期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
浅析基于模块化动态学习环境平台的价值
1
作者 胡钦宝 《俪人(教师)》 2015年第5期313-313,共1页
模块化动态学习平台是指利用现代化信息手段、利用现代信息技术和信息资源科学地安排教学过程的各个环节和要素,更好地完成教学的一种教学模式.Moodle 教学模式,学生可以与教学信息互动,发现学习、自主学习,从而提高学生的综合水平,也... 模块化动态学习平台是指利用现代化信息手段、利用现代信息技术和信息资源科学地安排教学过程的各个环节和要素,更好地完成教学的一种教学模式.Moodle 教学模式,学生可以与教学信息互动,发现学习、自主学习,从而提高学生的综合水平,也是一套基于社会建构主义设计开发的开放源代码的软件,能够帮助教师高质量创建和管理的在线课程.模块化动态学习环境充分发挥网络环境的优势,实现课堂教学方式和学生学习方式的根本转变,实现教学过程的优化. 展开更多
关键词 模块化 动态学习环境 MOODLE 信息化教学模式
下载PDF
基于“动态学习数据分析”的智慧教学环境构建与应用 被引量:2
2
作者 黄小花 《信息技术与信息化》 2019年第4期120-122,共3页
本文主要探讨了智慧课堂信息化平台的构建,从MOOC的创意设计、教学资源管理库的创建、智慧教学平台的构建三方面入手,将构建的智慧平台应用于《计算机应用基础》课程实际教学。
关键词 基于"动态学习数据分析"的智慧教学环境 智慧教学平台
下载PDF
智慧学习环境的设计与构建 被引量:12
3
作者 王凤琦 陈守强 《辽宁师范大学学报(社会科学版)》 2013年第6期864-868,共5页
构建适应学习者个性需求的学习环境是实现学与教方式变革的基础。智慧学习环境是虚拟学习环境和个人学习环境的高端形态,它可以实现虚拟环境与学习主体的深度融合,突出学习者在学习过程中的主体地位,重视教师在学习过程中的指导作用,支... 构建适应学习者个性需求的学习环境是实现学与教方式变革的基础。智慧学习环境是虚拟学习环境和个人学习环境的高端形态,它可以实现虚拟环境与学习主体的深度融合,突出学习者在学习过程中的主体地位,重视教师在学习过程中的指导作用,支持学习者的社会性协作交流。智慧学习环境的构成要素包括个人学习空间、社会化学习平台、学习资源中心、课程管理系统、辅助学习工具五个模块。在智慧学习环境设计过程中要遵循先进性、实用性、个性化的原则。基于模块化面向对象的动态学习环境和社会性网络服务平台而构建的开放、真实、协作的智慧学习环境,能够支持学习者在网络环境下进行便捷、舒适、有效的个性化自主学习。 展开更多
关键词 智慧学习环境 个人学习空间 动态学习环境 社会性网络服务
下载PDF
Improving autoencoder-based unsupervised damage detection in uncontrolled structural health monitoring under noisy conditions
4
作者 Yang Kang Wang Linyuan +4 位作者 Gao Chao Chen Mozhi Tian Zhihui Zhou Dunzhi Liu Yang 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第6期91-100,共10页
Structural health monitoring is widely utilized in outdoor environments,especially under harsh conditions,which can introduce noise into the monitoring system.Therefore,designing an effective denoising strategy to enh... Structural health monitoring is widely utilized in outdoor environments,especially under harsh conditions,which can introduce noise into the monitoring system.Therefore,designing an effective denoising strategy to enhance the performance of guided wave damage detection in noisy environments is crucial.This paper introduces a local temporal principal component analysis(PCA)reconstruction approach for denoising guided waves prior to implementing unsupervised damage detection,achieved through novel autoencoder-based reconstruction.Experimental results demonstrate that the proposed denoising method significantly enhances damage detection performance when guided waves are contaminated by noise,with SNR values ranging from 10 to-5 dB.Following the implementation of the proposed denoising approach,the AUC score can elevate from 0.65 to 0.96 when dealing with guided waves corrputed by noise at a level of-5 dB.Additionally,the paper provides guidance on selecting the appropriate number of components used in the denoising PCA reconstruction,aiding in the optimization of the damage detection in noisy conditions. 展开更多
关键词 structural health monitoring guided waves principal component analysis deep learning DENOISING dynamic environmental condition
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部