基于多模态数据的个性化学习精准干预研究

多模态数据建模已成为洞察学习规律的新范式。随着信息与传感技术的发展,采集学生的多模态数据成为可能,基于各种学习者数据对学生进行全面而综合性建模的综合模型应用是大势所趋。文章在学习者画像与多模态数据的基础上,构建了多模态数据个性化学习研究框架,包括多模态信息采集、多模态特征提取、多模态特征融合分析等。最后,文章探讨了真实协作场景中多模态教育数据,实现多维度、立体化、动静结合的个性化学习推荐,实现智能教育精准决策。

基于BP神经网络的多尺度图像检索方法

当前应用较为广泛的图像检索方法大多是单一结构,在实际应用的过程中容易出现误差,同时获取的视觉特征也不全面,一定程度上缺乏创新延伸的能力,导致对应图像的综合表达能力匮乏。因此,基于BP神经网络的多尺度图像检索方法进行设计。计算图像深层特征卷积值,依据得出的数据信息,建立复杂层级的多尺度检索结构,将结构添加在初始的检索模型中,创建BP神经网络的归一化重叠检索模型,通过区域生长算法最终实现多尺度图像的检索。测试的结果表明:在相同的测试环境之中,对比于两种传统方法,本文所设计的方法具有更强的灵活性,并且得出的图像检索MAP值较小,表明其检索的范围相对较大,具有实际的应用意义。