自适应学习

摘要： 随着人工智能、学习分析、大数据等技术在教育领域的深入应用,自适应学习成为教育领域的一个新的研究热点,但如何在高职教学中最佳地设计和应用自适应性学习尚无定论。通过分析人工智能背景下自适应学习模式的优点,可以发现自适应学习作为一股新的力量,在高职教学中能够弥补学生参差不齐的基础、疏导学生情绪、为教师提供分层教学的依据、帮助教师对学生进行科学测评,应用前景广阔,因此,高职院校的教师应该搭建知识图谱,形成个性化教学风格,记录教学环节有效数据,设计教学方案,为自适应学习规划路径。

摘要： 目的根据学习者的学习特征,运用自适应学习技术,结合数字化交互手段,探究如何对儿童英语发音学习绘本进行交互设计,以增加儿童对学习内容的吸引力,并提升儿童的英语发音水平。方法分析目前英语发音学习绘本存在的设计痛点,从自适应学习、自适应训练、自适应测评和自适应反馈4个方面对儿童英语发音学习绘本进行设计实践与反思。结论儿童自适应发音学习绘本利用了数字媒体的特性,通过多感官交互设计,激发了学习者的学习兴趣。此外,儿童自适应发音学习绘本综合考虑了学习者的发音水平、学习动机、学习风格等因素,为学习者提供了个性化的发音课程、情景互动式的发音训练、精准化的发音检测和具有教学表现力的发音纠正反馈,实现了真正意义上的自适应学习。

摘要： 本文论述了自适应学习系统的内涵与外延,对比了自适应学习与传统教学在理念、过程上的差异,论述了其与相关概念之间的联系,以及此系统如何帮助实现"因材施教"。本文也分析了"双减"政策的制定背景、近期目标及远景展望。最后笔者发现,实施自适应学习所带来的结果,正符合"双减"政策的目标要求。自适应学习系统对"双减"政策的落实有着推动作用,能从多个维度分别促进"双减"政策总体目标的达成,提高其落地实施的有效性,对于"双减"政策的执行有着建设性作用。

摘要： 文章提供了一种面向场景的自适应Bot机器人流量识别和防护方法,通过采集业务运营过程中全量恶意僵尸Bot数据和正常业务数据代入动态学习模型中进行训练,生成不同的业务编排模型;结合动态模型学习框架充分衡量分类精度指标,最大限度降低Bot流量的误报率与漏报率;最终通过模型并结合多层次防护检测规则不断学习优化防护框架,逐渐精准预测各类未知与新型攻击,达到最佳的Bot防护效果。

摘要： 自适应学习有助于提高学生的自主学习能力,帮助学生实现终身学习目标。当前互联网背景,能够为高职经管类专业学生进行自适应学习提供条件支持,学生进行自适应学习具有可行性。文章介绍自适应学习的内涵,分析高职经管类专业学生自适应学习现状及产生这种现状的原因,并论证高职经管类专业学生自适应学习的可行性,探索高职经管类专业学生自适应学习模式的构建策略。

摘要： 英语学习者的词汇学习效率低下问题已引起共鸣,针对英语智能词汇学习的推荐方式得到高度应用。文中通过分析自适应学习和学习风格的实质性特征,构建英语智能词汇推荐模型,结合聚类算法对模型进行优化设置,并通过统计学软件对系统性能进行可视化分析。通过实验验证,设计的英语智能词汇推荐系统的用户相似度阈值同年龄相似度权重的取值范围相同,二者都随着参数值的提高而不断上升,取值到0.8时,二者都获得最优数值。系统能够清楚展示学习对象在登录到系统后学习过的单词记录,包括该单词的使用次数,达到智能效果。

摘要： “个性化学习”强调以学习者为中心,学习过程应当是针对学生特点和潜能进行设计的方法、内容、目标、进程、评价等,促使学生获得充分、自由、和谐的发展。理想情况下,每个学生都有若干各个方向的名师,随时随地关注和教学,可能能够收获“所谓”的个性化。现代意义上的学校所采用的“班级教学”本质上是因教学资源不足的妥协,进而将“个性化学习”变成了“标准化教学”。同时,工业革命后,社会分工越来越细,因此学校也承担了一定的将学生定向培养成社会分工所需要的人才的功能。显然,二者是矛盾的,同时中短期内应该也没有办法改变现有的学校“班级教学”制度的可能性。因此,本文更多地探讨在现有学校常态化的教学过程中,是否存在个性化学习的空间和机会,以及相应的方式和手段,促使学生更好、更高效地学习“知识”,进而收获更好的自主学习的能力和潜能的发展。

