期刊文献+
共找到3,703篇文章
< 1 2 186 >
每页显示 20 50 100
基于值函数和策略梯度的深度强化学习综述 预览
1
作者 刘建伟 高峰 罗雄麟 《计算机学报》 EI CSCD 北大核心 2019年第6期1406-1438,共33页
作为人工智能领域的热门研究问题,深度强化学习自提出以来,就受到人们越来越多的关注.目前,深度强化学习能够解决很多以前难以解决的问题,比如直接从原始像素中学习如何玩视频游戏和针对机器人问题学习控制策略,深度强化学习通过不断优... 作为人工智能领域的热门研究问题,深度强化学习自提出以来,就受到人们越来越多的关注.目前,深度强化学习能够解决很多以前难以解决的问题,比如直接从原始像素中学习如何玩视频游戏和针对机器人问题学习控制策略,深度强化学习通过不断优化控制策略,建立一个对视觉世界有更高层次理解的自治系统.其中,基于值函数和策略梯度的深度强化学习是核心的基础方法和研究重点.该文对这两类深度强化学习方法进行了系统的阐述和总结,包括用到的求解算法和网络结构.首先,本文概述了基于值函数的深度强化学习方法,包括开山鼻祖深度Q网络和基于深度Q网络的各种改进方法.然后介绍了策略梯度的概念和常见算法,并概述了深度确定性策略梯度、信赖域策略优化和异步优势行动者-评论家这三种基于策略梯度的深度强化学习方法及相应的一些改进方法.接着概述了深度强化学习前沿成果阿尔法狗和阿尔法元,并分析了后者和该文概述的两种深度强化学习方法的联系.最后对深度强化学习的未来研究方向进行了展望. 展开更多
关键词 深度学习 强化学习 深度强化学习 值函数 策略梯度 机器学习
在线阅读 下载PDF
深度强化学习研究进展 预览
2
作者 高振洋 秦斌 《电脑知识与技术:学术版》 2019年第2期157-159,173共4页
在高端人工智能领域中,感知力和决策能力都是衡量智能水平的重要指标。将深度学习的感知能力与强化学习的决策能力相结合,使得智能体能够从高维的状态动作空间中感知信息,通过得到的信息对模型进行训练、做出决策,以能够通过端对端的学... 在高端人工智能领域中,感知力和决策能力都是衡量智能水平的重要指标。将深度学习的感知能力与强化学习的决策能力相结合,使得智能体能够从高维的状态动作空间中感知信息,通过得到的信息对模型进行训练、做出决策,以能够通过端对端的学习方式来实现从原始输入到输出的直接控制。本文介绍了深度学习和强化学习基础知识;阐述了深度强化学习主流算法中的DQN及其变种和应用,分析了深度层次强化学习算法。最后对相关工作做了总结和展望。 展开更多
关键词 深度学习 强化学习 深度强化学习 层次强化学习 人工智能
在线阅读 下载PDF
基于多重门限机制的异步深度强化学习 预览
3
作者 徐进 刘全 +2 位作者 章宗长 梁斌 周倩 《计算机学报》 EI CSCD 北大核心 2019年第3期636-653,共18页
近年来,深度强化学习已经成为人工智能领域一个新的研究热点.深度强化学习在如Atari 2600游戏等高维度大状态空间任务中取得了令人瞩目的成功,但仍存在训练时间太长等问题.虽然异步深度强化学习通过利用多线程技术大幅度减少了深度强化... 近年来,深度强化学习已经成为人工智能领域一个新的研究热点.深度强化学习在如Atari 2600游戏等高维度大状态空间任务中取得了令人瞩目的成功,但仍存在训练时间太长等问题.虽然异步深度强化学习通过利用多线程技术大幅度减少了深度强化学习模型所需的训练时间,但是,基于循环神经网络的异步深度强化学习算法依然需要大量训练时间,原因在于具有记忆能力的循环神经网络无法利用并行化计算加速模型训练过程.为了加速异步深度强化学习模型的训练过程,并且使得网络模型具有记忆能力,该文提出了一种基于多重门限机制的异步优势行动者-评论家算法.