网络自主学习

摘要： 目的:了解新冠肺炎疫情期间医学生网络自主学习现状与影响因素。方法:对某高校666名本科生进行网络问卷调查。结果:所学内容理解程度,学习氛围满意度,社会支持与网络自主学习能力呈正相关,网络课堂学习压力、学习倦怠与网络自主学习能力呈负相关。结论:通过建立社会支持系统、减少学习倦怠等方式来提高其网络自主学习水平。

摘要： 根据设计专业学生在网络自主学习过程中对社交媒体的使用调研结果,将内容创建、沟通交流和资源分享的三种社交媒体类型与自主学习的理论框架模型相结合。讨论当下社交媒体与网络自主学习的关系,依据设计学科的专业特殊性,提出设计学习过程中的社交媒体的现存问题与需求。将社交媒体在设计教学过程中进行合理组织及应用,可以帮助设计专业的学生在自主学习的认知维度、动机维度、行为维度和情境维度四个方面获得更好的学习成果。

摘要： 在现在这个网络发达的时代,人们所进行的活动大部分都与网络有关.尤其在今年,由于新冠肺炎疫情的影响使得网络显得尤为重要,大部分学校都选择了通过网络直播的形式授课,学生则通过网络进行自主学习.然而,随着使用网络学习的人数增加,问题也随之暴露出来,如学生对于网络学习的效果不满意、无法与老师进行及时有效的沟通等等,本文就此对网络学习的利与弊进行了客观的分析,并指出网络学习虽然具有强大的优势,但它并非完美.它与社会群体共同努力会促使学习更加高效.

摘要： 目的 以新型冠状病毒肺炎为例,了解重大疫情下本科护生网络自主学习状况及其影响因素.方法 采用一般资料问卷、护理专业学生网络自主学习评价量表、大学生学习倦怠量表对970名本科护生进行线上调查.结果 本科护生网络自主学习总分(128.46±20.04)分,学习倦怠总分(54.87±9.53)分,二者呈负相关(r=-0.370,P<0.01).护生的年级、对护理专业的态度、是否有清晰的护理职业规划、疫情期间居住地的网络学习条件、疫情期间日均网络学习时间、疫情期间是否有人督促学习、疫情对学习的影响程度、学习倦怠是护生疫情期间网络自主学习的影响因素.结论 本科护生疫情防控期间网络自主学习能力较高,且受多重因素影响.家庭、学校和师生在疫情期间应加强学业和心理上的交流反馈,充分发挥护生的主观能动性,创造良好的线上学习环境,提高疫情防控期间的教学与学习效果.

摘要： 在现在这个网络发达的时代,人们所进行的活动大部分都与网络有关。尤其在今年,由于新冠肺炎疫情的影响使得网络显得尤为重要,大部分学校都选择了通过网络直播的形式授课,学生则通过网络进行自主学习。然而,随着使用网络学习的人数增加,问题也随之暴露出来,如学生对于网络学习的效果不满意、无法与老师进行及时有效的沟通等等,本文就此对网络学习的利与弊进行了客观的分析,并指出网络学习虽然具有强大的优势,但它并非完美。它与社会群体共同努力会促使学习更加高效。

摘要： 互联网的发展变革了教育的方式方法,未来教育中基于互联网的学习会成为主要的教学方式,大学生是未来的主人翁,其网络自主学习水平对以后的工作学习生活都有重要的影响.在明确当前大学生网络自主学习特点的基础上,具体分析了移动互联时代大学生网络自主学习的意义与重要性,找出大学生网络自主学习过程中存在的问题与影响因素,从教师与学生、教学资源与教学方式、网络自主学习评估考核角度出发提出了提升大学生网络自主学习的策略,为移动互联时代提升大学生网络自主学习提供参考.

摘要： 计算思维成为当今计算机界广为关注的一个重要概念,是信息智能化时代应用创新型人才应具备的基本职业素养,基于计算思维的研究成为计算机教育的重点研究课题.本文以培养学生计算思维为主要目标,先简单介绍了计算思维的相关概念,依托建构主义理论,结合网络教学环境和自主学习法构建了基于计算思维的网络自主学习模式,并结合应用实践对该模式进行了详细探析.

摘要： 本文分析了传统在线学习平台在资源推荐能力的不足,提出设计一种基于具有资源和路线推荐能力的网络自主学习平台。比较系统的分析了平台的功能需求,提出对学习推荐的具体需求。由于传统的修正余弦相似度算法在稀疏环境下精确度存在问题,采用引入Jaccard系数和权重系数的改进的修正余弦相似度算法。并利用该算法,实现网络自主学习平台的设计。

摘要： 通过对涉农学生的网络自主学习情况进行问卷调查,量化分析互联网时代下网络自主学习对学生专业认知产生的影响,探索建立农科类大学生专业认知评价机制,推进网络自主学习教学模式方法的调整改革.以此为基础,探讨实现互联网时代下网络自主学习作为农科类学生专业认知提高的重要途径,以期能培养出服务"三农"的农业现代化高素质综合型人才.

