规则学习

摘要： 支持幼儿展开规则学习并认同社会规则,初步形成公平和责任意识,是幼儿园应承担的教育任务。为此,幼儿园可以有意识地创设生活实践场,支持和帮助幼儿在拟真的生活场景中进行体验式的社会学习,获得多种社会情境生活的有益经验。我园创设了“微社区”生活实践场,在其中幼儿遇到的问题和进行的实践活动,与今后步入社会遇到的问题在许多方面是类似的。

摘要： 向量具有代数与几何形式的双重性,在解题中具有独特的功能.向量常与数列、三角函数、不等式、解析几何、立体几何等结合,综合考查三角函数的化简、求值及三角形中的有关问题和有关长度、角度、垂直等问题以及圆锥曲线中的典型问题.1以数学知识为载体,考查一般能力高考对数学一般能力的考查有符号学习能力、概念学习能力和规则学习能力.高考题常定义一些新的感念、符号或运算规则等来考查学生的一般能力.

摘要： 绘本是一种集图画、文字为一体的阅读文本。借助于绘本的故事性、趣味性。将零散的知识进行串联。有效调动幼儿的学习积极性。激发幼儿的学习兴趣。还可以利用绘本丰富的教育资源促进幼儿的理解和知识的吸收。对提升早期幼儿的阅读能力、表达能力、社会规则学习能力及情感培养具有十分重要的意义。因此。我们在教育教学实践中尝试了几次幼儿绘本阅读活动。以下就中班幼儿绘本阅读《是谁嗯嗯在我头上》为例。就开展幼儿园绘本阅读教学的策略,简单谈谈自己一些粗浅的认识。

摘要： 本研究采用“数字−字母转换任务”区分高低认知灵活性者,构建概率配对模式相同但形式不同的两个概率类别学习任务,借助ERP技术探讨认知灵活性对概率类别学习任务的作用特点与机制。结果发现,本研究的两个任务中,高认知灵活性组的规则习得水平均优于低认知灵活性组,认知灵活性能促进概率类别的学习。同时,对不同学习阶段的ERPs分析结果显示,高认知灵活性者在概率类别学习中的优势源于反馈加工过程。

摘要： 随着篮球各方面的改革,裁判这个职业愈加重要.一场比赛的完美判罚需要裁判具有多方面的能力,同样,对初级裁判来说也是如此.泰山学院体育学院每年都有大批学生裁判从零基础开始学习,在学习提高的过程中,总会遇到各种问题,本文对这些初级篮球裁判员经常遇到的心理压力产生的原因进行分析研究并提出对策分析,为更好地培养泰山学院初级篮球裁判员提供参考.

摘要： 为了增强新一代车辆的功能和安全性,收集了大量的车辆行驶历史数据,利用机器学习方法创建基于规则的计算模型,以检测车队中的故障车辆。详细介绍了模型的设计步骤,并通过低压电池的电气故障测试进行该方法的有效性验证。分析结果可供后续车型台架测试参考。

摘要： 《机械制图》需要学习者掌握国家标准规定进行绘图与识图练习,规则学习占了很高的比重,基于加涅的学习结果分类理论,属于智慧技能的学习;教学模式的建立可以帮助教师结合教学特色和模式培养目标形成有效教学,本文针对中职《机械制图》教学开展实践研究,在学习结果分类基础下对规则学习进行构建"二学三测"教学模式,对学生掌握情况评测、提高学生的学习能力、提升学生的专业识图能力,实现有效教学。

摘要： 《机械制图》需要学习者掌握国家标准规定进行绘图与识图练习,规则学习占了很高的比重,基于加涅的学习结果分类理论,属于智慧技能的学习;教学模式的建立可以帮助教师结合教学特色和模式培养目标形成有效教学,本文针对中职《机械制图》教学开展实践研究,在学习结果分类基础下对规则学习进行构建"二学三测"教学模式,对学生掌握情况评测、提高学生的学习能力、提升学生的专业识图能力,实现有效教学.

摘要： 传统纹样的生成是图案生成领域最具代表性的研究方向之一,从传统纹样的构图规则出发生成纹样是最常用的方法之一.以传统纹样为研究对象,针对现有传统纹样生成方法泛化能力差的问题,通过对不同传统纹样进行特征分析,找出其生成规则的异同,提出了一种传统纹样统一生成模式:寓意嵌入的层次迭代生成模式.选取几何纹、动物纹、植物纹中的典型纹样,利用统一生成模式进行重构,验证了模式的有效性.实验结果表明,统一生成模式适合多种传统纹样的重构,一定程度上是对传统纹样重构的创新应用.

摘要： 信息抽取是自然语言处理领域的重要课题.传统多槽信息抽取系统的规则是基于零阶逻辑的,表达能力有限.归纳逻辑编程(ILP)借助一阶谓词逻辑的强大描述能力,可以自然地表述各种特征,将其整合到一个逻辑框架下,从中学习目标关系.本文研究了ILP学习算法在多槽信息抽取中的应用.实验结果表明,本算法学到的规则比基于零阶逻辑的典型代表WHISK算法具有更好的性能.