该模型主要有三个特点:一是通过使用多重门限机制使前馈神经网络具有记忆能力,使Agent能够通过记忆不同时间步的状态信息做出更优的决策;二是通过利用并行计算进一步加速Agent的训练过程,减少模型所需的训练时间;三是通过采用一种新的跳跃连接方式实现数据向更深的网络层传递,增强模型识别状态特征的能力,从而提升深度强化学习算法的稳定性和学习效果.该文通过Atari 2600游戏平台上的部分战略型游戏以及稀疏奖赏环境型游戏来评估新模型的性能.实验结果表明,与传统的异步深度强化学习算法相比,新模型能够以较少的时间代价来获得更优的学习效果. 展开更多
关键词 深度学习 强化学习 异步深度强化学习 循环神经网络 多重门限机制 跳跃连接
在线阅读 下载PDF
美国K12混合式学习的探究和启示 预览
4
作者 张宙 《外国中小学教育》 CSSCI 北大核心 2019年第5期75-80,74共7页
美国最早在基础教育阶段(K-12)实施大规模的混合式学习,已取得了大量的成功案例。本文分析了混合式学习的起源与定义,归纳了美国K-12混合式学习的常见模式,描述了各种模式的成功应用案例。美国的实践证明,混合式学习将个性化学习、掌握... 美国最早在基础教育阶段(K-12)实施大规模的混合式学习,已取得了大量的成功案例。本文分析了混合式学习的起源与定义,归纳了美国K-12混合式学习的常见模式,描述了各种模式的成功应用案例。美国的实践证明,混合式学习将个性化学习、掌握式学习和深度学习融入到了日常的教学中,是通往以学生为中心的学习体系的一条切实可行的途径,给我国基础教育改革带来了有益的启示。 展开更多
关键词 混合式学习 个性化学习 掌握式学习 深度学习
在线阅读 下载PDF
关于深度学习的综述与讨论 预览
5
作者 胡越 罗东阳 +2 位作者 花奎 路海明 张学工 《智能系统学报》 CSCD 北大核心 2019年第1期1-19,共19页
机器学习是通过计算模型和算法从数据中学习规律的一门学问,在各种需要从复杂数据中挖掘规律的领域中有很多应用,已成为当今广义的人工智能领域最核心的技术之一。近年来,多种深度神经网络在大量机器学习问题上取得了令人瞩目的成果,形... 机器学习是通过计算模型和算法从数据中学习规律的一门学问,在各种需要从复杂数据中挖掘规律的领域中有很多应用,已成为当今广义的人工智能领域最核心的技术之一。近年来,多种深度神经网络在大量机器学习问题上取得了令人瞩目的成果,形成了机器学习领域最亮眼的一个新分支--深度学习,也掀起了机器学习理论、方法和应用研究的一个新高潮。对深度学习代表性方法的核心原理和典型优化算法进行了综述,回顾与讨论了深度学习与以往机器学习方法之间的联系与区别,并对深度学习中一些需要进一步研究的问题进行了初步讨论。 展开更多
关键词 深度学习 机器学习 卷积神经网络 递归神经网络 多层感知器 自编码机 学习算法 机器学习理论
在线阅读 下载PDF
基于深度学习的短时交通量预测研究综述 预览
6
作者 代亮 梅洋 +2 位作者 钱超 孟芸 吕金明 《计算机科学》 CSCD 北大核心 2019年第3期39-47,共9页
短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出... 短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出更精准的预测,这也使得深度学习成为当前短时交通量预测领域的研究热点。文中首先介绍了传统交通量预测方法和深度学习的研究现状;然后按照生成型和判别型深度结构对现有基于深度学习的短时交通量预测方法进行分类,并总结了深度学习在短时交通量预测研究领域的主要方法,对其性能进行了对比研究;最后对深度学习在短时交通量预测领域存在的问题和发展趋势进行了探讨。 展开更多
关键词 短时交通量预测 交通控制与管理 深度学习 生成型深度结构 判别型深度结构
