智能手机支持下大学生非正式学习调查研究

通过自制调查问卷,对大学生利用智能手机进行非正式学习的现有状况从概念认知、学习方法、学习媒体、学习反思、学习动机等方面进行了考察,发现大学生存在认识性不高、浅层学习等共性问题。

论信息碎片化背景下的中学生网络媒介教育

在信息化进程中,中学生网络媒介素养教育变得十分重要。本文以网络信息传播碎片化为背景,分析了中学生网络媒介教育的必要性和紧迫性,并指出其面临的问题和挑战,即中学生主流学习方式发生改变,正确价值观未能形成以及思想日趋浅薄化。在此基础上提出中学生的网络媒介素养教育应坚持学校教育为主,结合教师的科学引导并辅助以广泛宣传三大策略。

基于生成对抗网络与深度学习的少数据云资源预测

精确的云资源预测对计算平台实现安全运行具有十分重要的意义,针对新公司的云计算资源缺乏足够数据样本而造成预测模型精度降低的问题,提出一种基于WasserStein生成对抗网络(WasserStein generative adversarial network with gradient penalty,WGAN-GP)和双向门控循环单元网络(bidirectional gate recurrent unit,BiGRU)的少样本云计算资源预测模型。通过生成对抗网络去学习原始少样本数据的分布规律,以高斯噪声作为输入生成与原始数据具有相同分布的新样本数据,实现数据增强的行为;由于传统门控单元网络无法完全利用数据的时间信息,采用双向门控循环单元网络对数据的前向、反向时间信息进行双向提取并预测。以Google公开数据集进行仿真,对无增强数据和增强数据后的不同机器算法模型的预测结果进行对比。实验结果表明:使用WasserStein生成对抗网络数据增强后的双向门控循环单元网络模型精度的达到98.3%,所提方法适用于少样本数据的云计算资源预测。