摘要： 面对现阶段我国经济产业结构升级、和谐型社会、创新型国家等核心战略目标,各行各业对高质量人才的需求十分迫切,传统单一的面授学习或远程学习的继续教育培训已不能满足现阶段社会对行业人才培养高质高效的要求。随着时代的发展,继续教育逐渐形成基于网络自主学习、远程支持服务与面授辅导相结合的新型模式——混合式学习模式。

摘要： 本研究基于某一高校将网络教学引入常规课堂的做法,对由教师直接指导的网络自主学习情况作了调查,调查结果显示,学生网络自主学习活动单一,学生对该网络学习的效能感不高。基于该结果,文章认为教师的指导作用不仅体现在提供课程资源,合理设计有效的语言学习任务,及对网络教学进行形成性评价是优化网络教学的关键。

摘要： 网络自主学习作为一种新的学习方式，其历史还很短，还没有形成系统或权威的网络自主学习理论。然而，国内外对于自主学习的研究已经有了相当长的历史，也有几种流行的自主学习理论。网络自主学习作为自主学习在网络时代的一种新形式，自主学习理论必然有网络自主学习中可以应用或借鉴的理论，本文总结并提出了一些适合于网络自主学习的理论，并将理论应用与电学部分的学习。本文认为网络自主学习理论主要有人本主义理论、建构主义理论、学习风格理论。

摘要： 本文介绍了运筹学中的一种简单、易操作的对相对效率进行评价的有效方法——数据包络分析法；并用数据包络分析法对网络自主学习进行了基于学习者的个别化评价。

摘要： 《大学英语课程教学要求》明确提出新的教学模式应以现代信息技术，特别是网络技术为支撑，朝着个性化、自主式学方向发展。科学、合理的学习评价可以激发学生学习的内在动力.网络学习环境下,探究诊断性评价、形成性评价与终结性评价相结合的自主学习评价机制的建构,以及教师在学习者自评、互评等学习评价中的介入性指导、监控策略,有助于增强学习者在自主学习中的自律、投入和合作,促使其及时反思自己的学习行为,不断改善自主学习策略和方法,促进自主学习效果的完善与能力的可持续发展.

摘要： 信息技术和外语课堂教学整合的关键是教学设计和教学理念.本文以支架理论为依托,从教学实践出发,探讨了支架理论下的教学模式对于大学英语课程整合的有效性及其对于深化教学改革的指导作用.

摘要： 本发明公开了一种基于双神经网络强化学习的自主水下航行器路径规划方法，基于双神经网络强化学习算法解决自主水下航行器的路径规划问题。针对Q‑learning学习算法存在需要存储空间大和查找时间长的问题,进行优化处理；在Q‑learning学习算法的基础上融入目标网络和记忆池经验回放技术得到双神经网络强化学习算法，并构建基于双神经网络强化学习算法的AUV智能路径规划框架；量化处理自主水下航行器的环境状态信息，将其与双神经网络强化学习算法相结合，并判断AUV运动方向与目标点位置关系，得到AUV智能规划路径的决策。本发明显著地降低了运算的复杂性，满足实时决策要求，具有突出的迁移能力和环境适应性，为AUV提供安全快捷可靠的路径规划方案。

摘要： 本发明属于神经网络技术领域，涉及一种自主学习脉冲神经网络权值量化方法。本发明的方法可以对脉冲神经网络大量的权值参数进行量化，而且该神经网络还可以利用量化权值进行训练，且与使用原始权值训练的结果非常接近，在神经网络测试阶段，可以使用索引编码后的量化权值进行计算，这样可以节省存储资源，提高计算速度。尤其当需要实现SNN硬件化的时候，该方法可以减小RAM等片上资源消耗，降低运算复杂度，提高硬件计算速度和性能。

摘要： 本发明属于人工智能技术领域，具体的说是涉及一种基于机器学习的链路拥塞故障预测及网络自主管控方法，首先周期性的测量的链路性能参数，并分析不同类型业务流的QoS需求特点，提出了基于效用值的QoS路由质量度量方法，量化了路由对于业务QoS的满足程度，建立了路由质量空间到数值空间的映射。然后，基于LSTM神经网络对链路流量进行预测，并根据流量预测的结果进行链路拥塞风险判断和预防。最后，基于效用值和流量预测设计了QoS路由引擎，该引擎可以根据网络的实时资源状态、业务效用函数和链路拥塞判断结果计算业务的QoS路由，为多种不同类型网络业务流提供QoS路由计算服务，同时起到控制网络拥塞的作用。

