潜在空间中的策略搜索强化学习方法

策略搜索是深度强化学习领域中一种能够解决大规模连续状态空间和动作空间问题的高效学习方法,被广泛应用在现实问题中。然而,此类方法通常需要花费大量的学习样本和训练时间,且泛化能力较差,学到的策略模型难以泛化至环境中看似微小的变化。为了解决上述问题,提出了一种基于潜在空间的策略搜索强化学习方法。将学习状态表示的思想拓展到动作表示上,即在动作表示的潜在空间中学习策略,再将动作表示映射到真实动作空间中。通过表示学习模型的引入,摒弃端到端的训练方式,将整个强化学习任务划分成大规模的表示模型部分和小规模的策略模型部分,使用无监督的学习方法来学习表示模型,使用策略搜索强化学习方法学习小规模的策略模型。大规模的表示模型能保留应有的泛化性和表达能力,小规模的策略模型有助于减轻策略学习的负担,从而在一定程度上缓解深度强化学习领域中样本利用率低、学习效率低和动作选择泛化性弱的问题。最后,在智能控制任务CarRacing和Cheetah中验证了引入潜在空间中的状态表示和动作表示的有效性。

基于机器学习与DBN网络的网络入侵检测方法研究

随着计算机网络的发展,网络入侵的情况也越来越严重。传统网络入侵检测方法存在检测效率低、误判率高的情况,为了解决这些问题,提出了一种基于支持向量机的深度置信网络(SVM-DBN)的入侵检测方法。通过对支持向量机(SVM)进行优化,将支持向量机与深度信念网络(DBN)融合,利用SVM、DBN与SVM-DBN在网络入侵数据集中进行对比。结果表明,SVM-DBN算法的误差率最低,比DBN和SVM的误差率平均值分别低了8.95%,12.70%,且SVM-DBN算法在训练次数为140次时最大绝对百分比误差为4.8%,均优于对比方法。这说明SVM-DBN网络能够有效地提高网络入侵检测的精度和效率。

学习科学的学习观与方法论:范式与实践

关于“人是如何学习的”这个问题,学术界经历了从关注认知和脑的“学习的科学”到关注情境的“学习科学”的变迁。这种变迁背后的逻辑与研究者所秉承的学习观、研究范式及相关实践息息相关。行为主义与第一代认知科学的发展推动了实证主义范式与实验方法的蓬勃发展;第二代认知科学强调真实情境,建构观和解释主义范式受到重视;20世纪90年代起,旨在解决真实问题的实用主义范式与设计研究成为学习科学重要的研究方法。当下,大数据推动下学习分析领域的发展催生了指向复杂性的“新经验主义”范式。以复杂系统建模为主的数据密集型研究旨在打开学习发生的“黑箱”,深入探索学习的交互关系和演化机制。文章系统回顾与比较了学习科学领域四大发展阶段中的学习观、研究范式与相关实践,旨在推动学习科学理论与实践融合创新。

促进大学生深度学习的PBL教学方法研究与实践

学习科学视角下深度学习能力受到社会各界的广泛关注,促进学生的深度学习已经成为高等教育的重要议题和研究热点。以问题为导向的PBL教学方法是更强调能力导向的教学,是促进学生深度学习的重要教学理念和方法。为评价分析大学生深度学习现状及其影响因素,在设计性实验课程中开展PBL教学,并在此基础上研究PBL教学方法对大学生深度学习的促进作用及改进策略。研究结果表明,实验班八个二级评价指标的平均值均略高于对照班,一定程度上可以说明PBL教学设计与实施可以促进大学生的深度学习。大学生深度学习的进一步促进策略可以从团队学习能力和反思评价能力方面重点实施。