摘要： 智慧教育是以数字化、智能化为特色的教育活动,所营造出的网络化教育环境具有开放、共享、协作、交互的特点,为学习者打破了固有的学习方式。在智慧教育视域下,如何更好地实现学生的自适应学习,就成为众多一线教育工作者共同关注的话题。文章从智慧教育与自适应学习的概念入手,分析自适应学习的特征,并重点阐述智慧教育视域下学生自适应学习的实现路径。

摘要： 采用文献计量法,利用CiteSpace软件对Web of Science数据库中2010-2021年的自适应学习平台391篇相关文献进行可视化分析.研究发现:(1)从时空上看,自适应学习平台的研究自2016年起处于大规模发展阶段,以中国、美国和西班牙为主要研究阵营.(2)从核心著者来看,该领域的关键研究者大部分都是计算机科学学科背景,缺乏教育学学科背景的关键研究者.(3)从内容上看,自适应学习平台研究主要聚焦在学习者模块和教学模块上,研究热点有情感状态分析、认知特征分析、教学策略、交互式学习环境设计等方面.(4)目前自适应学习平台研究的前沿主要集中在人工智能技术、机器学习、大数据与数据挖掘和高等教育领域.

摘要： 个性化教育是新时代大学生发展创新思维、实践创新能力的基础,基于学生个性化发展培养创新能力成为高等教育的一项重要任务。本文将自适应学习与创新型人才个性化培养相结合,构建创新型人才个性化学习者模型,对学习者进行差异特征分析;根据领域知识模型构建学习者学习资源库,设计自适应学习系统,为学习者推荐个性化的学习路径,因材施教,为我国科技创新后备人才培养提供时代性与前瞻性的实践框架。

摘要： 本研究初探利用自适应系统进行阅读理解和答题能否加强新加坡小学生华文阅读理解能力.自适应学习是指利用资讯科技统计和分析学生线上学习过程与表现之数据,做到依每个学生独特的学习需求与水平分配学习内容和路径,达到个性化学习.此研究的自适应阅读理解系统收录数百篇配合新加坡小学华文教材编写的篇章,并能根据相关语料库字词及篇章篇幅等资料自动为篇章分级.学生在系统上完成自适应诊断后,系统根据其阅读理解级别分配相应篇章及理解题,视其答题表现升降其级别.初步研究显示自适应阅读系统的使用或有助加强小学生阅读理解能力.

摘要： 网络信息技术不断深入到社会的各个领域,在教育领域也愈发凸显出重要的作用.自适应学习系统在英语教育中已经有了较为广泛的应用,但是在对外汉语学习领域却缺乏相关的研究.本文试图结合对英语智能学习软件"优答"的分析,就对外汉语自适应学习系统的建设应具备的条件给出一些建议.

摘要： 分析"互联网+"背景下的自适应学习及自适应学习系统的特点,介绍自适应学习系统的开发过程,以移动应用开发课程为例,说明自适应系统的结构特点,并以几个章节知识点为示例介绍自适应学习系统的工作方式及学习者的学习方式.

摘要： 自适应模糊Petri网兼具模糊Petri网的模糊推理能力和神经网络的学习能力，是普适计算的模糊情境推理机制的重要的形式化规约工具。但该模型依赖于离线训练数据集，无法适应动态变化的普适智能环境。本文在自适应学习Petri网模型中嵌入反馈机制，并对将模糊逻辑引入对上下文的表示，利用神经网络的反向传播学习方法对隶属度函数的参数进行学习，提高了模型的场景适配和个性化自学习能力。本文通过设计服务推荐系统，建立了模型仿真与验证实验环境。实验结果表明，本文提出的方法可以有效提高系统学习能力，进而提高推理正确率。

摘要： 随着信息技术的深度发展和运用,人类已从大数据时代逐步进入智慧时代,随着智慧城市和智慧校园研究的深入,智慧图书馆的建设也已成为研究热点.本文介绍了智慧图书馆的概念,提出智慧图书馆是馆员智慧与机器智慧融合,了解自身环境,满足外界需求,实现自适应学习并渐增智慧的未来图书馆.本文从智慧图书馆建设的政策规划,建设实现的物联网、人工智能、云计算和大数据分析技术,平台选择功能模块三个方面提出智慧图书馆建设的策略.

