基于反事实注意力学习的ResNeSt网络语种识别

深度学习方法在图像识别领域得到大量研究和应用,也逐渐被应用于语种识别。针对深度学习语种识别模型中所用二维特征图语种间相似度大,容易混淆的问题,提出基于反事实注意力学习的ResNeSt语种识别模型。在建立云南边境语种广播语音数据集的基础上,首先,提取MFCC、Fbank和语谱图作为FcaNet、ResNet和ResNeSt三种网络的输入,对比三种网络下不同信噪比不同语音特征的识别效果,得出在语种识别任务中综合表现最佳的网络模型ResNeSt和语音特征Fbank;接着,在识别效果最佳的ResNeSt网络模型中引入反事实注意力学习模块,利用反事实因果关系来衡量ResNeSt网络中注意力特征的质量,促使网络学习更加有效的注意力特征,以此提高网络训练效果。实验结果表明,加入反事实注意力学习后,Fbank特征语种识别率较基线系统提升1.61%,对于MFCC、Fbank和语谱图三种特征,基于反事实注意力学习的ResNeSt网络较基线ResNeSt网络平均提升1.33%。反事实注意力学习帮助注意力机制关注更多重要语种区分性信息,有效提升了网络模型在语种识别任务中的识别效果。

基于注意力学习的正则化相关滤波跟踪算法

边界效应是制约相关滤波跟踪性能的一个重要因素.目前大多数方法只是简单地采用先验知识,如逆高斯分布,预设掩模等,或者分割前景目标作为正则化项,进行约束求解,并没有考虑目标的空时域特性.针对这一问题,本文提出一种基于注意力学习的正则化相关滤波跟踪算法.该方法考虑目标在空间中的分布特性,利用注意力机制学习目标的特定空间权重,适应目标在空域中的变化;同时利用目标在时域中的连续性,通过对注意力权重矩阵的约束来间接调整滤波器;最后通过交替方向乘子(ADMM)算法迭代优化模型.我们在标准的数据库上进行大量实验,结果表明本文算法能实时跟踪目标,并且在精确度和成功率上都有了一定的提升.

Transformer-CNN特征跨注意力融合学习的行人重识别

卷积神经网络(convolutional neural network,CNN)关注局部特征,难以获得全局结构信息,Transformer网络建模长距离的特征依赖,但易忽略局部特征细节。提出了一种跨注意力融合学习的行人重识别算法,利用CNN和Transformer特征学习网络的特点,在丰富行人局部特征的同时改善特征的全局表达能力。该模型由三个部分构成:CNN分支主要提取局部细节信息;Transformer分支侧重于关注全局特征信息;跨注意力融合分支通过自注意力机制计算上述两个分支特征的相关性,进而实现特征融合,最终提高模型的表征能力。剥离实验以及在Market1501和DukeMTMC-reID数据集的实验结果证明了所提方法的有效性。

重点区域注意力学习的空对地目标检测算法

在空基对地目标检测背景下,由于对地成像视角单一、目标尺寸随成像高度变化以及背景干扰复杂等,现有深度学习目标检测算法难以取得令人满意的效果。基于此,提出一种重点区域注意力学习机制,用于增强特征图的表达能力,同时缓解复杂背景特征的干扰问题。首先,建立重点区域注意力学习机制,使网络能选择性地关注和利用图像中的目标区域特征;其次,通过设计区域注意和目标检测相耦合的损失函数,实现区域注意损失和目标检测损失的同步优化;最后,利用空对地目标检测数据集进行实验。结果表明,所提算法能有效地关注和利用重点区域的特征信息,减小背景信息的干扰,提高空对地目标检测的精度和抗干扰能力。

在线环境下基于PPG信号的学习注意力识别

实时识别学生的学习注意力并提供及时反馈,是保证在线学习效率的重要手段。为有效识别学习注意力,文章首先阐述了基于生理信号的注意力识别原理,在此基础上提出一种基于PPG信号的学习注意力识别方法。随后,文章通过可穿戴式传感设备采集了26名学生在线学习时的PPG与EEG数据,经数据预处理与特征提取,采用随机森林算法,构建了基于PPG信号的学习注意力识别模型,并验证了其准确率。最后,文章从学生用户和教师用户视角,兼顾数据隐私与适用性,研发了基于PPG信号的学习注意力系统,提供用户信息与学习资源管理、学习与注意力识别、注意力分析三大功能。文章的研究有助于教师优化教学内容与教学策略,激发、维持学生的学习兴趣并提高其在线学习参与度,为进一步提升在线教育质量提供支撑。