在线阅读 免费下载
基于深度卷积网络的阿尔茨海默病诊断模型研究 预览
7
作者 张柏雯 林岚 +1 位作者 孙珅 吴水才 《医疗卫生装备》 CAS 2019年第1期5-9,共5页
目的:提出一种基于脑MRI与深度学习和迁移学习准确区分阿尔茨海默病(Alzheimer'sdisease,AD)与正常老化(normalcontrol,NC)的方法。方法:选取阿尔茨海默病神经影像学组织(Alzheimer Disease Neuroimaging Initiative,ADNI)数据库中... 目的:提出一种基于脑MRI与深度学习和迁移学习准确区分阿尔茨海默病(Alzheimer'sdisease,AD)与正常老化(normalcontrol,NC)的方法。方法:选取阿尔茨海默病神经影像学组织(Alzheimer Disease Neuroimaging Initiative,ADNI)数据库中194例NC与105例AD受试者的脑结构磁共振成像(structuralMRI,sMRI),生成全脑灰质图。基于经典网络AlexNet采用特征迁移学习的方法对AD与NC分别进行特征提取,再结合主成分分析法与序列前向搜索的方法对特征降维与选择,最后运用支持向量机对所选特征进行分类,统计高斯平滑核半高宽(full width at half maximum,FWHM)分别为0、8mm时在卷积层conv3、conv4、conv5的分类准确率、灵敏度和特异性。结果:在AlexNet第四卷积层(conv4)分类准确率达到最优,在高斯平滑核FWHM为0mm时,conv4分类准确率为95.14%,灵敏度和特异性分别为96.43%和94.83%。结论:通过该研究提出的分类方法建立的特征迁移学习模型在AD与NC分类中取得较为理想的分类结果,说明该方法是一种可行的分类方法。 展开更多
关键词 深度卷积网络 阿尔茨海默病 结构磁共振成像 深度学习 特征迁移学习 正常老化 AlexNet
在线阅读 下载PDF
基于级联多任务深度学习的卡口识别引擎研究 预览
8
作者 何霞 汤一平 +2 位作者 袁公萍 陈朋 王丽冉 《计算机科学》 CSCD 北大核心 2019年第1期303-308,共6页
针对在将卡口非结构化视频图像数据转化为智能结构化信息的过程中存在环境的复杂性、需求的多样性、任务的关联性和识别的实时性等问题,提出了一种级联多任务深度学习网络的卡口识别引擎方法,其通过充分利用分割、检测、识别等任务之间... 针对在将卡口非结构化视频图像数据转化为智能结构化信息的过程中存在环境的复杂性、需求的多样性、任务的关联性和识别的实时性等问题,提出了一种级联多任务深度学习网络的卡口识别引擎方法,其通过充分利用分割、检测、识别等任务之间的相互联系实现了高精度的、高效的、同步实时的卡口车辆多种基本信息的识别(车型、品牌、车系、车身颜色以及车牌等识别任务)。首先,利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从卡口道路复杂背景中提取出感兴趣区域(包括多车辆对象);然后,利用多任务深度学习网络对提取出来的车辆对象实现多层次的多任务识别。实验结果表明,提出的方法在识别精度和效率上都明显优于传统计算机视觉方法和现有的基于深度学习的识别引擎技术,该方法对车型、品牌、车系及车牌的识别与检测精度均达到98%以上,检测效率提升了1.6倍。 展开更多
关键词 卡口识别引擎 深度学习 级联网络 多任务深度学习 卷积神经网络
在线阅读 免费下载
基于深度森林的交通标志识别方法研究 预览
9
作者 李志军 崔利娟 《工业控制计算机》 2019年第5期114-115,120共3页