基于离散元-机器学习的铝土矿矿柱强度预测方法

矿柱极限承载能力与矿柱尺寸参数密切相关,科学地预测矿柱强度是空场法安全高效开采铝土矿的关键。为了准确高效地预测矿柱强度,融合运用离散元方法(DEM)的模型参数化、样本数据强扩展性与机器学习(ML)方法的数据驱动优势,选取矿柱尺寸参数(长、宽、高)作为影响因子,开发了Grasshopper参数化建模电池组,实现了等块体密度的矿柱黏合块体模型(BBM)的参数化构建,结合矿体节理分布特征实测结果,利用3DEC程序构建了300组黏合块体-离散裂隙网络(BBM-DFN)矿柱离散元数值模型,开展了矿柱承载特性试验,监测并建立了机器学习数据集,且验证了此数据集的可靠性;分别以支持向量机(SVM)、BP神经网络、随机森林(RF)、高斯过程回归(GPR)4种算法构建了矿柱强度预测模型,根据回归类模型评价指标(判定系数R2、可解释方差E_(EVS)、平均绝对误差E_(MAE)、均方误差E_(MSE))开展了最优模型的评选,结合改进的量子粒子群智能优化算法(IQPSO)进一步优化模型,利用该模型建立了矿柱影响因子与强度之间的非线性映射关系。研究表明:由矿柱强度参数化模拟结果可知,随着矿柱宽高比增加强度显著提升,长宽比对强度影响幅度相对较小,当矿柱高度和横截面积相同时,不同截面矿柱承载能力依次为:正方形>长方形;当矿柱宽高比大于1时,方形截面矿柱强度影响因子敏感性主次顺序为:矿柱宽(长)度>矿柱高度;根据机器学习算法指标综合评价,SVM模型是矿柱强度预测的最佳模型(R^(2)=0.953、E_(EVS)=0.953、E_(MAE)=0.608、E_(MSE)=0.551),结合IQPSO算法优化后模型预测性能得到了进一步提升(R2=0.985、E_(EVS)=0.986、E_(MAE)=0.373、E_(MSE)=0.239);将IQPSO-SVM矿柱强度预测值与3种经典硬岩矿柱强度公式计算结果进行了讨论分析,得出了Hedley公式针对铝土矿强度计算不适用,Krau-land公式适用于宽高比小于4时,Esterhuizen公式可通过调整不连续因子(F)进行较为准确的强度计算。研究成果为硬岩矿柱强度的预测提供了一种解决方案,拓宽了矿柱(群)稳定性评价的思路。

公司债券信用利差微观影响因素研究——基于机器学习方法的分析

基于2008—2022年我国A股上市公司发行的公司债券二级市场月度面板数据,使用多种机器学习方法研究债券个性因素与公司个性因素对公司债券信用利差的影响与贡献。研究结果表明,信用评级、月交易天数比例、公司产权性质、公司规模为公司债券信用利差的重要影响因素,企业资产负债率、债券剩余期限、控股股东股权质押比例、资产回报率、公司所属行业、第一大股东持股比例、公司股价波动和债券换手率为公司债券信用利差的次要影响因素;公司债券信用利差预测值与信用评级、公司规模、公司产权性质显著负相关,与债券月交易天数比例显著正相关;月交易天数比例、公司产权性质、公司规模对不同信用评级组别的影响存在异质性。债券月交易天数比例和公司产权性质对AA级及以下的低信用评级公司债券信用利差影响更大,发债公司规模对不同信用评级公司债券信用利差影响的差异性较小。

设计学习情境的教学方法(PBL法)在应用化学专业英语教学中的应用研究——评《化学与应用化学专业英语》

随着全球化的发展,英语在科学研究和国际交流中发挥着越来越重要的作用。对于应用化学专业的学生来说,掌握专业英语技能对于其未来的职业发展至关重要。然而,传统的英语教学方式往往忽视了学生在实际场景中的应用能力,导致学生无法将所学知识应用到实际工作中。因此,设计学习情境的教学方法(PBL法)教学法应运而生。它是以问题为导向,注重学生的主动性,旨在提高学生的专业能力。基于此,通过探讨PBL法在应用化学专业英语教学中的应用策略具有重要意义。

