基于J2EE的学习流系统设计与实现

学习流系统是运用工作流理论与技术而提出的一种面向学习过程的新型e-Learning学习平台。在介绍了学习流系统相关概念的基础上，提出了一种基于J2EE的学习流系统架构，并对各层进行了详细的设计，最后实现了一个学习流原型系统，较好地解决了目前e-Learning平台对学习过程支持不足的问题。     

研究性学习在高职数学教学中的应用

对高职数学教学进行改革，激发学生的学习兴趣，具有十分重要的意义。文章分析了研究性学习的本质，介绍了研究性学习在高职数学教学中的应用实例，探讨了研究性学习的实施策略，以求改变传统的教学模式，培养学生应用知识的能力。     

CMAC的一种快速学习方法

研究了小脑模型连接控制器的快速学习方法，首先分析了学习过程中学习干扰的原因及学习精度，学习次数，内存单元数之间的关系，然后基于内存单元的初始化和学习亲本点的选择，构造了可快速精确地收敛于学习函数的快速学习方法－初始化随机法。     

推动“四史”教育与高校思想政治工作深度融合研究:以“微时代”推进高校党史学习教育走向深化为例

开展党史学习教育意义非凡、影响深远，高校应立足时代需要，将党史学习教育与“微”时代紧密结合起来着力提升党史学习教育“微”效果。阐述了利用微课开展党史学习教育的必要性，指出了党史学习教育面临的新困境，从“着力提升微主体媒介素养，持续加大内容创新力度，系统建构沟通优化机制”等方面提出了党史学习教育的创新路径。     

面向在线学习的个性化学习资源推荐系统设计

为了解决在线学习资源数量庞大，学生无法快速从中选择适合自己的学习资源的问题，使学生高效、快速的获取合适的学习资源，本文建立了个性化学习资源推荐系统。系统采用基于用户的协同过滤推荐算法进行个性化学习资源的推荐。针对算法中可能出现的评分稀疏和“冷启动”问题，对使用者信息获取方式进行了优化，采用隐性评分的方式进行学习资源的评分。对于新注册的使用者，系统采用内容过滤算法进行学习资源的推荐。采用F-measure和平均绝对误差作为评价指标进行了性能验证试验。试验结果表明：系统的个性化学习资源推荐效果较好。     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

试论理论学习的成效

本遵循辩证唯物主义思想法则，联系学习实际，阐述理论学习成效的评价标准，论证制约学习成效的主要矛盾，从宏观角度探讨了提高学习成效的途径，是将理论学习引向深入的深层思考。     

班组学习诊断

在国有企业，班组学习由于缺少新思路、新观念，往往无效果、无生机，普遍面临着被忽视、被冷落的尴尬局面，为提高班组学习的“凝聚力”，必须进一步改进和完善班组学习。本文对班组学习流于形式化的根源以及班组学习的定位进行了分析探讨，并提出了班组学习的改进对策。     

论高职学生的自主学习

自主学习是主体教育思想在教学领域的反映，其本意是学生由他主学习转向自主学习。但这绝不是淡化教的作用，而是在新的起点上强化教的作用。在应试教育思想束缚下，教师主导作用过份夸大，导致了学生主动性的萎缩，阻碍了学生个性的发展。实现自主学习，是从学生需要的层面上着手，注意调动学生学习的内在积极性，开创生动、活泼、上动的学习局面。基于情意原理、活动原理的教学，使学生在白主的学习活动中体验到学习的乐趣，使学生愿意学、乐于学，从而培养学生的自主精神、创造才能。     

浅谈少儿学英语

分析了少儿学习英语的可行性和必要性，提出必须遵循儿童语言学习的规律开展教学。概述了少儿学习英语的优势和劣势，指出必须根据少儿的年龄特点，制定合理的教学目标，选择适宜教学内容和恰当的教学方法来开展他们的英语学习。     

智能教学系统中学生模型的构建

介绍了常见的学生模型：覆盖模型、偏差模型和认知型模型。这三种模型主要是反映学习的学习基础，认知能力，但对于影响学习的心理因素没涉及到。因此，本把影响学习的心理因素进行了归纳，根据影响学习的心理因素提出了一个全面的学生模型，一个全面的学生模型应该是覆盖模型，偏差模型，认知能力、心理模型的综合，并且用多维向量来表示。     

