息基础设施的质量,为网络教育教学系统、教育管理系统以及教学支撑工具的实现,提供了必要的信息基础和技术保障.     

基于内容的对象存储技术的研究

由于目前的内容寻址存储系统在应用时存在很大的问题,提出基于标准HTTP协议开发CAS存储接口,将文件操作映射为URI资源的标签语义,实现基于Web的文件存取和操作;并借助Web服务器和数据库建立功能强大的CAS客户端,基于元数据模型并结合数据库对文件对象进行描述,通过Web界面进行文件对象浏览和搜索,构建具有强大内容导航和搜索能力的对象存储系统.     

一个基于智能Agent的学习内容物件搜索引擎

随着数字化学习的国际标准SCORM规范被越来越多的组织机构所接受，越来越多的符合SCORM规范的学习内容物件涌现出来，如何在学习者的需求和特定的学习内容物件之间进行匹配将成为越来越重要的问题。文中对SCORM规范及其描述学习素材的LOM标准进行了深入研究，并引入智能代理Agent技术，利用智能Agent技术，对学习内容物件的元数据进行分析，从而获得每个学习内容物件对于学习者需求的满足程度，为解决这个问题作出了有益的尝试。最后，通过一个应用实例给出了该模型的工作原理。     

学习资源的标准化模型研究

针对我国网络教育的特点,为解决学习资源共享的问题,结合CELTS的学习对象元数据标准（LOM）和内容包装规范标准（CP）,设计了学习资源的标准化模型,并对学习资源标准化的接口进行了设计;最后,采用标准化模型实现的学习资源包,并分析了其描述信息。该标准化模型促进网络教育资源标准化,有利于提高我国网络教育信息基础设施的质量,为网络教育教学系统、教育管理系统以及教学支撑工具的实现,提供了必要的信息基础和技术保障。     

利用解释结构模型构建网络学习对象模型

随着网络信息化的发展,网络学习方式以其方便、快捷、资源丰富等特性,越来越受到学习者的青睐。本文利用解释结构模型厚理,构建多层次结构化的网络学习对象模型,便于合理组织网络学习对象,从而对学习者的网络学习行为进行个性化推荐。     

一个基于智能Agent的学习内容物件搜索引擎

随着数字化学习的国际标准SCORM规范被越来越多的组织机构所接受,越来越多的符合SCORM规范的学习内容物件涌现出来,如何在学习者的需求和特定的学习内容物件之间进行匹配将成为越来越重要的问题。文中对SCORM规范及其描述学习素材的LOM标准进行了深入研究,并引入智能代理Agent技术,利用智能Agent技术,对学习内容物件的元数据进行分析,从而获得每个学习内容物件对于学习者需求的满足程度,为解决这个问题作出了有益的尝试。最后,通过一个应用实例给出了该模型的工作原理。     

网络课件编辑制作系统的模型设计与关键技术

探讨了网络课件编辑制作系统的设计方法和体系结构。针对目前网络课件共享性差，且制作过程复杂等问题，提出了基于XML的网络课件的元数据著录模型和内容包装模型，实现了对远程教育标准的支持，解决了资源共享和数据交换的问题；同时采用基于时间线的多轨道的信息组织方式，使视频、音频、幻灯片、讲稿和目录等内容能够一次性同步合成，简化了课件制作过程，提高了制作效率。     

基于对象技术的内容管理数据模型研究与实现

内容管理是一项新兴技术，具有重要的实用价值。首先分析了内容管理技术的发展现状和存在的问题，在此基础上提出了一种基于对象技术的内容管理平台数据模型，最后采用Java语言实现了一个基于此模型的内容管理平台，证明了该模型设计的合理性和先进性。     

基于学习对象的数字化学习资源库的开发

学习对象已成为国际上流行的学习资源组织形式。使用元数据描述的数字化学习资源可方便实现管理和复用,提高资源管理的效率。本研究重点讨论学习对象的概念及其显著特征,以及设计策略,如聚合度和组合问题,最后探讨资源库开发过程中涉及到的几个问题,如技术上的具体实现方式,并给出层次结构模型。     

基于LOM的人工智能教学资源整合与个性化学习导航

学习对象元数据(LOM,Learning Object Metadata)是IEEE采用的一种表示学习对象(教学资源)信息的规范,本文采用LOM规范管理网络教学资源,通过LOM中的"关系"元素表示教学资源之间的依赖关系,构造从LOM到扩展知识结构图的转换接口,从而利用基于扩展知识结构图的教学规划方法为学习者提供个性化学习导航。以人工智能教学资源整合和学习导航为例加以说明。     