基于深度学习的监控视频图像增强处理方法

传统的图像增强处理方法常存在图像清晰度较低、失真度较高的问题。因此,提出基于深度学习的增强处理方法。在获取监控视频图像信息后,对图像进行序列对齐处理。通过图像量化处理的方式显示单个图像中的关键像素点和邻近像素点之间的分布。采用深度学习技术,用8个方向的梯度算子提取反射图像的方向梯度,得到细节增强的反射图像,再通过Retinex反变换完成增强处理。设计对比实验,证明该方法可以改善监视视频的图像增强效果,获得更清楚的景物图片。

深度学习理念下“商业模式创新”课程课堂教学方法改革研究

随着互联网与信息技术的发展,学生获得知识的途径与形式不断增加,但是大部分学生的学习还只是浅层学习,对于知识缺乏深度探索、理解与应用,创新思维、创新能力难以得到提升。该文以“商业模式创新”课程为例,以教学内容作为切入点,提出与其相匹配的灵活多样的教学方法组合策略,进而促进学生深度学习。基于深度学习理念的教学方法改革,不仅能够解决学生如何有效“学”的问题,而且能进一步凸显教学内容的学习价值。

牢牢掌握习近平主席提倡的学习方法

重视学习、善于学习是中国共产党的优良传统。推动学习贯彻习近平新时代中国特色社会主义思想主题教育走深走实,切实以学铸魂、以学增智、以学正风、以学促干,关键在于坚持科学的学习方法。对于党员干部“如何学”,习主席作出一系列重要论述,为我们准确掌握学习方法提供了根本遵循。学习不能泛泛而学,要有正确方向。

深刻理解党纪学习教育的开展缘由、依据与方法

2024年4月至7月在全党开展党纪学习教育,是全体党员干部学纪、知纪、明纪、守纪的一个良好契机。从开展缘由来看,党纪学习教育是赓续政党政治基因的应有之义、落实全面从严治党的必然要求和推动学习纪律法规的关键之举。从开展依据来看,党纪学习教育应立足于丰厚深邃的思想资源和日益完善的文本资源。从开展方法来看,党纪学习教育应正确运用政治纪律与其他纪律相承启、正面引导和反面警示相贯通、组织引领和全党动员相结合、理论学习与工作实践相促进的学习方法。

人工智能下学生自主学习方法探究

针对人工智能下学生自主学习的研究是非常有必要的,也是高等教育信息化研究的前沿领域与核心问题。本文从学生自主学习意识、自主学习能力以及自主学习环境三个方面对学生自主学习现状的分析,探讨了人工智能背景下学生自主学习存在资源利用、个性化学习和人机交互三个方面的优势,最终从学习前的定位、学习中的监督管理及学习后的效果评价提出了对应的学生自主学习方法。

基于项目案例的大学生探究式新型学习方法研究

随着教育改革的不断深入,大学教育正逐渐摒弃传统教学的弊端,更加聚焦于学生应用能力的培养。在这 一背景下,基于项目案例的大学生探究式新型学习方法应运而生。该方法以项目案例为载体,引导学生通过主动参与、实 践探究,将理论知识与实际问题相结合,从而提升学生的综合能力和创新思维。这种新型学习方法不仅能有效激发学生 的学习兴趣和主动性,还能促进其团队协作、问题解决等关键能力的发展。因此,基于项目案例的探究式学习方法为大 学教育改革提供了新的思路和方向,有助于培养更多具有创新精神和实践能力的高素质人才。

实施一体化新样态体育学习方法的研究

实施一体化新样态体育学习方法研究,是当今小学体育教学质量提升的核心议题。一体化新样态作为一种新的体育方法论,渗透到每节课全过程中,本文突出课前运动知识技能前置性学习引导阶段,课中运动知识技能学练内化吸收阶段,课后运动知识技能巩固提高阶段。三块链接的体育教学方法为突破口,再运用一体化新样态学习的经典体育案例效果验证,再通过提炼融合“三诊三调”创新方式,旨在为促进小学体育教学质量提升推波助澜。

