网络环境下外语自主学习探析

大学英语教育的主要目标之一就是培养自主学习者。而网络环境为现代外语自主学习提供了更有利、高效的平台。本文简要回顾了对自主学习概念的不同理解,并分析了网络环境下外语学习的特点,进而探讨在网络环境下如何构建理想的外语自主学习模式,期望最大程度地促进网络环境下学生外语自主学习能力的培养。     

网络环境下大学英语自主学习模式研究

网络环境下大学英语自主学习模式包括自主学习课堂教学模式和自主学习课外互助模式。通过分析网络环境下大学英语自主学习存在的主要问题,就如何完善网络环境下大学英语自主学习模式提出了应对策略。     

生态学视域下网络英语自主学习教师监控模式探析

在生态学理论基础上通过分析网络自主学习环境下学生的自我监控和教师的监控现状,探讨了在网络英语自主学习模式下如何构建教师动态监控体系,帮助学生提高自主学习能力。     

网络环境下学生实施自主学习模式的探讨

网络环境下学生自主学习模式是在先进的教育思想和理论指导下,把以计算机技术为核心的信息技术作为促进学生自主学习的认知工具,学生借助于网络,通过有效的学习方法独立获取知识和技能。网络环境下自主学习有两种基本模式:自主——探究型学习模式和自主——研究型学习模式。     

网络环境下高职学生自主学习模式探究

文章首先介绍了高职学生自主性学习习惯,接着指出高职学生在网络环境下开展自主学习所必需的学习环境,最后提出了网络环境下高职学生自主学习的模式。通过实践验证自主学习模式比传统教学模式在提高学生的学习兴趣、培养学生的自主学习能力等方面具有优越性。     

网络环境下探究性学习模式的构建与应用

21世纪是网络学习的时代,随着网络技术的飞速发展,网络学习资源越来越丰富,如何让学生有效利用网络学习资源进行自主探究,获知解决问题的方法,提高学习效果与效率成为当务之急.为此,构建了网络环境下的探究性学习模式,并用具体实例对该模式进行了说明.     

大学英语网络协作学习设计框架

网络协作学习是近年来国内外讨论的热点,协作学习设计是网络环境下大学英语习得成效的基础,＂互动与协作＂的设计理念应贯穿于网络课程的导航、学习任务、网络社区、教师行为、学习评价等模块,激发学生即时与非即时交流模式下的知识构建,推动学生的自主学习能力与协作学习能力发展。     

网络环境下自主学习教学模式的行动研究——以兴义市第八中学为例

随着现代信息技术和网络教育的迅速发展,多媒体网络为学生的自主学习提供了广阔的空间和便利的条件,网络环境下的自主学习成为人们研究的热点。网络环境下的自主学习,既是对传统学习方式的挑战,又是一种全新的学习模式。     

英语自主学习网络建设和学习策略研究

自主学习是以人本主义,构建主义理论为基础,自二十世纪80年代初,国内外学者对其进行了多角度研究,研究成果不断问世。自主学习是当前教育学家提倡的学习方式,普遍认为这种方式的学习,能够充分体现学生的主体地位,发挥学生学习的主动性,使得学习针对性更强,学习效率和学习效果更高。随着网络技术的飞速发展,英语教育信息资源不断丰富。如何有效地将网络英语教学资源与自主学习相结合,构建网络环境下英语自主学习模式,成为当代高校英语教学所关注的焦点。本文通过对英语自主学习网络建设和学习策略的研究,旨在进一步培养和提高学生自主学习的认知能力和创造能力。     

SAC环境下的APSE自主学习模式探讨

目前英语自主学习模式多是基于网络环境设计提出的。而在SAC（Self-assess learning center自主学习中心）环境下，当学习者面对着各种各样、琳琅满目舶学习资源时，可应用APSE模式进行自主学习。在元认知理论的指导下，通过对APSE自主学习模式的探究，增强学习者进行自主学习的实操性，从而进一步提高学习者的学习效果及其自主学习能力。     

网络学校的构造模式探讨

根据网络学校自主学习和协同学习的基本特征，提出了网络学校的四层构架模式，即以知识点为主体的教学资源及环境设施的基础层、以自主学习者为主体的教学模式的活动层、以利于素质教育为主体的管理体制及以质量评估为主体的质量监管保障体系。     

网络学校的三个基本特征及其建构模式

论述了网络学校的三个基本特征 :自主学习、协同学习和开放教育 ,阐述了自主学习和协同学习的特征表现以及网络学校的开放式教育环境 ,提出了建立在三个基本特征之上的网络学校的四层构架模型 :基础层、活动层、管理体制及以质量评估为主体的监管保障体系     

基于改进单神经元梯度学习的无线网络主动队列管理

考虑传统网络拥塞控制忽略了网络拥塞的持续状态, 引入将数据包到达链路速率作为控制器输入的方案, 得到一种改进单神经元梯度学习(improves single neuron gradient learning, ISNGL)的主动队列管理算法. ISNGL 算法采用梯度学习动态调整网络参数, 并在此基础上对收敛速度和稳定性加以改进, 提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法, 最后通过 NS2 网络仿真软件在无线网络的拓扑模型上进行仿真分析, 结果表明 ISNGL 算法在无线网络环境下拥有良好的拥塞控制能力.     

