普通话多媒体学习软件的设计与开发

从建构主义学习理论出发,应用多媒体网络技术,以普通话测试大纲为标准,开发了普通话多媒体学习系统,为学习者创建了基于网络多媒体的自主学习环境,从而激发学习者学习普通话的兴趣,并提高学习效果.     

基于在线教育的网络自主学习平台开发研究与实践

基于在线教育的网络自主学习平台能够满足院校学生、企业员工等多种学习者个性化和主动性学习的需要,提高不同学习者的学习积极性和主动性。基于在线教育的网络自主学习平台采用Browser/Server架构体系,以面向对象的程序设计语言设计、开发完成了网络设备配置综合实训的在线自主学习平台系统。     

自主协作型虚拟实验教学系统的设计与开发

从建构主义学习理论出发,通过应用网络技术,以<高中化学>课程实验为例,提出自主协作型的学习模式;开发虚拟实验计算机辅助教学系统,为高中学习者创建了基于网络技术的自主协作型的学习环境,使自主协作学习的教学实践达到更好的教学效果.     

P2P环境下的自主协作学习系统研究

目前网络环境下的学习系统大多数只注重协作学习的单一方面,很少顾及学习者的自主性,而且存在其他明显缺陷。本文以计算机网络为依托,以P2P技术为手段,建立自主协作学习网络模型,研究基于该模型的自主协作学习系统实现的三种关键算法：学习兴趣相似度分组算法、基于关键词的学习资料搜索和基于贡献值的资源分配算法,以此为基础设计并实现一种基于P2P的自主协作学习系统。该系统克服目前网络协作学习系统的缺陷,具有较高的理论和应用参考价值。     

基于FMS的口译自主学习系统的设计与实现

本文介绍了一种基于FMS的网络化口译自主学习系统的设计与实现方法.该系统提供了一种模拟真实的口译学习环境,通过让学生开展层级化的训练,不断提高学生的口译技能,解决了口译教学缺乏语境训练的难题.系统采用先进的流媒体网络录音技术,满足了口译训练的即席性和瞬息性的特点,增强了对学生口译自主学习的可控性,从而保证了口译自主训练的效果.     

基于Web网络环境下的自主学习平台设计与实现

研究并设计了一个基于Web的网络教学平台,实现了便于教师＂教＂与学生＂学＂,以学生为主体、教师为主导的交互网络教学环境,设计了以培养自主学习能力为出发点的网络教学平台。     

互联网信息浪潮下外语自主学习的干扰性分析与对策

本文通过从外语学习者及学习媒介两方面入手研究由于互联网信息量过大而对外语学习者在网络自主学习过程中可能出现的各种干扰因素,并进一步探究造成干扰的具体原因,从而为语言自主学习者明示如何在复杂信息中有效地提取所需的信息,帮助学习者采取合理有效的学习策略,以便更好地进行语言学习,实现互联网与语言学习的完美结合。     

基于P2P的流媒体教学系统结构研究

随着计算机网络技术和数字技术的迅速发展,网络教育已经进入了数字化、智能化、个性化的发展阶段。本文致力于研究网络学习系统中的基于P2P流媒体技术的视频教学资源系统平台的构架,为学习者提供一个＂以学习者为中心＂的网络化学习环境。     

用Moodle构建公共机房学习资源探讨

以航海英语听力评估训练课程为例,论述了使用Moodle课程管理平台,建设公共机房学习资源的方法,为自主学习资源的建设和开发提供了一个切实可行的模式。     

网上自主学习的探索和实践

简要分析了当前学生借助计算机、网络来自主学习面临的问题,推出一个以知识点贯穿始终的自主学习导航系统,研究知识点结构,利用AOE-网和学习资源来解决自主学习中的"迷路"和"无助"问题,并对该系统进行了分析和功能划分。实践证明该系统能有效地解决上述问题。     

The effects of cooperative training and ability grouping on microcomputer learning

A total of 276 subjects from Grades 5 and 6 participated in a study investigating the effects of cooperative training and ability grouping on microcomputer learning. Approximately half the sample underwent three half-hour sessions of cooperative training prior to microcomputer learning. Cooperative training included social cohesion techniques such as team-building and self-evaluation, while positive interdependence was also built into the design. In addition, subjects were divided into either homogeneous or heterogeneous ability groups. During five half-hour sessions, subjects worked in groups of four on both a drill-and-practice and a tutorial software program. Results on four measures of achievement did not strongly support the effects of cooperative training or ability grouping on microcomputer learning. Where there are significant findings, the results are mixed, reflecting the ambivalent nature of results in other work in the area. Significantly, mixed-ability groupings did not have any particularly debilitating effects on either high or low ability subjects. Results are discussed in light of the motivationalist and cognitive-developmental positions concerning group learning, and implications for future research are proposed.     