融合局部特征与两阶段注意力权重学习的面部表情识别

面部的局部细节信息在面部表情识别中扮演重要角色,然而现有的方法大多只关注面部表情的高层语义信息而忽略了局部面部区域的细粒度信息。针对这一问题,提出一种融合局部特征与两阶段注意力权重学习的深度卷积神经网络FLF-TAWL(deep convolutional neural network fusing local feature and two-stage attention weight learning),它能自适应地捕捉重要的面部区域从而提升面部表情识别的有效性。该FLF-TAWL由双分支框架构成,一个分支从图像块中提取局部特征,另一个分支从整个表情图像中提取全局特征。首先提出了两阶段注意力权重学习策略,第一阶段粗略学习全局和局部特征的重要性权重,第二阶段进一步细化注意力权重,并将局部和全局特征进行融合;其次,采用一种区域偏向损失函数鼓励最重要的区域以获得较高的注意力权重。在FERPlus、Cohn-Kanada(CK+)以及JAFFE三个数据集上进行了广泛实验,分别获得90.92%、98.90%、97.39%的准确率,实验结果验证了FLF-TAWL模型的有效性和可行性。

具有实时注意力的多智能体强化学习通信模型

在多智能体系统中,由于智能体数量规模庞大,博弈关系复杂,给策略学习带来了很大的困难,所以学会在智能体之间进行良好的通信十分重要,提出了一个策略网络模型(Attentional Interactions Communication Comment Integration Network,AICNet)提高通信效率。具体来说,AICNet采用了两个模块。第一个注意力模块可以学习智能体之间随时间变化的注意力并更新智能体之间的交互影响;另一个聚合的通信模块可以同步智能体的通信信息。通过将AICNet应用于两组不同的协作与混合性质的模拟实验,以训练的平均奖励和收敛速度为指标,结果表明AICNet的表现优于对比算法,且在模拟环境中观察到智能体确实可以根据彼此关注度自动分组进行任务。

大学生学习注意力问题探析

大学生学习注意力由诸多因素组成。组成大学生学习注意力的诸多因素相互影响、相互作用。高校应通过教学管理工作的开展,培养、保护和滋生对大学生学习注意力有着积极效应的因素,抵制、消除和转化对大学生学习注意力有着消极效应的因素,引导大学生专注于学习和探求知识。

聚焦学习注意力的初中英语写作教学研究

学习注意力贯穿学习过程的始终,是高效学习的基本条件。写作教学是初中英语教学的重要组成部分。本文以英语写作教学实践为例,从目标制订、过程设计、资源运用和思路延展四个方面锤炼学生注意力的广度、分配性、稳定性和转移性,探讨如何创设聚焦学习注意力的英语写作教学模式,提升课堂写作教学的实效。

改善视觉、听觉注意力对学习障碍儿童学习技能及心理影响

目的通过对学习障碍儿童注意力干预探讨改善视觉、听觉注意力对学习障碍（LD）儿童学习技能及心理的影响。方法对57例LD儿童分别采用循序渐进并分级别增加难度的视觉、听觉注意力训练干预，治疗3个疗程，对LD儿童训练前后视觉、听觉注意力缺损率、学习技能及心理的变化进行效果评价。结果LD儿童的视觉、听觉注意缺损率训练后比训练前显著改善（P〈0．001）。LD儿童学习技能量表（LAS）各项指标在训练后较训练前均有显著改善（P〈0．001）。LD儿童在视觉、听觉注意力训练前后儿童心理社会功能筛查．儿科症状检查（PSC）分别有22例和15例异常，LD组儿童心理社会功能训练后较训练前有显著改善（P〈0．05）。结论改善视觉、听觉注意力能提升LD儿童的学习技能，改善心理社会功能。

脑机交互促进学习有效发生的路径及实验研究——基于在线学习系统中的注意力干预分析

脑机交互是一种实现大脑与计算机之间通信的信息交换技术。目前,其在教育中的应用主要有:将脑机接口植入虚拟现实学习环境、人工智能支持下的自适应学习、教育大数据的搜集与处理和智能学习系统等方式。在这些方式里,计算机对学习者在学习过程中的脑电信号进行监测与识别,从而调控学习行为,可促进有效学习。基于这一思路,形成了在在线英语学习系统中植入脑机接口的研究设计,旨在针对大学英语听力课程,感知和调控学习者的注意力,进而实现自适应学习。通过对X大学100名大一学生进行持续1个月的实验研究,结果发现:脑机交互技术在提高学业成绩和注意力、改善学习态度和自我效能感%创设适合不同学习风格的学习路径方面,都取得了较好的效果。这为脑机交互进入教育实验提供了方法上的尝试,也为技术促进学习的有效发生,探索了新的路径。

