BOPPPS在“大学英语”混合教学模式中的创新应用

“大学英语”教学应积极构建混合教学模式,有效设计和组织参与式学习活动,增强教师、学生、同伴之间的沟通交流,对学生学习效果及时进行有效测评,在共同学习中强化英语语言技能,实现英语学习的高阶目标。     

新文科背景下高校外语教学改革路径创新 ——基于深度主动学习视角

针对新文科建设背景下中国高校外语教学面临的新挑战,文章借助深度主动学习理论,提出深度主动学习导向的外语教学理念,构建深度对话式外语教学模式和深度主动外语学习评估模式,旨在实现学用交互和学用互促的外语教学目标,进而为新时代外语教学改革提供跨学科研究新视角.     

基于深度学习的篮子期权定价数值算法

在标的资产价格服从Heston模型的条件下,对欧式篮子期权定价问题进行了研究.推导出篮子期权价格满足的偏微分方程,利用基于深度学习的倒向随机微分方程求解算法,克服维度诅咒,得到了篮子期权价格的近似数值解.通过与蒙特卡罗结果的对比,表明该算法克服了维度灾难,在高维情况下是准确且稳定的,为期权定价研究提供了新的方向.     

我国深度学习的研究主题、研究热点及未来发展趋势——基于国内核心数据库的文献计量分析

在数字信息时代,深度学习逐步成为我国教育领域研究的热潮,同时也日益成为课程与教学变革的重点。为从整体上了解我国深度学习的研究状况,采用知识图谱分析法对中国知网中1499篇核心期刊和CSSCI期刊进行系统聚类分析、多维尺度分析以及社会网络分析来探究我国深度学习的研究主题、研究热点以及未来发展趋势。分析表明：目前国内深度学习的发展尚处于发展期,研究内容聚焦于人工智能技术及其教育应用、指向深度学习的教学设计研究、基于真实情景的实验教学研究这三个研究主题,其中“人工智能技术及其教育应用”和“指向深度学习的教学设计研究”是当下研究的热点。社会网络研究分析显示,未来深度学习的研究将会围绕教学模式、学习策略的研究、人工智能以及大数据在深度学习中的有效应用展开。     

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.     

带遗忘因子的PD型迭代学习控制算法研究

摆脱传统遗忘因子迭代学习控制算法的算子估计证明方法,提出了遗忘因子是关于迭代次数的函数,简化了收敛条件,并给出收敛性证明和仿真实例.仿真结果表明,在本文改进的收敛条件之下,带遗忘因子的PD型迭代学习控制算法具有有效性,相比于通常算法,遗忘因子算法得到的误差跟踪曲线更平滑,在迭代误差跟踪方面具有一定的优越性.     

基于改进型BP算法的外债风险指标预测

利用人工神经网络进行时间序列预测是一种较新的方法,它具有不需建立复杂的数学模型以及非线性映射能力强等优点。采用动量法和学习率自适应调整的改进型BP算法对外债风险的各项指标进行了非线性时间序列的预测。仿真结果表明神经网络模型对外债风险的各项指标预测的结果是准确可靠的。     

基于专题学习网站的探究学习活动设计

以初中地理“因地制宜发展农业”的教学内容设计为例,分析并设计了基于专题学习网站的探究学习活动,主要包括明确探究任务、确定探究方向、展开探究活动、评价探究活动等环节.本设计对运用信息技术开展探究学习有一定的借鉴意义.     

港口集装箱自主识别定位技术

针对港口集装箱自动装卸问题,结合双目视觉和深度学习技术,设计了一种基于Faster R-CNN(faster regions with convolutional neural network)模型的集装箱三维识别定位方法。首先利用双目摄像头采集装箱图像,用于训练Faster R-CNN模型,然后使用该模型检测图像中的集装箱目标,对识别出的目标添加矩形框,并提取其中心点图像坐标,接着通过对双目摄像头进行标定和匹配,获取集装箱矩形框中图像坐标点的深度,实现对集装箱的三维定位,最后将集装箱的三维坐标转换到轮胎吊吊具坐标系下,获得所有集装箱目标中心和吊具中心距离。实验结果表明,系统运行速度可以达到30 fps,平均定位误差在5 mm以内,系统可以有效解决集装箱三维实时识别和定位问题,提升港口集装箱自动化装卸能力。     

基于排序学习的连续兴趣点推荐

针对位置社交网络中连续兴趣点推荐系统面临的个性化偏好、数据稀疏性和签到行为的隐式反馈属性等挑战,提出一种基于排序学习的连续兴趣点推荐模型.本文使用三阶张量模型对用户的连续签到行为进行建模,并利用LBSNs中的地理信息定义用户访问兴趣点的地理距离偏好,最后使用基于排序学习的优化标准优化求解模型参数.在两个真实的LBSNs...