摘要： 信息抽取是自然语言处理领域的重要课题.传统多槽信息抽取系统的规则是基于零阶逻辑的,表达能力有限.归纳逻辑编程(ILP)借助一阶谓词逻辑的强大描述能力,可以自然地表述各种特征,将其整合到一个逻辑框架下,从中学习目标关系.本文研究了ILP学习算法在多槽信息抽取中的应用.实验结果表明,本算法学到的规则比基于零阶逻辑的典型代表WHISK算法具有更好的性能.

摘要： 信息抽取是自然语言处理领域的重要课题.传统多槽信息抽取系统的规则是基于零阶逻辑的,表达能力有限.归纳逻辑编程(ILP)借助一阶谓词逻辑的强大描述能力,可以自然地表述各种特征,将其整合到一个逻辑框架下,从中学习目标关系.本文研究了ILP学习算法在多槽信息抽取中的应用.实验结果表明,本算法学到的规则比基于零阶逻辑的典型代表WHISK算法具有更好的性能.

摘要： 信息抽取是自然语言处理领域的重要课题.传统多槽信息抽取系统的规则是基于零阶逻辑的,表达能力有限.归纳逻辑编程(ILP)借助一阶谓词逻辑的强大描述能力,可以自然地表述各种特征,将其整合到一个逻辑框架下,从中学习目标关系.本文研究了ILP学习算法在多槽信息抽取中的应用.实验结果表明,本算法学到的规则比基于零阶逻辑的典型代表WHISK算法具有更好的性能.

摘要： 信息抽取是自然语言处理领域的重要课题.传统多槽信息抽取系统的规则是基于零阶逻辑的,表达能力有限.归纳逻辑编程(ILP)借助一阶谓词逻辑的强大描述能力,可以自然地表述各种特征,将其整合到一个逻辑框架下,从中学习目标关系.本文研究了ILP学习算法在多槽信息抽取中的应用.实验结果表明,本算法学到的规则比基于零阶逻辑的典型代表WHISK算法具有更好的性能.

摘要： 本申请总体涉及一种用于生成用于控制自主车辆的动作策略的方法和设备。尤其，该方法可操作用于接收指示训练事件的输入，将驾驶情节分割为多个时间步骤，响应于每个时间步骤生成解析树，以及从所生成的解析树的组合来生成最可能的解析树。

摘要： 语音识别用规则学习装置(1)与语音识别装置(20)连接，语音识别装置(20)在对照中使用表示声音的第1类型字符串与用于形成识别结果的第2类型字符串之间的转换规则，语音识别用规则学习装置(1)具有：字符串记录部(3)，其记录第1类型字符串和与其对应的第2类型字符串；提取部(12)，其从记录在单词字典(23)中的单词中提取将多个第2类型要素连接起来而构成的第2类型学习字符串候选；以及规则学习部(9)，其从第2类型学习字符串候选中提取与字符串记录部(3)中的第2类型字符串的至少一部分一致的字符串，作为第2类型学习字符串，从字符串记录部(3)的第1类型字符串中提取第1类型学习字符串，将第1类型学习字符串与第2类型学习字符串之间的对应关系追加到转换规则中。由此，能够在不增加无用的转换规则的情况下，针对语音识别装置自动地追加转换单位变化的新规则。

摘要： 本发明涉及一种基于关联规则学习的配电网自适应保护整定方法，其技术特点在于：包括以下步骤：步骤1、将配电网中的数据将分为状态数据S、运行数据O和保护数据P三类，并对各类数据进行数据结构的格式化后，将所有信息进行整合存储形成运行状态数据库；步骤2、当配电网运行方式和拓扑结构变化时，可以通过离线计算该变化引起的保护定值的变化量，从而得到配电网特定运行方式和拓扑结构变化与保护定值之间的关联规则；步骤3、当检测到配电网运行方式或者拓扑结构发生变化时，根据当前实时运行状态对保护进行自适应整定。本发明大大降低了自适应保护定值在线实时整定所需要的计算量和通信时间，提高了自适应保护的速动性。

摘要： 语音识别用规则学习装置(1)与语音识别装置(20)连接，语音识别装置(20)在对照中使用表示声音的第1类型字符串与用于形成识别结果的第2类型字符串之间的转换规则，语音识别用规则学习装置(1)具有：字符串记录部(3)，其记录第1类型字符串和与其对应的第2类型字符串；提取部(12)，其从记录在单词字典(23)中的单词中提取将多个第2类型要素连接起来而构成的第2类型学习字符串候选；以及规则学习部(9)，其从第2类型学习字符串候选中提取与字符串记录部(3)中的第2类型字符串的至少一部分一致的字符串，作为第2类型学习字符串，从字符串记录部(3)的第1类型字符串中提取第1类型学习字符串，将第1类型学习字符串与第2类型学习字符串之间的对应关系追加到转换规则中。由此，能够在不增加无用的转换规则的情况下，针对语音识别装置自动地追加转换单位变化的新规则。

