“双减”背景下基于深度学习理论的课堂教学探究
摘要
“双减”政策对课堂教学提出了更高的要求,同时也愈发凸显出深度学习理论在课堂教学环节的实践价值。深度学习视域下的课堂教学,在内涵延展、特征和课堂教学环节三个方面均呈现了“双减”政策实施后“教”与“学”的新型对话关系。
二级参考文献28
-
1BENGIO Y, DELALLEAU O. On the expressive power of deep archi- tectures[ C ]//Proc of the 14th International Conference on Discovery Science. Berlin : Springer-Verlag, 2011 : 18 - 36.
-
2BENGIO Y. Leaming deep architectures for AI[ J]. Foundations and Trends in Machine Learning ,2009,2 ( 1 ) : 1-127.
-
3HINTON G,OSINDERO S,TEH Y. A fast learning algorithm for deep belief nets [ J ]. Neural Computation ,2006,18 (7) : 1527-1554.
-
4BENGIO Y, LAMBLIN P, POPOVICI D, et al. Greedy layer-wise training of deep networks [ C ]//Proc of the 12th Annual Conference on Neural Information Processing System. 2006:153-160.
-
5LECUN Y, BOTTOU L, BENGIO Y, et al. Gradient-based learning ap- plied to document recognition[ J]. Proceedings of the iEEE, 1998, 86( 11 ) :2278-2324.
-
6VINCENT P, LAROCHELLE H, BENGIO Y, et al. Extracting and composing robust features with denoising autoencoders[ C ]//Proc of the 25th International Conference on Machine Learning. New York: ACM Press ,2008 : 1096-1103.
-
7VINCENT P, LAROCHELLE H, LAJOIE I, et aL Stacked denoising autoencoders:learning useftd representations in a deep network with a local denoising criterion [ J ]. Journal of Machine Learning Re- search ,2010,11 ( 12 ) :3371-3408.
-
8YU Dong, DENG Li. Deep convex net: a scalable architecture for speech pattern classification [ C]//Proc of the 12th Annual Confe-rence of International Speech Comunication Association. 2011 : 2285- 2288.
-
9POON H, DOMINGOS P. Sum-product networks:a new deep architec- ture[ C ]//Proc of IEEE Intemational Conference on Computer Vi- sion. 2011:689-690.
-
10BENGIO Y,LECUN Y. Scaling learning algorithms towards AI[ M]// BOTTOU L,CHAPELLE O, DeCOSTE D,et al. Large-Scale Kernel Machines. Cambridge: MIT Press ,2007:321-358.
共引文献611
-
1吴秀平,赵咏梅,凌静思.幼儿游戏深度学习行为的支持体系建构[J].教育科学论坛,2024(2):63-66.
-
2高嵩.深度学习在机场能见度预测中的应用[J].计算机产品与流通,2020,0(4):260-260. 被引量:2
-
3张永玲.以深度学习为核心的小学数学有效教学策略研究[J].理科爱好者(教育教学版),2019,0(5):248-249. 被引量:2
-
4周帆,陈晓蝶,钟婷,吴劲.面向金融科技的深度学习技术综述[J].计算机科学,2022,49(S02):20-36. 被引量:3
-
5李灿强,夏志方,丁邡.基于人工智能技术的“数字政府”研究[J].中国经贸导刊,2019(5Z):138-139. 被引量:6
-
6彭婉,田良臣.信息技术支持下促进深度学习的教学研究——基于语文课程的研究[J].汉字文化,2022(15):159-161. 被引量:1
-
7杨灿.高职《深度学习》课程教学的实施[J].办公自动化,2021,26(16):37-38. 被引量:1
-
8苑方.基于深度学习的典型神经网络对比分析[J].中国科技纵横,2018,0(19):9-10.
-
9赵丹琪.人工智能生成物的著作权认定问题研究[J].楚天法治,2018(30):124-127.
-
10庄宝玲,陈文列.偶发分枝杆菌的超微结构初步观察[J].福建医药杂志,2000,22(1):181-182. 被引量:2
-
1向雪.小学数学“深度学习”理论及大单元主题式教学设计分析——以低年级乘法运算为例[J].世纪之星—小学版,2021(6):138-139. 被引量:1
-
2裴汭超.深度学习理论下生物学概念构建——以"基因突变和基因重组"为例[J].中学生物教学,2022(6):15-16. 被引量:1
-
3徐玉梅.“深度学习”视域下的农村初中英语阅读教学策略[J].教师博览(下旬刊),2022,12(1):53-54. 被引量:1
-
4刘芳芳.关于初中生物课堂教学的优化策略研究[J].传奇故事,2022(10):45-46. 被引量:1
-
5冯凯,陈彩云.深度学习视域下的科学教学设计流程及实践--以四年级科学活动“植物嫁接”一课为例[J].实验教学与仪器,2022,39(2):59-61.
-
6张雄宝,江雄烽,阮诗迪,谢虎.边缘计算和深度学习的智能电网短期负荷预测研究[J].单片机与嵌入式系统应用,2022,22(4):6-10. 被引量:5
-
7梅亚子.新时代绿色发展理念的基本逻辑及实践价值[J].时代报告(学术版),2021(9):80-81.
-
8喻琨,陈政,李佩佩,黄华东.乡村振兴战略背景下湖南大学生返乡创业扶持政策实施的问题和对策研究[J].职业教育(汉斯),2022,11(2):148-155.
-
9阮徐云.新预算法对行政事业单位财务管理的影响[J].市场周刊·理论版,2021(69):151-153. 被引量:1
-
10郭贝.大概念统摄下高中英语单元整体教学实践--以北师版新教材选择性必修一第三单元教学为例[J].福建基础教育研究,2022(2):20-23. 被引量:4