针对模板匹配法识别率低、泛化能力弱,卷积神经网络法模型复杂等问题,提出一种基于深度森林的交通标志识别方法。该方法首先采用感兴趣区域提取、尺寸归一化等图像处理方法对交通标志数据集进行预处理;然后利用多粒度滑动窗口的方式把... 针对模板匹配法识别率低、泛化能力弱,卷积神经网络法模型复杂等问题,提出一种基于深度森林的交通标志识别方法。该方法首先采用感兴趣区域提取、尺寸归一化等图像处理方法对交通标志数据集进行预处理;然后利用多粒度滑动窗口的方式把交通标志数据切分为多实例特征向量;最后采用深度级联森林对转换后的特征进行逐层表征学习。实验结果表明,提出的方法在测试集上达到了93%的准确率,相比于随机森林法和模板匹配法,在交通标志测试集的识别率及系统泛化能力上都得到了较好的提升。 展开更多
关键词 交通标志识别 深度森林 随机森林 机器学习 图像处理 深度学习
在线阅读 下载PDF
深度堆栈自编码网络在船舶重量估算中的应用 预览
10
作者 陈健 唐俊遥 +1 位作者 朱生光 周兆钊 《计算机工程》 CAS CSCD 北大核心 2019年第5期315-320,共6页
传统的船舶重量估算方法多数存在误差大、成本高等问题。为此,提出一种基于深度学习的船舶重量估算算法。利用多层神经网络逐层无监督学习训练初始化参数,通过反向梯度下降的方式微调参数。运用深度堆栈自编码网络挖掘深层次的数据特征... 传统的船舶重量估算方法多数存在误差大、成本高等问题。为此,提出一种基于深度学习的船舶重量估算算法。利用多层神经网络逐层无监督学习训练初始化参数,通过反向梯度下降的方式微调参数。运用深度堆栈自编码网络挖掘深层次的数据特征,并在ShipWE自建数据库上进行分析。实验结果表明,与传统吃水估算方法相比,该算法具有更强的稳定性和更高的准确性,与BP神经网络算法和径向基函数神经网络算法相比,该算法的精度更高,能有效解决船舶估算可信度低的问题。: 展开更多
关键词 气囊船舶下水 深度学习 反向梯度下降 深度堆栈自编码 逐层无监督学习 参数微调
在线阅读 下载PDF
全参数动态学习深度信念网络在滚动轴承寿命预测中的应用 预览
11
作者 杨宇 张娜 程军圣 《振动与冲击》 EI CSCD 北大核心 2019年第10期199-205,249共8页
相对于传统的“对信号进行特征提取+人工选择对数据敏感的特征值+预测模型”的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了预测的智... 相对于传统的“对信号进行特征提取+人工选择对数据敏感的特征值+预测模型”的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了预测的智能性。但是传统的DBN采用固定学习率进行网络学习,不利于寻找最优结果;基于此,提出了一种改进的深度信念网络——全参数动态学习深度信念网络(GPDLDBN),并将其应用于滚动轴承寿命预测中。GPDLDBN预测模型由多层受限玻尔兹曼机(RBM)单元组成,采用自下而上的逐层无监督贪婪算法训练参数;接着采用自上而下的监督学习算法微调整个网络参数,两个过程均采用新的全参数动态学习策略设置各参数;采用GPDLDBN预测模型对实测的滚动轴承寿命数据进行了预测,并与传统的固定学习率的DBN预测模型进行了对比分析。结果表明,GPDLDBN预测模型能够有效加快收敛速度,减少模型的训练时间,且具有更高的预测精度。 展开更多
关键词 深度学习 全参数动态学习深度信念网络(GPDLDBN) 滚动轴承 寿命预测
在线阅读 下载PDF
基于深度学习的高维光谱分类识别研究 预览
12
作者 许婷婷 张静敏 +1 位作者 杜利婷 周卫红 《云南民族大学学报:自然科学版》 CAS 2019年第3期293-296,共4页