小学生英语课堂学习注意力提升的三大策略

儿童注意力分散现象一直是学校、教师、教学研究者和家长普遍关注的问题,课堂注意力集中的程度是直接影响教学效果及学习效果的重要因素,研究儿童注意力分散问题,对于提高课堂教学效率具有现实意义。

探讨在《医用化学》教学中提高学生学习注意力的方法

众所周知，在高等医学院校中，《医用化学》是一门极其重要的基础课程。后续医学课程如：《生理》、《药理》、《病理》等课程需要《医用化学》知识作为铺垫。如果《医用化学》知识掌握不好，

改善高校学生学习效果的一种途径——从提高学习注意力视角出发

文章以注意力为切入点,探讨高校学生学习注意力对教学效果的影响。通过研究学生学习注意力的形成、学习注意力的特点等内容,并在分析和梳理学生学习注意力影响因素的基础上,文章从学生自身、教学工作与学生工作三方面着手,寻找提高学生学习注意力的途径,探索提高学生学习效果的方法。通过文章研究,以期为高校学生学习行为改进、学习效果提升以及学生成长成才等工作提供指导和借鉴。

学习注意力与兴趣的培养方法研究

研究人的选择性意识,培养儿童的学习注意力及兴趣一直是备受关注的问题。通过视觉、听觉扰动法与排除扰动法、现代科技法等方法提高儿童的注意力是当下教学中普遍采用的方法,这些方法产生的效果各不相同。儿童家长也用类似的方法进行教学,有些家长方法得当,儿童对学习产生了浓厚的兴趣;有些用法不得当,儿童对学习没有兴趣甚至产生了抵触心理。无论什么方法,其原理都是利用人的选择性意识这个特点首先引起儿童的关注,然后再培养其注意力,最后达到培养儿童学习兴趣的目的。培养儿童的学习注意力及学习兴趣对儿童的学习成绩、良好习惯及以后的发展有重要的影响,研究它对我国基础教育意义重大。

网络直播教学中学生学习注意力影响因素研究

直播教学过程中学生学习注意力不易保持集中已成为一个普遍性的问题,为探讨直播教学中学生注意力水平和影响因素,文章以Y省预科基地的404名预科生为调查对象,通过因子分析、相关分析、回归分析等研究法,对直播教学中学生注意力水平及影响因素进行研究,主要研究结论为:影响直播教学中学生学习注意力的因素有三个潜在维度,按照影响程度大小依次为学习者内因、教学内容和直播技巧。学生网络直播学习注意力总体呈现中上水平,不会因性别、民族、生源地、科目类别和学习起点水平的不同而产生显著差异,但在年龄上呈现出年龄大的学生学习注意力水平要好的情况。并针对研究结论提出相关建议,以期提高网络直播教学效果。

基于多元线性回归的大学生学习注意力影响因素研究

学生在课堂听课时的注意力是受多方面因素影响的。本文对连云港师范高等专科学校数学教育专业12个专科班的学生做了问卷调查，对得到的数据进行分类汇总，借助Eviews软件对得到的数据进行多元线性回归分析，最终找到了影响大学生学习注意力集中程度的主要因素。

在线教育环境中的学习注意力及其控制

在线教育是一种以信息技术和互联网技术为基础,实现内容传播和快速学习的教育教学方式。随着'互联网+'的推进,在线教育逐渐引起互联网巨头的关注,越来越多的互联网教育机构进入这个领域。与传统面对面的教育相比,在线教育本身具有空间和时间上的优势,一定程度上对教育资源不均衡的矛盾起到缓解作用。然而,由于在线教育的非接触式特点,使得大部分传统的教学方法和教学理论不能被有效地借鉴。那么,怎样才能更好地开展在线教育呢?

数学课堂中如何提高学生的学习注意力

数学教学中，提高学生的注意力非常重要。教师可通过对学生在课前、课始、课中、课尾的注意力分析，激发学生主动学习的欲望，不断培养学生有意注意的学习品质，切实增强学生的心理素质。