学习速度

摘要： 针对传统古诗教学中学生“浅学诗”“只学诗”“慢学诗”的现状,教师可通过“转换角色,拓宽古诗学习的深度;联结文本,延展古诗学习的广度;活动探究,提高古诗学习的速度”等策略,培养学生的语言敏感性,训练学生的思维能力,使学生产生文化自信。

摘要： 给出基于二次损失的单位球盖(单位球)上确定型散乱数据核正则化回归误差的上界估计,将学习误差估计转化为核函数积分的误差分析,借助于学习理论中的K-泛函与光滑模的等价性刻画了学习速度.研究结果表明学习速度由网格范数所控制.

摘要： 针对步长选取影响误差反向传播(BP,Back Propagation)算法优化效率问题,提出一种基于曲率信息的步长优化BP算法,并将其应用到了模糊神经网络(FNN)的训练过程中。参考牛顿法的思想,根据代价函数的梯度及梯度方向上的曲率信息来确定模型参数调整的方向和幅度。仅需考虑梯度方向上的二阶信息,因此不需要存储和处理Hessian矩阵。通过一个数值仿真和高炉炼铁过程数据建模实验,验证了方法的有效性及训练效率。

摘要： 到2020年全面建成小康社会,为实现第二个百年奋斗目标、实现中华民族伟大复兴的中国梦奠定更加坚实的基础.必须把创新摆在国家发展全局的核心位置,不断推进理论创新、制度创新、科技创新、文化创新等各方面创新.重点促进城乡区域协调发展,促进经济社会协调发展,促进新型工业化、信息化、城镇化、农业现代化同步发展,在增强国家硬实力的同时注重提升国家软实力.

摘要： 作为一名幼儿教师.当我意识到每一个儿童所具有的巨大能量后,我也不断地在实践和反思中反问自己.好的幼儿园课程到底是什么样的。而在课程实践中.我又不断地印证着这样的儿童形象——每一个儿童都是独一无二的.有自己感兴趣的事情.自己的学习速度、自己的想法和需要,在与环境的持续互动中能不断发挥主体能动性.建构对自我的认知——知道我是谁、我能干什么、我还能干什么。

摘要： 说到边牧，大家想到的就是“聪明”二字。学习速度快，反应又灵敏。不管是幼犬时期，刚到家就学习定点大小便，记住名字，还是后期培养技能，都在学习两三遍后很快理解。这一点，训犬师最有感慨。

摘要： ＂填鸭式＂教学害人害己我刚从美国演讲回来。我发现在美国的华人,都希望下一代能够学中文。美国有1200所中文学校,但很多华裔小孩通常不喜欢学中文,因为他们在学校接受的是活泼有趣的教学,可到了中文学校,教师都在进行＂填鸭式＂教学。说到＂填鸭式＂教学,其实这是＂单向讲述式授课＂比较形象的叫法,它当然也有一些优点,比如＂浓缩知识、学习速度加快＂。

摘要： 专注力是一种宝贵的学习品质，对学习速度、学习效果：有直接影响。拥有良好注意力的幼儿进入小学之后，能够：更快地适应角色变化和学校生活，养成良好的学习习惯。

摘要： 我们需要有杀手直觉的创始人，他能够看到别人看不到的东西；学习速度要快；志存高远，最关键是要够狠。企业家需要跟随时代，同步进化，否则就会被淘汰。消费者在变，销售渠道在变，竞争格局也在变。如果企业家不改变，可能就out了。

摘要： 人工神经网络(ANN,简称神经网络)由于具有高度的自适应性、非线性、善于处理复杂关系的特点,较传统的数据分析算法具有很多优点,被广泛应用于医疗诊断决策系统,本文主要对其目前在医疗诊断决策支持系统中的应用进行阐述.虽然人工神经网络具有很多优点，但其理论研究还有待完善，技术上有诸多的限制:BP神经网络模型能在诸多的影响因素中找出最主要的几个因素，但对于多层神经网络模型而言，其计算过程复杂，不能给出变量间可解释的具体函数关系，无法提供准确的可信区间等指标;学习速度太慢，即使一个比较简单的问题，也需要几百次甚至上千次的学习才能收敛，容易陷入局部极小值;网络隐含层的数目与隐含层单元的选择尚无理论上的指导，而是根据经验确定。要建构良好的网络结构，设计者必须精心设计网络参数，在网络运行中还要进行大量调整。