摘要： 2016年3月,举世瞩目的Alphago与韩国棋手李世石的五番棋大战,结果以Alphago4∶1取胜人类,而人工智能已悄然无息的渗透在人们生活之中,典型列子的apple公司人机对话的siri,google公司、特斯拉公司推出的无人驾驶,阿里巴巴推出的人脸识别支付等等,人工智能的探索和发展方兴未艾,随着人工智能研究的深入,今后,人工智能医疗为人们准确判断疾因治愈疾病;人工智能洗衣自动判断各类衣物的洗涤方式,洗衣方案等.人工智能时代的已经全面到来，中诺思投身教育行业数十载之余，中诺思人唯一的梦想：通过前沿的新技术产品、良好的用户体验、用心为客户的服务体系为中国教育事业贡献绵薄之力，成功没有终点，创新没有止境，一直会在教育的路上探索，不忘初心。

摘要： 首先介绍了传统的冷轧模型,并通过轧制力模型与前滑模型联合求解的方法反算出变形抗力和摩擦系数,进而进行模型自适应学习。以此为理论依据,开发设计了冷轧模型系统,该系统主要包括轧制力计算、参数反算、自适应学习、预测校验等几个部分。现场实施情况证实了该系统的可用性和可靠性。

摘要： 习惯于传统学习方式的学习者，在网络环境下表现出种种的不适应。能否适应网络学习不仅是网络学习者能否积极持续地投入学习的关键，它会影响到网络学习者参与学习的频度和效度。社会性软件构建的社会网络，它可以兼顾个体的主体性和社会性两方面的需求，它在提高网络学习者学习自适应方面有积极作用，不仅可以缩短网络学习者网络学习的适应周期，还可以为网络学习者提供良好的知识管理服务，也可以弥补网络学习者协作学习中集体感的缺失。rn 文章从网络学习环境、网络学习内容和网络交互活动三方面，对社会性软件增强网络学习的自适应做了具体分析。

摘要： 模型设定系统是单机架冷轧过程控制系统的核心功能,该设定计算系统主要数学模型、常数表格、工艺参数自学习计算三部分组成.在系统当中采用经验法确定带钢压下分配,将压下分配,道次单位张力,数学模型参数分层写入常数表;按照钢种、带钢宽度、原料厚度、出口厚度进行层别划分并与工艺参数自学习修正计算相结合,提高模型设定计算的精度;采用指数平滑法分层对模型自学习系数进行自学习计算.该系统投入以来运行稳定可靠,使生产线有较高的自动化水平.

摘要： 模型设定系统是单机架冷轧过程控制系统的核心功能,该设定计算系统主要数学模型、常数表格、工艺参数自学习计算三部分组成.在系统当中采用经验法确定带钢压下分配,将压下分配,道次单位张力,数学模型参数分层写入常数表;按照钢种、带钢宽度、原料厚度、出口厚度进行层别划分并与工艺参数自学习修正计算相结合,提高模型设定计算的精度;采用指数平滑法分层对模型自学习系数进行自学习计算.该系统投入以来运行稳定可靠,使生产线有较高的自动化水平.

摘要： 本发明公开了基于深度学习的采砂船自适应监控系统的自适应监控方法，包括前端监控终端、推理识别装置以及服务器管理装置；前端监控终端包括嵌入式微处理器、水岸监控摄像机、北斗定位模块、能量状况监测模块；推理识别装置包括嵌入式PC机以及与嵌入式PC机电性连接的无线图像传输通信模块、深度学习加速卡、4G无线通信模块，以太网模块和SD卡数据存储模块；服务器管理装置包括采砂船管理Web平台以及采砂船管理Web平台电性连接的采砂船识别服务器、监测状态分析服务器的和存储服务器；本发明能够实现河湖采砂船进出采砂区域的自动识别以及河湖非法采砂船的识别、取证及预警功能。

摘要： 本发明是一种融合自适应环流抑制的无模型自适应迭代学习MMC变流器控制方法，其特点是，包括电压外环无模型自适应迭代学习控制、电流内环无模型自适应预测控制、自适应环流抑制控制等步骤：由于引入了无模型自适应迭代学习控制用于MMC变流器直流侧，能够实现直流电压的准确跟踪控制；通过引入电流内环无模型自适应预测控制，可改善电流控制精度，从而改善电流波形质量；通过引入自适应环流抑制控制，可改善MMC变流器交直流两侧扰动背景下的环流抑制效果，从而保证MMC变流器的可靠工作。

摘要： 本发明包括：频带分割滤波器(102、103、104、105)，具有预先设定的不对称的冲击响应，输入语音信号，将输入的语音信号的频带分割为预先设定的多个子带，取得频带分割出的多个子带语音信号；多个量化部件(110、111、112、113)，按预先设定的分割数对频带分割出的多个子带语音信号分别进行量化；以及编码部件(115)，对量化过的多个子带语音信号进行自适应差分脉冲编码调制编码。

