基于LOM的知识模型与个性化学习控制

在智能教学系统中,知识模型是专家模型的核心,是实现智能教学的一个关键问题。本文讨论知识点及其相互关系的形式表示,提出基于LOM的知识点模型与学习控制策略。知识点被设计、封装为学习对象,提高了学习内容的可重用性、可管理性、可定制性与互操作性。LOM的语义描述能力,使得系统本身具有一定程度的知识理解能力。以知识点LOM模型为结点的知识网络是语义网络,其语义计算能力便于知识的发现与关联。将专家知识网络动态映射为学生知识网络,实现了个性化学习。     

智能教学系统中的知识树增长模型

智能教学系统（intelligent tutoring system,ITS),作为人工智能学科的重要研究应用领域,是21世纪人类社会数字化教育的必然发展方向,迄今研究逾30年。现有一些ITS系统由于知识表示以及推理方法的领域相关特性,系统构建与系统运用、系统模块之间动态有机联系不强,进而导致学生模型弱化等问题,限制了系统在进行个别化教学过程中的智能性和推广运用。在此从系统的知识表示入手,基于SC文法的知识表示体系和知识树映射方法,提出了一个动态、实时、自适应、交互式知识树增长模型（augment knowledge-tree model,AKTM)。模型包括基于SC文法的知识点表示方法、知识树结构以及知识树映射、知识树学生模型、知识点学习循环等内容,贯穿于ITS系统4大传统模块之中,并在内容和功能上与之完全集成。通过知识点层次多维属性标注和索引,实现了知识存储、处理、调用和维护动态、一体化过程。通过知识点学习循环,实现个别化、动态、自适应智能教／学过程。同时通过模型在多媒体ITS系统中的实例化设计和运用,实现了动态教／学、领域无关、人机交互、自适应、个别化等智能特点。     

自适应学习模型在智能教学系统中的应用研究

在分析自适应学习内涵的基础上,深入地研究了自适应学习模型的结构和功能。探讨了自适应学习模型对智能教学系统实现教学内容动态呈现和智能导航两个方面的理论支持。最后,指出自适应学习模型的分析和研究是构建智能网络教学系统的关键。     

智能网络学习系统中个性化学习研究

网络学习提倡以学生为主体,智能网络学习系统则以学生的个性化学习为特征．领域知识的组织和智能导航是智能网络学习系统中实现个性化学习的基本问题。探讨智能网络学习系统中的领域知识组织和管理,研究一种个性化学习路径的动态生成算法和个性化学习的页面合成算法,为智能网络学习系统的设计和开发提供基础。     

基于Web的智能教学系统的研究与实现

针对当前智能教学系统存在的不足,设计了一个基于WEB的智能教学系统模型。主要论述了系统的功能结构,学生模型和教师模型的构造以及知识表示方法和推理机运用知识进行推理的过程,侧重于方法与策略的研究与应用。旨在通过本系统的实现,为网络学习中的用户提供个性化、智能化的学习内容与指导。     

自适应算法在网络学习系统的应用研究

随着现代信息技术与教育产业的深度融合,建设远程开放式的网络学习平台已成为构建智慧校园网的核心;同时也为构建学习型社会,实现终身教育提供了环境支撑和技术保障。主要着手于自适应算法研究,以网络学习者为对象,针对网络学习平台中存在的问题,设想将自适应算法引入到网络学习平台中,设计一个包含自适应网络学习模型、学习者信息模型、智能学习诊断模型的网络学习系统。以期系统能够有效地完善现有网络学习在动态导航、智能诊断、师生交互、因材施教等方面存在的不足,并从根本上改变传统按部就班式的学习模式,实现将资源按照学习者的个体特征和学习需求自动地生成学习内容序列,从而实现个性化的学生学习与教师辅导,以此来提升远程教育的服务质量。     

智能教学中的知识模型与教学评价的研究

目前,基于Web的智能教学系统是计算机应用于教育领域的研究方向之一.本文从知识点及其关系出发构建一个知识网络模型,并基于该模型介绍如何进行领域知识表示及考核试题设置,然后设计了试题难度系数的动态更新方法,还提出一种简捷的知识诊断方法,准确地将学生学习缺陷定位到具体的知识点,得出学习路径方面的建议,从而增强了教学的针对性.     