摘要： 运用多主体仿真的方法对组织学习机制的研究取得了显著的成果,但是多数仿真模型都是使用规则网络刻画组织成员之间的关系,这与实际并不相符.本文以March提出的组织学习仿真模型为基础,利用小世界网络理论构建了一个组织成员关系网络,基于NetLogo仿真平台对组织学习过程进行了仿真.仿真结果表明:在环境变化的情况下,组织成员学习效果与个体间学习速度正相关.组织成员通过个体间学习获取知识比通过向组织学习获取知识更加有效.(3)在允许个体间学习的情况下,组织成员的学习效果与隐性知识的比例正相关.

摘要： 通过对支持向量机原理的分析，将凸壳理论用于支持向量机中，用凸壳顶点集来代替整个样本集来训练，运用实际数据进行仿真，仿真结果表明，本文方法在学习性能和推广性能方面与采用整个样本集基本相同，但降低了存储空间，提高了学习速度。

摘要： 本发明公开了一种基于稀疏核学习的单站GNSS瞬时速度和加速度构建方法，步骤如下：S1：采集预设时段内的GNSS载波相位观测量；S2：构建时间差分载波相位观测量及第一观测方程；S3：逐历元处理时间差分载波相位观测量，获取历元间位移和接收机钟差的增量向量、协方差矩阵和互协方差矩阵；S4：获取不同方向的位移增量序列观测向量，及其协方差矩阵；S5：获取相应方向位移的稀疏核函数模型；S6：根据稀疏核函数模型，获取瞬时速度和加速度大小。本发明在采用稀疏核学习方法进行建模的同时，不失一般性地将初始历元处的位移设为零，并据此进行消元，从而不仅减少了计算量，还提高了建模精度。

摘要： 本发明涉及角速度检测器，通过利用环形薄膜振动器来精心设置电极，其能够获得角速度的高检测灵敏度并同时检测两个轴向的角速度。检测器包括：振动器(1101)，其以距离第一衬底(1100)的恒定间距浮置并且通过支承在形成在第一衬底(1123)上的支承部件(1105)、(1106)上的支承弹性元件(外弹簧(1102)和内弹簧(1103))来设置；激励装置(磁体(1124)和驱动电极(1108))，其用于沿恒定振动方向激励振动器(1101)；及位移检测装置(检测电极(1109)，电极(1120))，其用于检测当来自外部的角速度作用于通过激励装置沿激励方向保持振动的振动器(1101)时振动器(1101)关于角速度沿垂直于激励方向的方向的位移，所述振动器(1101)或包括所述振动器(1101)的角速度检测单元通过电磁驱动激励。

摘要： 公开了一种用于自动驾驶车辆(ADV)的基于学习的速度规划器。ADV设置为人类驾驶模式。驾驶控制元件受人类驾驶员的控制，而其它ADV逻辑仍被启用。ADV规划在具有障碍物的路线段上的路线路径。ADV逻辑生成针对路径段的基点‑时间图，以及包含路径和障碍物的单元网格。从网格生成特征向量。当ADV沿着路径导航时记录人类驾驶行为。将针对大量路径、障碍物和ADV记录的驾驶数据发送到服务器以生成速度模型。速度模型被下载到一个或多个ADV以用于自动驾驶模式，从而确定在类似驾驶情况下使用的初始速度。

摘要： 本发明公开了一种基于稀疏核学习的单站GNSS瞬时速度和加速度构建方法，步骤如下：S1：采集预设时段内的GNSS载波相位观测量；S2：构建时间差分载波相位观测量及第一观测方程；S3：逐历元处理时间差分载波相位观测量，获取历元间位移和接收机钟差的增量向量、协方差矩阵和互协方差矩阵；S4：获取不同方向的位移增量序列观测向量，及其协方差矩阵；S5：获取相应方向位移的稀疏核函数模型；S6：根据稀疏核函数模型，获取瞬时速度和加速度大小。本发明在采用稀疏核学习方法进行建模的同时，不失一般性地将初始历元处的位移设为零，并据此进行消元，从而不仅减少了计算量，还提高了建模精度。