基于神经网络的机械故障诊断系统

给出了自适应神经网络学习模型及自适应神经网络的诊断过程，探讨了动量系数和学习率自适应调整的神经网络算法，进一步给出了动量系数和学习率的调整方法，并将其作为机械故障的特征识别方法．由此建立了基于神经网络的旋转机械故障智能诊断系统，给出了诊断系统的训练学习方式和工作方式．两种学习系统的训练方式，可作为旋转机械在线或离线故障诊断分析的重要方法．     

基于隐偏向信息学习的强化学习算法

传统的强化学习算法应用到大状态、动作空间和任务复杂的马尔可夫决策过程问题时，存在收敛速度慢，训练时间长等问题．有效地学习和利用问题中包含的偏向信息可以加快学习速度，提高学习效率．在分析了偏向机制特点的基础上引入了隐偏向信息的概念，建立了一种基于偏向信息学习的强化学习模型，并提出了一种基于特征的改进SARSA(λ)算法．针对于拄箱任务的实验表明，改进的算法明显提高了学习效率．     

发现学习、接受学习与建构主义学习观

发现学习实际上只是比接受学习多了一个前期阶段，由此而决定其主动与被动、意义或机械，这种提法不妥。而且，这种区分将知识实际都看成纯粹性知识、客观存在的，学习是去获取其本体论意义的活动。建构主义学习观认为，学生的学习都是主动建构其内部心理意义及认识的过程，真实的学习都源于学习主动对信息的选择，但这并不一定有外显表现。简单去决定哪种方式为合理的学习方式没有意义。应该在认清学习性质基础上，遵循学习的规律，去发挥各学习方式的优势，来更好地帮助学生促进学习、实现学习。     

高职院校学习支持体系组成与功能研究

为了帮助高职院校构建学习支持体系，根据学生学习特征和成长规律，结合建构主义理论和适应性学习支持理论，分析了学习支持体系构建的理论基础、原则、组成和功能，为高职教育教学改革和学习体系构建提供重要参考依据。     

英语口语学习释疑

许多学生在英语口语学习中遇到一些疑虑和困惑，阻碍了他们英语学习的进步与提高，甚至影响了他们学习英语口语的积极性和主动性。对此，笔者作了相应的释疑，解决了他们英语口语学习中的一些问题。     

基于神经网络的轧制力预报模型

采用了BP神经网络对热轧无缝钢管穿孔过程中轧制力进行预测，在BP算法学习过程中引入了附加动量法和自适应学习速率，结合Levenberg-Marquardt优化方法，加快了学习时的收敛速度，试验证明，取得了良好的学习和测试效果。研究结果可为斜轧穿孔工具设计和工艺调整提供一定的理论依据，对解决生产中出现的实际问题、开发新产品和新工艺提供有效的指导。     

浅谈大学英语教学中学生自主学习能力的培养

本分析了当今学生具有自主学习能力的必要性，阐述了自主学习的概念，从语言知觉的角度，探讨如何培养学生学习自主能力，并阐明了教师在培养学生学习自主能力过程中的重要职责。     

支持向量机改进序列最小优化学习算法

为提高支持向量机序列最小优化学习算法的学习性能，提出了一种支持向量机改进序列最小优化学习算法，对传统SMO学习方法进行了多方面改进，从优化变量的选择和2个变量的优化方法分别提出具体可行的改进方法．改进后的SMO学习算法提高了学习速度，加快了网络收敛速度．基于改进SMO算法的仿真结果验证了改进SMO算法的有效性和优越性，并通过仿真，与原始算法进行了比较，显示了改进SMO算法的快速性．     

基于多尺度特征Transformer的细粒度图像分类方法

针对细粒度图像分类任务的长尾分布问题，提出了一种基于多尺度特征Transformer的细粒度图像分类方法，实现了底层与深层特征的保护并优化了长尾分布。首先，设计了混合数据采样方法，获取用于优化表征学习、长尾分布和细粒度特征的三元组数据；然后，设计了Transformer多尺度特征优化方法，分别通过底层特征对比学习方法与深层特征平衡学习方法优化特征学习过程，改善类别混淆和细粒度特征的提取，在保护头部类别特征学习的同时增加对尾部类别的关注。仿真结果表明，所提方法可以有效地改善细粒度图像分类任务中长尾分布带来的影响，优化特征分布，提高分类准确率。