基于课程学习思想的目标检测增强算法

目标检测算法性能优劣既依赖于数据集样本分布,又依赖于特征提取网络设计.从这2点出发,首先通过分析COCO 2017数据集各尺度目标属性分布,探索了数据集固有的导致小目标检测准确率偏低的潜在因素,据此提出CP模块,该模块以离线方式调整数据集小目标分布,一方面对包含小目标图片进行上采样,另一方面对图片内小目标进行复制粘贴....     

基于学科领域知识库的远程教学服务系统

本文针对当前远程教育网站形式单调、内容雷同,学习资源不能共享的现状,提出建立基于学科领域知识库的远程教学服务系统,采用学科领域知识库-知识点框架集-元数据描述学习资源的三层结构,提供个性化、系统化、形式多样的远程教学服务。     

基于学科领域知识库的远程教学服务系统

本文针对当前远程教育网站形式单调、内容雷同,学习资源不能共享的现状,提出建立基于学科领域知识库的远程教学服务系统,采用学科领域知识库-知识点框架集-元数据描述学习资源的三层结构,提供个性化、系统化、形式多样的远程教学服务.     

Intelligent Learning for Deformable Object Manipulation

The majority of manipulation systems are designed with the assumption that the objects being handled are rigid and do not deform when grasped. This paper addresses the problem of robotic grasping and manipulation of 3-D deformable objects, such as rubber balls or bags filled with sand. Specifically, we have developed a generalized learning algorithm for handling of 3-D deformable objects in which prior knowledge of object attributes is not required and thus it can be applied to a large class of object types. Our methodology relies on the implementation of two main tasks. Our first task is to calculate deformation characteristics for a non-rigid object represented by a physically-based model. Using nonlinear partial differential equations, we model the particle motion of the deformable object in order to calculate the deformation characteristics. For our second task, we must calculate the minimum force required to successfully lift the deformable object. This minimum lifting force can be learned using a technique called iterative lifting. Once the deformation characteristics and the associated lifting force term are determined, they are used to train a neural network for extracting the minimum force required for subsequent deformable object manipulation tasks. Our developed algorithm is validated with two sets of experiments. The first experimental results are derived from the implementation of the algorithm in a simulated environment. The second set involves a physical implementation of the technique whose outcome is compared with the simulation results to test the real world validity of the developed methodology.     

基于潜在局部区域空间关系学习的物体分类算法

提出了一种物体分类模型--潜在局部区域空间关系模型及实现算法.模型描述物体各部分间的潜在空间关系,将抗缩放和仿射变换的特征区域方法与模型相结合,采用变分期望值最大方法进行学习.与同类空间关系模型算法比较,该文模型算法具有以下优点:(1)为非监督式学习模型;(2)可抵抗几何变换;(3)模型为稠密模型;(4)模型描述的是一种潜在的空间关系,这种关系对物体具有更本质的描述.在标准测试图像库上的实验表明了该算法在抵抗平移、旋转、尺度缩放、仿射变换和部分遮挡等难点问题上具有优势.     

深度学习中的单阶段小目标检测方法综述

随着深度学习的不断发展,目标检测技术逐步从基于传统的手工检测方法向基于深度神经网络的检测方法转变。在众多基于深度学习的目标检测方法中,基于深度学习的单阶段目标检测方法因其网络结构较简单、运行速度较快以及具有更高的检测效率而被广泛运用。但现有的基于深度学习的单阶段目标检测方法由于小目标物体包含的特征信息较少、分辨率较低、背景信息较复杂、细节信息不明显以及定位精度要求较高等原因,导致在检测过程中对小目标物体的检测效果不理想,使得模型检测精度降低。针对目前基于深度学习的单阶段目标检测方法存在的问题,研究了大量基于深度学习的单阶段小目标检测技术。首先从单阶段目标检测方法的AnchorBox、网络结构、交并比函数以及损失函数等几个方面,系统地总结了针对小目标检测的优化方法;其次列举了常用的小目标检测数据集及其应用领域,并给出在各小目标检测数据集上的检测结果图;最后探讨了基于深度学习的单阶段小目标检测方法的未来研究方向。