基于Web和数据挖掘技术的智能教学系统研究

传统的智能网络教学系统在适应性和个性化方面存在严重缺陷.基于Web和数据挖掘技术构建了一个智能教学系统的模型,该模型采用人工神经网络、聚类分析等关键技术,获取学生对知识点的理解程度,并对学生学习特征分类,根据学生的不同特征和兴趣点,提供不同的教学策略和教学内容,更有利于实现系统的个性化教学.     

基于云计算的网络教学平台设计

云计算指的是在模型的建立及计算过程中利用互联网服务器或者浏览器的结构基础,通过云计算浏览器实现程序应用逻辑以及数据库的存储过程。通过对每个学生的学习需要及学习过程中的问题解决都能得到有效的满足的教学服务的网络教学系统就叫云计算的网络教学系统。云计算网络教学系统能够利用现有的资源优势,充分发挥学生的学习特点,融合网络中的知识全面以及云计算的并发定制服务优势,为学生提供网络教学的在线学习模式。通过以互联网为核心,把服务及标准公开,提供为学生计算服务的计算机技术,实现云计算网络教学。本文通过介绍云计算的基本概念,探讨云计算网络教学的利弊,分析云计算网络教学平台的设计。     

自适应网络教学系统的研究与设计

对自适应网络教学系统所涉及的模型和算法进行研究,并给出一个用户实例。最后给出系统的总体设计方案,包括教学系统的主要功能模块、自适应教学流程设计。     

认知无线电网络中基于和声搜索的频谱分配与功率控制

针对认知无线电网络中功率控制和频谱分配过程存在互相影响的问题,提出一种基于和声搜索的频谱分配和功率控制算法。通过综合分析频谱分配和功率控制过程中的各种约束条件,建立了联合功率控制和频谱分配的系统模型。算法根据系统模型特点设计和声搜索算法下相应编码方案,采用多目标优化方法处理复杂的约束条件,并赋予可行解适当的优先权重。仿真实验表明,算法可以很好地解决认知无线电网络中的频谱分配和功率控制问题。     

基于方向优先和对向搜索的改进Dijkstra算法

传统Dijkstra算法在搜索最短路径时需要逐一遍历网络图中所有顶点,计算量大,占用存储空间大,搜索效率很低。因此,针对交通网络的空间特性和传统算法的不足,改进存储结构,采用“方向优先+对向搜索”相结合的搜索方法,以减少存储空间,缩小搜索范围,从而加快搜索速度,提高算法的搜索效率。实验数据表明：与传统算法相比,改进的算法能够更有效地搜索交通网络中的最短路径,具有更好的实用价值。     

油田采出水处理方案分布式专家系统研究

针对现有油田采出水处理专家系统中存在的水处理流程、设备、水处理剂选择三者合一,导致不利于产生性价比高的方案以及系统工作自动化低的问题,提出将3种选择推理任务分开的协同式多专家系统.设计了基于叠代思想协同算法来协调3个子推理任务,提高了设计方案性能价格比及专家系统运行自动化水平.流程选择方面,提出基于不确定性的启发式全局优先搜索策略算法,并设计了该算法的启发函数来提高算法的效率.为设备选择和水处理剂选择设计了框架知识库和实用匹配算法,满足所选择设备和水处理剂的低成本要求.结果分析表明,该系统较之现有水处理专家系统在算法运行效率、结果有效性方面得到了明显提高.     

一种提高系统搜索效率的BM改进算法

针对在线式微机防误系统中字符串匹配的特点以及BM算法匹配性能不足的问题,提出一种BM改进算法——WBM算法,以进一步缩短算法的匹配时间。去掉好后缀规则,适当改进坏字符规则,构建适用于系统维护的框架网络数据结构环境,将WBM算法应用于框架网络,实现基于该算法的微机防误系统软件。实验比对结果表明,WBM算法在BM、WBM、BMH、QS这4种对比算法中速度最快,且同硬件测试CPU使用率为0.76%,应用该算法使搜索时间缩短为3.9 s,搜索准确度提高到99.5%,能明显提高知识在计算机中搜索的效率,与框架网络相结合后,进一步节省了微机防误系统的维护时间。     