光谱分类识别一直是天文学家研究中的基础问题,也是 LAMOST巡天计划的一项重要任务.从LAMOST发布的海量天体光谱数据库中选取F、G、K 3种型星光谱数据,采用深度学习模型进行分类识别研究和对比实验研究,解决原有方法对光谱分类可信度低... 光谱分类识别一直是天文学家研究中的基础问题,也是 LAMOST巡天计划的一项重要任务.从LAMOST发布的海量天体光谱数据库中选取F、G、K 3种型星光谱数据,采用深度学习模型进行分类识别研究和对比实验研究,解决原有方法对光谱分类可信度低的问题.实验结果证明:对于F、G、K 3种型星的分类精确度问题,深度学习方法明显优于原有其他分类方法. 展开更多
关键词 高维光谱 特征学习 分类识别 深度学习 深度信念网络
在线阅读 免费下载
人工智能技术在云计算数据中心能量管理中的应用与展望
13
作者 闫龙川 白东霞 +2 位作者 刘万涛 刘殷 李莉敏 《中国电机工程学报》 EI CSCD 北大核心 2019年第1期31-42,共12页
云计算数据中心是重要的电力用户,其消耗电量随着互联网发展和国家数字化建设快速增加,对数据中心进行能量管理和优化是绿色经济必然要求。该文主要探讨人工智能技术在云计算数据中心能量管理和优化中的应用,介绍了深度学习、深度强化... 云计算数据中心是重要的电力用户,其消耗电量随着互联网发展和国家数字化建设快速增加,对数据中心进行能量管理和优化是绿色经济必然要求。该文主要探讨人工智能技术在云计算数据中心能量管理和优化中的应用,介绍了深度学习、深度强化学习和知识图谱等新一代人工智能研究热点,提出了一个跨层的数据中心能耗感知和精确能量管理框架,梳理比较了机房、设备、云计算平台、业务系统和数据中心5个层面的能量管理和优化技术,总结分析了当前存在的不足和挑战,展望了未来新一代人工智能技术在云计算数据中心研究和应用趋势。 展开更多
关键词 人工智能 深度学习 深度强化学习 云计算 数据中心 能量管理
深度迁移学习在高光谱遥感图像分类中的研究现状与展望 预览
14
作者 刘小波 尹旭 +2 位作者 刘海波 汪敏 颜丙云 《青岛科技大学学报:自然科学版》 CAS 2019年第3期1-11,共11页
高光谱遥感通过利用许多窄电磁波波段获取包含丰富的空间、辐射和光谱信息,在对地观测研究领域扮演着重要角色。随着深度学习的迅速发展,深度神经网络及深度森林等算法在高光谱遥感图像分类任务中得到广泛应用,但同时也产生了一系列困难... 高光谱遥感通过利用许多窄电磁波波段获取包含丰富的空间、辐射和光谱信息,在对地观测研究领域扮演着重要角色。随着深度学习的迅速发展,深度神经网络及深度森林等算法在高光谱遥感图像分类任务中得到广泛应用,但同时也产生了一系列困难,如对训练样本数量需求高、模型训练耗时以及分类代价大等问题。将深度学习与迁移学习结合,能够有效解决上述问题,在高光谱遥感图像分类领域得到初步应用。本工作首先介绍高光谱遥感图像分类的相关背景,之后介绍深度学习在高光谱遥感图像分类中的应用,并指出其具有的优势与不足,最后介绍深度迁移学习在高光谱遥感图像分类中的应用,并对当前研究存在的问题进行总结与展望。 展开更多
关键词 高光谱 遥感 深度学习 深度迁移学习 图像分类
在线阅读 下载PDF
参与和投入而非肤浅和简单——在线学习中的深层次学习
15
作者 穆肃 王孝金 《中国远程教育》 CSSCI 北大核心 2019年第2期17-25,92,93共11页