摘要： 本发明公开了一种挖掘知识图谱中不同长度规则的可微规则学习模型，包括：所述玩家单元包括并列设置的若干玩家模块，每个玩家模块能根据输入的从知识图谱中找到不同长度链式逻辑规则的查询，从知识图谱中找到对应的链式逻辑规则；所述队长单元，与所述玩家单元通信连接，能从所述玩家单元中选择合适的玩家模块来处理对应的查询；所述裁判单元，分别与所述队长单元和玩家单元通信连接，能对所述玩家单元找到的链式逻辑规则进行评估，得出评估反馈结果，用于所述玩家单元和队长单元根据所述评估反馈结果改善自身。该可微规则学习模型，能准确、高效的从知识图谱中挖掘全部的链式逻辑规则。

摘要： 本发明公开了一种基于深度强化学习的自主驾驶规则学习方法，在车联网环境下，路网中存在两种类型车辆，自主驾驶车和网联车。自主驾驶车通过车载控制系统与车联网的车车(Vehicle‑to‑Vehicle，V2V)通信技术实时获取路网中网联车的行驶状态，通过深度强化学习的方式，在保证交通安全的情况下，学习自主驾驶规则，调节车辆队列驾驶间距，以最大化路网的平均速度和提高路网的通行效率。为以后利用深度强化学习进一步提高车辆的自主决策能力奠定了基础。

摘要： 本发明公开了一种基于规则学习网络的商品推荐方法，包括：选取推荐数据集，并对推荐数据集中的特征进行预处理；将预处理完成的特征进行分组，分别输入三个规则模型塔中进行学习；每个规则模型塔分别输出学习到的规则向量后，在网络上层对三个规则模型塔输出的规则向量进行拼接；将用户和物品id做嵌入后拼接，输入具有一个隐层的神经网络，将这个神经网络的输出作为拼接规则向量的权重，相乘后得到预测的点击概率，最终得到用户对该商品的预测评分和推荐理由。本发明解决了原本在规则学习网络中无法使用embedding的问题，在完成对用户推荐物品的同时还给出推荐理由，在模型层面具有可解释性，解决了推荐领域中深度神经网络的黑盒问题。

摘要： 本发明提供一种一种面向虚拟化的基于规则学习的二进制翻译方法。本发明属于系统虚拟化领域，具体通过对翻译学习模型完成基于待翻译代码和目标代码的预先翻译训练，进一步地，可以用于自动获取翻译规则、加速动态二进制翻译系统速度。本发明提出一种面向虚拟化的基于规则学习的二进制翻译方法。通过自动学习过程为翻译规则添加约束条件的，并在动态翻译过程中通过轻量级的验证保证有约束条件的翻译方法正确使用。本发明相较于传统的动态二进制翻译工具减轻了开发人员的工作负担，并有效的提高了性能。同时相较于原始的基于学习的动态二进制翻译方法提高了学习的效率和实际翻译的性能。

摘要： 本发明公开一种面向软件缺陷类分布不平衡的规则学习分类器集成方法，其包括如下步骤：步骤S1：采用主成分分析(PCA)法从原始特征中提取最有效特征从而去除无关和冗余属性，达到降维去噪目的；步骤S2：执行ADASYN过采样和无放回随机采样相结合的组合采样方法，从而解决软件缺陷数据的类分布不平衡性问题，通对采样率的设定提高了软件缺陷预测效率；步骤S3：选取基于规则学习的基分类器进行集成，构建软件缺陷预测模型。本方法利用基于规则学习算法先处理最不频繁的类最后处理最频繁类的机制，以及集成学习能够有效降低偏差和方差，进而降低分类误差的特点，使得模型在处理不平衡数据时具有良好的性能，提升了软件缺陷预测性能以及预测效率。

摘要： 本发明提供一种基于规则学习的电网事故智能识别的方法，获取故障类别，根据历史数据获取一段时间内电网出现事故以及未出现事故时的故障类别组合，根据故障类别组合获得规则训练数据集X；根据规则训练数据集X获取经验度量信息量S(X)；根据经验度量信息量S(X)获取故障类别x对规则训练数据集X的信息增益z(X，x)；以信息增益z(X，x)最大的故障类别作为第一主规则特征，获取其他故障类别对第一主规则特征的信息增益，并重复上述过程，以获得规则决策树；输入待识别的电网运行数据到规则决策树中，由规则决策树输出电网事故识别结果，能够减少故障的识别处理速度，能够实现对电网系统的实时监测，保证电能的正常输送。