工程制图元认知训练模式的教学构建

元认知训练的实质是对学生元认知能力的培养与开发。元认知培训模式是通过学生对于学习时遇到的困难的内省,找出问题的症结,从而采取最合适的学习策略的过程,使学生认识学习、学会学习的过程。在制图教学中,教师首先要教会学生一些通用性的制图思维策略,要训练学生的制图问题解决思维策略以提高问题解决的效率和能力,引导学生在不同问题上主动总结问题解决的策略,提高学生的学习能力和学习质量。     

关于自动检测技术课程的教学改革与实践

从企业进行调研,根据具体的岗位要求和职业能力来修改《自动检测技术》的课程标准和总体培养目标,并结合学校的教学条件和学生的具体情况,来进行该课程的教学改革和实践.通过实践证明,更有针对性和更主动的学习方式能最大限度的提高学生的学习积极性,提高了教学效果.     

Computer-supported inquiry learning: effects of training and practice

Inquiry learning requires the ability to understand that theory and evidence have to be distinguished and co-ordinated. Moreover, learners have to be able to control two or more independent variables when formulating hypotheses, designing experiments and interpreting outcomes. Can sixth-grade (9–10 years) children be trained to acquire these inquiry learning skills? Or is the opportunity to practice in a computer-supported simulation environment a sufficient condition to foster inquiry learning skills? In this study, two groups of sixth grade children were compared: a training group, and a practice group. The training group received an off-line inquiry learning training in which we focused on fostering strategies for proper inferencing and designing experiments. The practice group conducted four inquiry learning tasks during two practice sessions. Learning outcomes and inquiry learning process measures were collected to study whether training and practice resulted in desired changes in learning behaviour. Both training and practice resulted in better performance during the test problems. Compared to the practice group, the training group showed some advantage in discovering an interaction effect. Practice and training effects appeared to be dependent on type of domain.     

分布式深度学习训练网络综述

近年来深度学习在图像、语音、自然语言处理等诸多领域得到广泛应用,但随着人们对深度学习的训练速度和数据处理能力的需求不断提升,传统的基于单机的训练过程愈发难以满足要求,分布式的深度学习训练方法成为持续提升算力的有效途径其中训练过程中节点间网络的通信性能至关重要,直接影响训练性能分析了分布式深度学习中的性能瓶颈,在此基础上...     

基于云模型的最接近支持向量机增量学习方法*

针对经典支持向量机在增量学习中的不足,提出一种基于云模型的最接近支持向量机增量学习算法。该方法利用最接近支持向量机的快速学习能力生成初始分类超平面,并与k近邻法对全部训练集进行约简,在得到的较小规模的精简集上构建云模型分类器直接进行分类判断。该算法模型简单,不需迭代求解,时间复杂度较小,有较好的抗噪性,能较好地体现新增样本的分布规律。仿真实验表明,本算法能够保持较好的分类精度和推广能力,运算速度较快。     

应用支持向量机实现增量入侵检测

支持向量机的最大特点是通过有限的训练集样本得到小的误差,保证对独立的测试集保持小的误差,即在先验知识较少的条件下仍然保持良好的推广能力。增量学习是弥补先验知识不足的有效途径。通过对向量机初始训练、增量学习、特征解析等一系列流程的描述,提出了一种小样本下应用支持向量机技术创建的具有增量学习能力的入侵检测系统。     

基于KKT条件与壳向量的增量学习算法研究

摘要针对经典支持向量机难以快速有效地进行增量学习的缺点,提出了基于KKT条件与壳向量的增量学习算法,该算法首先选择包含所有支持向量的壳向量,利用KKT条件淘汰新增样本中无用样本,减小参与训练的样本数目,然后在新的训练集中快速训练支持向量机进行增量学习。将该算法应用于UCI数据集和电路板故障分类识别,实验结果表明,该算法不仅能保证学习机器的精度和良好的推广能力,而且其学习速度比经典的SMO算法快,可以进行增量学习。     

A kind of BP neural network algorithm based on grey interval

In order to improve the learning ability of a forward neural network, in this article, we incorporate the feedback back-propagation (FBBP) and grey system theory to consider the learning and training of a neural network new perspective. By reducing the input grey degree we optimise the input of the neural network to make it more rational for learning and training of neural networks. Simulation results verified the efficiency of the proposed algorithm by comparing its performance with that of FBBP and classic back-propagation (BP). The results showed that the proposed algorithm has the characteristics of fast training and strong ability of generalisation and it is an effective learning method.     

虚拟样本生成技术研究

虚拟样本生成技术主要研究如何利用待研究领域的先验知识并结合已有的训练样本构造辅助样本,扩充训练样本集,提高学习器的泛化能力。作为一种在机器学习中引入先验知识的方法,虚拟样本生成技术已经成为提高小样本学习问题泛化能力的主要手段之一,受到了国内外学者广泛研究。首先介绍了虚拟样本的概念,给出了衡量虚拟样本生成技术性能的两个指标,讨论了虚拟样本生成技术对学习器泛化能力的影响。然后根据虚拟样本生成技术的本质将其划分为3类,并针对每一类讨论了几种典型的虚拟样本生成技术,进而指出了现有虚拟样本生成技术存在的一些不足。最后进行总结并对虚拟样本生成技术的进一步发展提出了自己的看法。