基于专家知识融合的贝叶斯网络结构学习方法

基于数据学习的贝叶斯网络结构学习算法因搜索空间大而效率低。领域专家可根据自己的经验知识确定网络结构中固有的因果关系。通过收集不同专家的意见,并利用证据理论进行综合,确定其中的部分因果关系,去除其中无意义的因果关系,然后利用常用的学习算法进行学习,减小搜索空间,提高算法效率。实验结果表明基于专家知识融合的贝叶斯网络构造方法利用专家知识来限制学习算法的搜索条件,有效地缩小了搜索空间,利用证据理论综合多个专家知识,防止了单个专家的主观片面性,能够有效地提高学习效率。     

文化基因算法优化PID神经网络系统辨识

PID神经网络(PIDNN)是一种融合比例、微分、积分环节,结构简单固定,且具备动态网络特点的神经网络模型,适合于非线性系统辨识。但是网络对初始权值和样本质量敏感,参数难以选定,导致网络收敛速度慢,容易陷入局部极小。提出一种采用文化基因算法(Memetic Algorithm)优化网络权值的方法。在差分进化(DE)算法全局寻优结果基础上,通过混沌局部搜索算法,进一步优化网络权值;根据PIDNN特性,在优化过程中加入先验知识,采用L1正则项,对目标函数正则化,避免算法搜索到无潜力解,保证网络模型泛化能力。对一杂非线性系统进行辨识仿真,仿真结果表明优化后的神经网络辨识精度高,有良好的泛化能力。     

基于排队网络的多优先级MapReduce作业调度算法

MapReduce是一个能够对大规模数据进行分布式处理的框架,目前被各个领域广泛应用。在提供MapReduce服务的集群中,如何保证不同优先级用户的截止时间限定是MapReduce作业调度问题的一个挑战。针对这一问题,提出了一个基于排队网络的多优先级作业调度算法（MPSA）。首先分析和归纳了基于MapReduce模型的算法,提出了三种常见模式,采用Jackson排队网络对基于MapReduce模型的算法建立了数学模型,应用该网络模型可以求出不同优先级队列对资源的需求;随后使用AR(1)模型进行预测,使算法可以动态地适应不同的用户访问量;利用二分查找算法,分步计算出不同优先级在map阶段和reduce阶段分配的槽位数;最后实现了在MapReduce模型中应用的实时调度算法。实验结果表明,与传统的FIFO和公平调度算法相比,本文提出的算法在用户到达率和任务规模变化的情况下,可以更加有效地满足不同优先级用户的截止时间限定。     

混合和声搜索算法优化SVM的订单优先权评价

订单优先权评价是制订生产计划的关键,针对当前订单优先权评价模型不足,提出一种混合和声搜索算法优化支持向量机的订单优先权评价模型（HHS-SVM）。构建订单优先权评价指标体系,采用支持向量机建立订单优先权评价模型,并采用和声搜索算法优化支持向量机参数,在参数寻优过程中,引入了人工鱼群算法的觅食行为,提高了算法跳出局部最优解的能力和收敛速度,采用仿真实验测试模型的性能。结果表明,相对于对比模型,HHS-SVM提高了订单优先权评价精度,是一种可行、有效的订单优先权评价模型。     

基于B/S模式的网络考试系统设计与实现

网络考试系统是教育随着计算机信息技术发展涌现出的一种新的考试方式,该文利用了基于B/S模式下的三层结构体系,在ASP.NET框架下,利用SQL Server数据库,设计出了功能完备、实用的网络在线考试系统,详细阐述了系统的登录安全验证、知识点优先权的组卷技术、考试时间控制以及数据查询几个功能的实现,有效地解决了传统考试的低效性与复杂度。     

知识图谱中的语义推理算法

为了提高查询推理系统对高度动态和迅速扩张的知识图谱的适应性,向用户返回更加高效、实时、准确的结果,在对目前流行的知识图谱推理算法对比研究的基础上,提出一种基于语义张量的推理算法。通过筛选简化2个公开的网络规模的知识图谱,利用该算法进行训练测试。实验结果表明,该算法可提升效率,节省内存,提高推理精确度,能够适应高度动态化和不断演变的知识图谱数据信息,提高搜索引擎的智能化程度。