大型活动散场期间地铁车站短时进站客流预测

大型活动散场期间的地铁车站客流属于可预知的非常规客流,采用常规客流的统计预测方法难以准确预测其客流需求.基于深度学习,将历史客流规律、大型活动数据与实时自动售检票系统数据相结合,提出了一种适用于大型活动散场期间地铁车站的短时客流预测模型.首先对历史客流数据进行了拆分及降噪处理,并分析了活动客流特征.之后,基于深度学习框架构建多层结构的卷积神经网络,拟合活动客流特征与客流时空分布的映射关系,并选取Adam(adaptive moment estimation)算法优化训练过程,以适用于活动散场时客流集中进站的情况.最后,以北京地铁奥林匹克公园站为例,利用实测数据验证了模型的准确性.预测结果表明:建立的Adam-CNN(convolution neural network)模型相对于常用时间序列方法自回归滑动平均和传统神经网络SGD-CNN模型具有更高的精度,能够为大型活动的组织提供更为有力的支持.     

网络教育技术模式比较研究

研究了网络教育环境的技术构成 ,提出三种网络教育的技术模式 ,即模拟型、数字型和综合型 ,并对其教育传播特性进行横向对比研究 .     

基于深度学习的监控视频树叶遮挡检测

结合稀疏自编码器的自动提取数据特征能力和深度置信网络较好的分类性能,提出一种基于深度学习的监控视频树叶遮挡检测方法。首先从视频中随机选取一帧图像,通过栈式稀疏自编码器主动学习视频图像的特征信息,然后采用深度置信网络建立分类检测模型,最后引入学习速率自适应调整策略对整个神经网络进行微调。该方法不需要对视频连续取帧,具有较好的图像特征主动学习能力,克服了人工提取特征能力有限的缺陷。实验结果表明,在样本量充足的条件下,使用本文方法进行监控视频树叶遮挡检测可以达到88.97%的准确率。     

基于组织学习的联盟网络协调机制研究

有效的协调有利于联盟网络管理问题的妥善解决。本文在分析联盟网络及其管理问题的基础上,从组织学习的视角,运用组织学习理论,分析了联盟网络协调机制中的组织学习机制,并构建了二者之间的互动模型,为解决联盟网络管理问题提供一种思路,最后指出今后进一步研究的方向。     

Improving Adaptive Learning Rate of BP Neural Network for the Modelling of 3D Woven Composites Using the Golden Section Law

Focused on various BP algorithms with variable learning rate based on network system error gradient, a modified learning strategy for training non-linear network models is developed with both the incremental and the decremental factors of network learning rate being adjusted adaptively and dynamically. The golden section law is put forward to build a relationship between the network training parameters, and a series of data from an existing model is used to tram and test the network parameters. By means of the evaluation of network performance in respect to convergent speed and predicting precision, the effectiveness of the proposed learning strategy can be illustrated.     

基于灰狼算法优化深度学习网络的网络流量预测

针对深度学习网络在网络流量预测建模过程中的参数优化难题, 以改善网络流量预测结果为目标, 提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型. 首先, 收集网络流量历史数据, 并对数据进行相空间重构、 归一化等预处理; 其次, 引入灰狼算法快速搜索到全局最优深度学习网络的相关参数, 并根据最优参数对预处理后的网络流量历史数据进行学习, 建立能挖掘网络流量历史数据变化规律的预测模型; 最后, 与其他算法优化深度学习网络的网络流量预测模型进行对比分析. 实验结果表明, 基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90%, 远高于其他对比模型, 且预测建模过程的建模时间少于对比模型, 可满足网络流量管理的高精度和实时性要求.     

Web协作学习的理论与应用模式建构

随着信息技术的发展,网络为教育带来了新的生机与活力,网络成为学习者学习的重要环境之一。协作学习是网络教育的一种重要学习模式。而Internet作为网络教育的主要媒体,又为协作学习提供了有效的支持环境。如何有效地利用网络环境进行协作学习、提高协作学习的效率,成为理论研究界研究的热点。本文从协作学习的概念入手,分析了网络环境下协作学习的要素、特点,并建构了一种基于网络的协作学习的应用模式,最后提出了目前网络协作学习研究中存在的几个问题。