基于流形正则化判别的因子分解

通过对非负矩阵分解(non-negative matrix factorization,NMF)和因子分解(concept factorization,CF)的分析,针对它们无法核化或忽略数据几何结构和判别信息的问题,提出了基于流形正则化判别的因子分解算法(manifold regularized-based discriminant concept factorization,MRCF).该算法用CF算法对数据进行低维非负分解时,根据流形学习的图框架理论,构建邻接矩阵保持数据局部几何结构;利用样本的标签信息,进行监督学习,给出算法多步更新规则,理论上证明了MRCF算法的收敛性.在人脸数据库ORL、图像库COIL20和手写体数据库USPS上的仿真结果表明,相对于NMF、CF及其一些改进算法,MRCF均具有更高的聚类精度.     

运用社团学习法解决外语学习焦虑

本文重点探讨外语学习焦虑及其对外语学习的影响。文章提出并论证运用社团学习法解决外语学习焦虑。     

基于神经网络的Q学习在Khepera Ⅱ机器人避障中的应用

为了提高移动机器人的自主学习能力,在传统的机器人行为控制结构基础上设计了智能控制结构,同时引入了基于神经网络的Q学习模块算法,克服了传统算法只能应用到离散状态中的不足.移动机器人的避障实验结果表明,该方法能够使移动机器人通过自学习实现自主避障.     

职业教育课程开发:从“行动领域”到“学习领域”——以计算机网络技术专业为例证

职业院校在课程开发过程中,在广泛调研、分析和研究企业对人才需求规格的基础上,按照职业"行动领域"中的"工作过程"提炼出典型的工作任务,以此重构和序化学习内容,打破传统意义上的以知识体系划分的课程体系,构建以培养综合职业能力为核心目标的新型课程体系即"学习领域",实现人才培养与产业需求的无缝对接。     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

高职院校网络教学模式初探

针对高职院校学生的特点和学生的学习需求，从网络环境下的教学设计、教师讲授、协作学习、个别辅导等方面，探讨了网络教学模式下的高职教育．     

人工智能在车辆智能驾驶中的应用

智能驾驶汽车系统与人工智能相结合,会对汽车的产业结构甚至是上下游结构产生重大影响。由此,本文首先分析人工智能和车辆智能驾驶,然后探讨将人工智能和汽车相结合,特别分析了人工智能对无人驾驶系统的影响及其变革,以此说明人工智能对汽车和出行方式产生的影响。     

基于无监督对抗学习的时间序列异常检测

时间序列异常检测是类别不均衡问题,异常现象少有发生,所以获取异常标签的成本高昂,因此基于无监督学习的时间序列异常检测方法更具有实用价值.然而,现有的时间序列异常检测方法存在三个缺陷:难以对复杂的时间序列进行建模、缺乏合理的缺失值处理机制和无法利用先验知识(例如少量的有标签异常).为了解决以上问题,提出一种基于生成对抗神...     

浅议大学生英语自主学习

科学技术迅猛发展,国际竞争日趋激烈,因此,未来社会中,大学生是否具有较强的竞争力和发展潜力,很大程度上取决于学生是否有较强的自主学习能力。     

中国高等教育试验中提倡自主式学习

Ｉｎｔｒｏｄｕｃｔｉｏｎ：Ｔｒａｄｉｔｉｏｎａｌｇｒａｍｍａｒ＿ｔｒａｎｓｌａｔｉｏｎａｐｐｒｏａｃｈｆｏｃｕｓｉｎｇｏｎｔｈｅｔｅａｃｈｅｒｈａｓｂｅｅｎｄｏｍｉｎａｎｔｆｏｒａｎｕｍｂｅｒｏｆｙｅａｒｓ．Ｉｎｔｈｅｐａｓｔｔｗｏｏｒｔｈｒｅｅｄｅｃａｄｅｓ,ｈｏｗｅｖｅｒ,ｔｈｅｒｅａｒｅｉｎｃｒｅａｓｉｎｇｉｎｔｅｒｅｓｔｓｉｎｆｉｎｄｉｎｇｏｕｔｗｈａｔａｇｏｏｄｌｅａｒｎｅｒｓｈｏｕｌｄｂｅｉｎｔｈｅＳＬＡｄｏｍａｉｎ．Ｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎｉｓｂｅｉｎｇｐａｉｄｔｏ…