深层次学习一直是教学研究领域广为关注的问题,于在线学习的境脉下展现出了新的内涵和特点。但从文献回顾情况来看,国内外对在线学习中深层次学习的内涵并未形成统一的理解,也缺少清晰、系统的概念界定和特点分析框架,未能有效引导在线... 深层次学习一直是教学研究领域广为关注的问题,于在线学习的境脉下展现出了新的内涵和特点。但从文献回顾情况来看,国内外对在线学习中深层次学习的内涵并未形成统一的理解,也缺少清晰、系统的概念界定和特点分析框架,未能有效引导在线学习中深层次学习的实践。基于这一现状,本研究通过分析国内外深层次学习及在线学习中深层次学习的相关文献,对在线学习中的深层次学习进行了界定,建构了在线学习中深层次学习的特点及表征框架。基于文献研究,得出以下研究结论:(1)对深层次学习的界定有学习方式说、学习途径说、学习目标说、学习过程说、能力说五种不同的出发点,但都强调以学习者为中心,强调调动学生的高阶思维,达成高阶学习目标。(2)在线学习中的深层次学习是对常规教学的深层次学习继承上的发展,更强调学习者行为和情感上的表现。(3)在线学习中深层次学习特点分析框架由情感、行为和认知三个维度构成,据此分析框架可以梳理出在线学习中深层次学习的表现。本研究尝试为深入梳理促进在线学习中深层次学习发生的策略、设计促进深层次学习发生的学习活动以及测评深层次学习发生状况等提供研究基础。 展开更多
关键词 在线教育 在线学习 深层次学习 在线学习中的深层次学习 特点 表征
基于深度残差网络的人脸表情识别 预览
16
作者 卢官明 朱海锐 +1 位作者 郝强 闫静杰 《数据采集与处理》 CSCD 北大核心 2019年第1期50-57,共8页
针对深度卷积神经网络随着卷积层数增加而导致网络模型难以训练和性能退化等问题,提出了一种基于深度残差网络的人脸表情识别方法。该方法利用残差学习单元来改善深度卷积神经网络模型训练寻优的过程,减少模型收敛的时间开销。此外,为... 针对深度卷积神经网络随着卷积层数增加而导致网络模型难以训练和性能退化等问题,提出了一种基于深度残差网络的人脸表情识别方法。该方法利用残差学习单元来改善深度卷积神经网络模型训练寻优的过程,减少模型收敛的时间开销。此外,为了提高网络模型的泛化能力,从KDEF和CK+两种表情数据集上选取表情图像样本组成混合数据集用以训练网络。在混合数据集上采用十折(10-fold)交叉验证方法进行了实验,比较了不同深度的带有残差学习单元的残差网络与不带残差学习单元的常规卷积神经网络的表情识别准确率。当采用74层的深度残差网络时,可以获得90.79%的平均识别准确率。实验结果表明采用残差学习单元构建的深度残差网络可以解决网络深度和模型收敛性之间的矛盾,并能提升表情识别的准确率。 展开更多
关键词 人脸表情识别 卷积神经网络 深度残差网络 残差学习 深度学习
在线阅读 下载PDF
致力于知识迁移的深度学习探究 预览
17
作者 刘伟 戚万学 宋守君 《现代教育技术》 CSSCI 北大核心 2019年第3期25-31,共7页
目前,深度学习和知识迁移已成为教育研究领域的热点议题,但关于深度学习与知识迁移之间关系的研究成果很少。为探究致力于知识迁移的深度学习,文章首先从多个角度,分析了互联网对知识迁移的阻隔;接着,文章详细梳理了知识迁移的内在逻辑... 目前,深度学习和知识迁移已成为教育研究领域的热点议题,但关于深度学习与知识迁移之间关系的研究成果很少。为探究致力于知识迁移的深度学习,文章首先从多个角度,分析了互联网对知识迁移的阻隔;接着,文章详细梳理了知识迁移的内在逻辑:学习者必须在联结大脑与信息的基础上,通过理解性学习、激活记忆中的知识、反思与批判性思维、提取与应用知识,最终才能顺利地实现知识迁移;然后,文章阐释了深度学习与知识迁移之间的关系;最后,文章以深度学习与知识迁移之间的指向关系为依据,深刻剖析了致力于知识迁移的深度学习的路径。探究致力于知识迁移的深度学习,可以推动深度学习和知识迁移的进一步融合,并为互联网学习环境下的深度学习研究提供理论参考。 展开更多
关键词 知识迁移 深度学习 浅层学习 互联网学习
在线阅读 下载PDF
深度学习技术在教育大数据挖掘领域的应用分析 预览
18
作者 陈德鑫 占袁圆 杨兵 《电化教育研究》 CSSCI 北大核心 2019年第2期68-76,共9页