摘要： 加速度传感器、使用该加速度传感器的加速度的评价方法、以及安装有加速度传感器的货物，在该加速度传感器中，在以正交尼科耳方式配置的两片偏光板之间配置有灵敏色板，而且，在任一所述偏光板与所述灵敏色板之间配置有银纳米线分散液。

摘要： 为了能够判断传输速率的测量结果的有效性，一种速度估计方法向作为传输速率测量目标的被测区间发送数据包和在该数据包之前和之后的探测包，基于作为紧接着数据包之前和之后通过被测区间发送的探测包之间的接收时间间隔的第一接收时间间隔和数据包的数据量，估计该被测区间的传输速率，并通过将作为在被测区间中在探测包之间不存在数据包的状态下连续通过了该被测区间的探测包之间的接收时间间隔的第二接收时间间隔与第一接收时间间隔进行比较，来判断传输速率的有效性。

摘要： 本发明涉及角速度检测器，通过利用环形薄膜振动器来精心设置电极，其能够获得角速度的高检测灵敏度并同时检测两个轴向的角速度。检测器包括：振动器(1101)，其以距离第一衬底(1100)的恒定间距浮置并且通过支承在形成在第一衬底(1123)上的支承部件(1105)、(1106)上的支承弹性元件(外弹簧(1102)和内弹簧(1103))来设置；激励装置(磁体(1124)和驱动电极(1108))，其用于沿恒定振动方向激励振动器(1101)；及位移检测装置(检测电极(1109)，电极(1120))，其用于检测当来自外部的角速度作用于通过激励装置沿激励方向保持振动的振动器(1101)时振动器(1101)关于角速度沿垂直于激励方向的方向的位移，所述振动器(1101)或包括所述振动器(1101)的角速度检测单元通过电磁驱动激励。

摘要： 本发明公开了基于深度学习的车载SAR速度估计方法、系统及终端，所述方法包括：获取速度传感器采集的雷达子孔径对应的子孔径速度；将所述子孔径速度作为基准速度，将车辆的速度范围划分为多个子速度区间，并标记为不同的速度类；获取样本和对应的标签，搭建卷积神经网络模型，将获取的样本和对应的标签输入到所述卷积神经网络模型进行监督学习，得到速度估计模型；基于所述速度估计模型对子速度区间进行预测，将预测的子速度区间转换为最终的速度估计值。本发明实现了对子孔径回波的速度估计，在保证效率的同时确保了速度估计值的准确性，完全满足车载场景的应用，摆脱了依靠惯导或类似的测速装置，降低了系统硬件系统成本。

摘要： 本发明涉及一种基于地震反射波形和速度谱的深度学习速度建模方法，属于石油地球物理勘探技术领域。本发明包括如下步骤：训练集地震速度模型的生成、训练集数据的生成与处理、深度神经网络架构的搭建、深度神经网络模型的训练、输入数据的准备、地震速度模型的预测。本发明拥有完备的网络架构和深度网络，它仅依赖于大规模的训练数据，并且具备强大的非线性映射能力。本发明可以方便高效地通过深度神经网络，利用地震记录数据和速度谱数据来构建地震速度模型；从理论成果可看出，可以利用地震记录数据对包含训练集特征的地层进行速度建模，且网络模型有一定的抗噪能力。

摘要： 本发明涉及一种基于地震反射波形和速度谱的深度学习速度建模方法，属于石油地球物理勘探技术领域。本发明包括如下步骤：训练集地震速度模型的生成、训练集数据的生成与处理、深度神经网络架构的搭建、深度神经网络模型的训练、输入数据的准备、地震速度模型的预测。本发明拥有完备的网络架构和深度网络，它仅依赖于大规模的训练数据，并且具备强大的非线性映射能力。本发明可以方便高效地通过深度神经网络，利用地震记录数据和速度谱数据来构建地震速度模型；从理论成果可看出，可以利用地震记录数据对包含训练集特征的地层进行速度建模，且网络模型有一定的抗噪能力。