摘要： 本发明属于人工智能技术领域，具体的说是涉及一种基于深度强化学习的网络自主智能管控方法。本发明首先构建网络拓扑，然后引入CNN、LSTM层和延迟更新策略构建基于DDPG强化学习算法的路由决策模型，最后对基于深度强化学习的路由决策模型进行迭代训练。在每次迭代训练中，智能体根据测量得到的网络状态和神经网络获得输出的动作，即一组链路权重，并根据链路权重使用最短路径算法计算业务的路由。根据路由计算结果，智能体下发流表，并获取业务的端到端时延和丢包率计算此次迭代的奖励值。算法具有良好的收敛性，能够有效降低业务的端到端时延和丢包率。

摘要： 本发明公开了一种基于图神经网络强化学习的机器人自主控制方法。本发明步骤如下:1、根据环境反馈给机器人传感器的信息和机器人的物理结构，组建机器人的特征图。2、将得到的特征图输入到图神经网络，在训练阶段使用机器人感知到的监督信息对图神经网络进行训练。3、使用训练完成的图神经网络对感知状态信息进行处理，得到更新后的机器人状态信息，预测下一时刻机器人的状态信息。4、使用建立起来的环境模型，以及模型预测控制算法，对未来一步机器人动作进行决策。本发明使用基于图网络的强化学习模型，成功地完成了之前强化学习并不能很好完成的动作提升了机器人自主控制的稳定性和可靠性，使得机器人自主控制更加便于实际应用。

摘要： 公开了通过利用多代理强化学习框架生成动作序列以执行任务来使得能够使用户接口输入自动化的技术。各种实施方式使用整体强化策略网络处理与接收到的用户接口输入相关联的意图，以选择软件强化学习策略网络。动作序列可以通过使用所选择的软件强化学习策略网络处理意图以及软件客户端状态数据序列来被生成。动作序列用于控制与所选择的软件强化学习策略网络对应的软件客户端。

摘要： 一种自主车辆包括决策器模块和耦合到解析器模块的分级器模块。决策器模块生成当前时间的轨迹决策，生成自主车辆周围的平坦空间的当前二维切片，通过在时间上向前投影平坦空间的当前二维切片来生成平坦空间的未来二维切片，并且通过堆叠当前二维切片和未来二维切片来生成三维状态空间。分级器模块基于自主车辆的最近行为来生成针对轨迹决策的奖励。解析器模块基于三维状态空间和奖励从轨迹决策中选择自主车辆的最终轨迹决策。当前二维切片包括当前自主车辆位置和当前相邻车辆位置。未来二维切片包括未来自主车辆位置和未来相邻车辆位置。

摘要： 本发明公开一种自主学习神经网络的船舶舵机抗负载扰动无模型控制方法。步骤包括：通过输入舵令与反馈实际舵角比较获得舵角偏差信号；建立舵机系统数学模型；基于紧格式动态线性化给出系统数据模型，数据模型中的时变参数项利用时间差分估计法来估计；构建径向基神经网络扰动观测器对系统中未知扰动非线性项进行估计，搭建具有自主学习的径向基神经网络无模型自适应控制器，并设计舵机系统控制更新律与参数估计律，通过伺服油缸改变斜盘倾角，实现对斜盘式轴向柱塞变量泵液压油流量的控制，最终推动转舵机构撞杆运动，撞杆推动舵柄来完成舵叶转动。观察实验结果，验证了该方法应用于舵机的有效性，提高了恶劣海况下舵机系统舵角跟随动态响应速度。

摘要： 本发明公开了一种基于强化学习的片上网络自主最优映射探索系统及方法。本发明采用强化学习算法，结合软约束和硬约束，将硬件映射配置问题转化为序列决策问题，得到片上网络加速器的自主最优映射探索系统。对比传统的X/Y方向映射、基于神经网络感知算法映射与基于遗传算法的映射，本发明通过强化学习算法对策略网络与价值网络进行训练，提供的最优硬件映射在通信延迟指标与平均通信吞吐率指标上有不同程度的优化。

摘要： 本发明的一种基于自主学习网络模型笔记本屏幕缺陷检测方法及介质，包括构建笔记本屏幕检测模型，获取笔记本生产线下的高清摄像头视频进行预处理后输入笔记本屏幕检测模型，对笔记本屏幕生产线高清摄像头的待检测视频进行检测，并得出检测结果；本发明的基于自主学习网络模型笔记本屏幕缺陷检测方法，即基于自主学习的笔记本屏幕的缺陷检测和分类方法，可降低传统的笔记本生产线时间、资金成本，同时引入智能化检测和分类，对产业转型升级，提升产品质量，增强竞争力具有重大意义。