随着全球人工智能与教育大数据峰会的召开,多国学者探讨了教育变革的新趋势,印证了技术与教育深度融合会带来更多的机遇和挑战。其中,深度学习作为AI领域的热点问题,将成为教育发展的关键。文章通过对相关研究进行筛选统计研究,辨析不... 随着全球人工智能与教育大数据峰会的召开,多国学者探讨了教育变革的新趋势,印证了技术与教育深度融合会带来更多的机遇和挑战。其中,深度学习作为AI领域的热点问题,将成为教育发展的关键。文章通过对相关研究进行筛选统计研究,辨析不同领域深度学习的概念并简要分析典型的深度学习模型及其应用领域;以教育大数据挖掘的特点为基础,总结基于深度学习的教育大数据挖掘目的和流程;系统探讨深度学习在教育大数据挖掘领域的四个应用研究方向和主要应用机构;最后,明确了教育大数据挖掘领域引入深度学习的重要意义,同时,针对教育大数据挖掘所服务的对象和需要解决的问题,提出了深度学习技术在教育大数据挖掘领域进一步发展的意见。 展开更多
关键词 深度学习 教育大数据 学习追踪 教学辅助 学习行为
在线阅读 下载PDF
涟漪拓展探究法——一种在线深度协作知识建构的学习策略探索 预览
19
作者 李海峰 王炜 《电化教育研究》 CSSCI 北大核心 2019年第6期76-83,120共9页
在线协作知识建构是促进在线学习和知识创造的重要学习方式,然而浅层知识建构繁多和深度知识建构难以持续的问题一直阻碍着它的有效实施。为实现在线深度协作知识建构的连续统发展,基于社会建构主义理论、社会系统理论和自组织理论构建... 在线协作知识建构是促进在线学习和知识创造的重要学习方式,然而浅层知识建构繁多和深度知识建构难以持续的问题一直阻碍着它的有效实施。为实现在线深度协作知识建构的连续统发展,基于社会建构主义理论、社会系统理论和自组织理论构建了“涟漪拓展探究法”理论模型。模型以投石入水产生的涟漪现象隐喻深度知识建构的连续统发展状态,包括学习环境、行为组织、监控评价和知识创造等要素。“石”隐喻问题创设,涉及学习内容与问题的转换与生成,决定着知识建构的初始深度和学习动力;“落水点”隐喻问题创建的时机、情境和节点;“涟漪”隐喻知识建构的范围、深度和连续统发展。涟漪拓展探究法的探索以“数课”平台为实践场域,采用基于设计的研究方法,通过三轮实验迭代改进了模型的问题连续统设计和学习支架,最终形成了一种以问题解决为导向、学习支架为支撑、行为组织为保障的促进在线深度协作知识建构连续统发展的涟漪拓展探究法策略。 展开更多
关键词 涟漪拓展探究法 在线协作知识建构 深度学习 学习策略 在线学习 “数课”平台
在线阅读 下载PDF
大数据背景下高校招生策略预测 预览
20
作者 杨正理 史文 +1 位作者 陈海霞 王长鹏 《智能系统学报》 CSCD 北大核心 2019年第2期323-329,共7页
在应届高中生生源不断下降、高等院校招生规模不断扩大、招生方式多元化不断发展、各院校之间招生竞争日趋激烈的条件下,利用海量招生异构数据,准确定位生源对象,做好前期招生宣传是各高等院校需要考虑的重要问题。结合云计算技术,利用... 在应届高中生生源不断下降、高等院校招生规模不断扩大、招生方式多元化不断发展、各院校之间招生竞争日趋激烈的条件下,利用海量招生异构数据,准确定位生源对象,做好前期招生宣传是各高等院校需要考虑的重要问题。结合云计算技术,利用并行化计算模型MapReduce和内存并行化计算框架Spark对高校招生历史数据进行分析,提出采用并行化随机森林预测高校招生策略模型,缩短了模型的预测时间、提高了模型的预测精度、增强了模型对大数据的处理能力。实验结果表明,并行化随机森林算法在不同数据集上的多方面性能均优于常用的决策树预测方法。 展开更多
关键词 大数据 机器学习 深度学习 学习算法 高校招生 策略预测 随机森林 云计算
在线阅读 下载PDF
上一页 1 2 186 下一页 到第
使用帮助 返回顶部 意见反馈