基于改进主成分分析的高校专业课程学习效率评估方法

由于学习效率受到多种因素的影响,学习效率的评估变得复杂和困难,导致评估差较大。因此,文章提出基于改进主成分分析的高校专业课程学习效率评估方法。该方法首先爬取高校专业课程学习指标数据,利用改进主成分分析方法确定学习评估信息熵;其次,构建高校专业课程学习效率评估函数,得到高校专业课程学习效率综合评价得分;最后,应用模糊K-means聚类算法实现学习效率梯度评估。设计对比实验,实验结果证明了该方法能够准确反映学生的学习效率,在实际工作中有很高的应用价值。

新优质学习空间建设的理念、方法与场景

新优质学习空间建设需要引入新理念,深度贯彻儿童友好,深度融合物质、文化、教育的三位一体,深度提升防范化险能力。我们需要创新设计方法,通过强化标准指引来促进区域协同建设,强化整体谋划而推动校园系统性品质提升,强化实证导向而实现空间的循证设计。未来学校需要探索建设更具育人性的新场景,构建以境促学的校园博物馆、适性而育的校园图书馆、以景化人的新型校园景观。

漫谈场馆学习:观念、技术与方法

魏宁:鲍教授您好,很高兴有机会和您聊一聊场馆学习这个正在逐渐成为热点的话题。2020年,教育部、国家文物局发布了《关于利用博物馆资源开展中小学教育教学的意见》,在2022年颁布的义务教育课程标准中,很多学科都明确提出了要利用场馆资源开展学习,这些都标志着场馆学习正在进入一个蓬勃发展的新阶段。

基于第一性原理计算的固溶体合金集成学习设计方法

基于密度泛函理论的第一性原理方法在考虑了固溶体化学短程序特征后计算得到的合金的基本性质更为可靠。本工作将描述固溶体短程序的团簇加连接原子结构模型嵌入到第一性原理计算中,获得了一系列合金的基本物性数据;构建了数据管理系统,形成成分与性能数据库;进而采用多种机器学习算法构建合金成分与性能的预测模型,并对其进行对比分析;在此基础上,筛选最优算法,以精确预测合金的性能,并实现以性能为目标导向的成分设计;最终形成了一种基于第一性原理计算的固溶体合金集成学习设计方法,并开发出可视化程序软件。该方法有望大幅提升高性能先进合金材料研发的效率。

基于共同稀疏贝叶斯学习的多频等效源近场声全息方法

现有基于压缩感知的等效源近场声全息方法通常采用基于单频处理的单测量向量模型进行声场重建,此模型存在噪声鲁棒性较差以及重建精度不足的问题。实际中噪声源往往具有宽频特征,同一位置处不同频率的等效源源强聚集从而呈现共同稀疏特性,若充分利用源强的共同稀疏特性,可以改善重建性能。因此,提出一种基于共同稀疏贝叶斯学习的多频等效源近场声全息方法。在该方法中,首先采用多频协同处理,构建多频等效源近场声全息模型;然后为等效源源强施加共同稀疏约束,并使用共同稀疏贝叶斯学习方法求解等效源源强。与单频等效源近场声全息方法相比,所提方法可以获得更高的重建精度和更好的噪声鲁棒性。通过单极子声源仿真和小音箱试验验证了所提方法的优越性。

一种专利共类与深度学习模型结合的技术融合预测方法研究

[目的/意义]作为科技创新的重要手段,技术融合预测对于改进技术研发的策略选择具有重要参考和借鉴意义,文章提出一种专利共类与深度学习模型结合的技术融合预测方法,以提高预测结果的准确性和可靠性。[方法/过程]以燃料电池技术为例,首先采用关联规则挖掘算法识别专利数据中具有强关联的IPC频繁项集,计算技术相对相似度,基于AP聚类算法进行技术聚类;然后运用生成式拓扑映射算法识别其中技术融合点,构建训练数据集和测试数据集。最后基于深度学习模型进行学习训练,预测燃料电池技术未来可能出现的技术融合。[结果/结论]这种方法在准确率和召回率上表现优异,可以快速、客观地识别技术融合,为技术创新的智能决策和预测提供支持和帮助。