摘要： 提供一种有效进行利用特定条件的学习数据执行了DNN的声学模型的自适应且可提高精度的统计声学模型的自适应方法。在采用了DNN的声学模型的说话人自适应方法中，包括：第1存储装置分别存储不同的说话人的讲话数据(90～98)的步骤；准备按说话人区分的隐藏层模块(112～120)的步骤；在切换选择讲话数据(90～98)的同时，一面用与选出的讲话数据相对应的隐藏层模块(112～120)动态地置换特定层(110)，一面进行针对DNN(80)的所有层(42、44、110、48、50、52、54)的准备性学习的步骤；用初始隐藏层置换已完成准备性学习的DNN的特定层(110)的步骤；和将初始隐藏层以外的层的参数固定，采用特定说话人的声音数据进行DNN的学习的步骤。

摘要： 本发明公开了基于深度学习的采砂船自适应监控系统的自适应监控方法，包括前端监控终端、推理识别装置以及服务器管理装置；前端监控终端包括嵌入式微处理器、水岸监控摄像机、北斗定位模块、能量状况监测模块；推理识别装置包括嵌入式PC机以及与嵌入式PC机电性连接的无线图像传输通信模块、深度学习加速卡、4G无线通信模块，以太网模块和SD卡数据存储模块；服务器管理装置包括采砂船管理Web平台以及采砂船管理Web平台电性连接的采砂船识别服务器、监测状态分析服务器的和存储服务器；本发明能够实现河湖采砂船进出采砂区域的自动识别以及河湖非法采砂船的识别、取证及预警功能。

摘要： 本发明是一种融合自适应环流抑制的无模型自适应迭代学习MMC变流器控制方法，其特点是，包括电压外环无模型自适应迭代学习控制、电流内环无模型自适应预测控制、自适应环流抑制控制等步骤：由于引入了无模型自适应迭代学习控制用于MMC变流器直流侧，能够实现直流电压的准确跟踪控制；通过引入电流内环无模型自适应预测控制，可改善电流控制精度，从而改善电流波形质量；通过引入自适应环流抑制控制，可改善MMC变流器交直流两侧扰动背景下的环流抑制效果，从而保证MMC变流器的可靠工作。

摘要： 本发明包括：频带分割滤波器(102、103、104、105)，具有预先设定的不对称的冲击响应，输入语音信号，将输入的语音信号的频带分割为预先设定的多个子带，取得频带分割出的多个子带语音信号；多个量化部件(110、111、112、113)，按预先设定的分割数对频带分割出的多个子带语音信号分别进行量化；以及编码部件(115)，对量化过的多个子带语音信号进行自适应差分脉冲编码调制编码。

摘要： 本发明涉及一种通过使用自适应超参数的多阶段学习对机器学习网络进行设备上学习的方法，包括：(a)当新的学习用数据满足设备上学习条件时，将当前学习分为第1阶段学习至第n阶段学习，生成第1阶段学习用数据至第n阶段学习用数据，基于多个超参数中每一个的默认值生成第1超参数集候选至超参数集候选，训练所述机器学习网络，选择性能最高的所述机器学习网络，生成为第1自适应超参数集；(b)生成第(k_1)超参数集候选至第(k_h)超参数集候选，使用第k阶段学习用数据来训练，选择性能最高的所述第(k‑1)阶段学习的机器学习网络，生成第k自适应超参数集；以及(c)生成第n自适应超参数集，进行第n阶段学习，从而完成所述当前学习。

摘要： 本发明涉及小波神经网络优化技术领域，特别涉及一种基于归一化最小均方自适应滤波的自适应学习率小波神经网络控制方法。本发明包括:建立控制系统模型；将小波网络的所有权值按层进行单位化；小波神经元权值优化；求解误差信号和训练代价；采用阶梯函数对活化函数的导函数分段处理；制定拟合导函数的模糊规则；确定隶属函数；确定每个模糊规则在导函数值中所占的比重；输出模糊系统、线性化显示活化函数；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数；输出层自适应调整学习率；确定输出层学习率的范围；隐层的学习率调节；训练神经元突触权值；输出跟踪控制信号；完成闭环反馈控制。本发明能够加快收敛速度，减小计算复杂度。

摘要： 本发明涉及小波神经网络优化技术领域，特别涉及一种基于归一化最小均方自适应滤波的自适应学习率小波神经网络控制方法。本发明包括:建立控制系统模型；将小波网络的所有权值按层进行单位化；小波神经元权值优化；求解误差信号和训练代价；采用阶梯函数对活化函数的导函数分段处理；制定拟合导函数的模糊规则；确定隶属函数；确定每个模糊规则在导函数值中所占的比重；输出模糊系统、线性化显示活化函数；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数；输出层自适应调整学习率；确定输出层学习率的范围；隐层的学习率调节；训练神经元突触权值；输出跟踪控制信号；完成闭环反馈控制。本发明能够加快收敛速度，减小计算复杂度。