进入万物互联时代,学习必然是多维度、具身式、智能化的过程,数字化全域感知的交互式环境,正有力地促进着学习者高阶思维的发展。学习元宇宙(Metaverse for learning)是在元宇宙虚实融合一体化理念之基础上,面向学习者所营造的、多技术...进入万物互联时代,学习必然是多维度、具身式、智能化的过程,数字化全域感知的交互式环境,正有力地促进着学习者高阶思维的发展。学习元宇宙(Metaverse for learning)是在元宇宙虚实融合一体化理念之基础上,面向学习者所营造的、多技术集成的沉浸式学习环境。学习元宇宙聚焦学习主体,关注在元宇宙场域中沉浸式环境的设计、交互式学习方式呈现和学习效果的评价,其研究主要在“环境”“方式”“效果”三方面展开。学习元宇宙的机理体现在“共同在场”“心流状态”“虚拟化身”,其主要特点在于学习过程的沉浸性、化身性、特殊性;同时,学习元宇宙具有“技术端、应用端、分析端”三端六层架构。为验证学习元宇宙中虚拟化身的学习成效,基于Minecraft和Roblox两种学习元宇宙形态,对67名被试者在体验三类拟真场景中的数据进行采集与分析,得到了在不同环境中“共同在场”“心流状态”“虚拟化身”三项体现学习元宇宙机理的指标表现。进而,引入心理生理分析技术,对学习者的心电数据(ECG)进行测试,发现在学习元宇宙中的“虚拟化身”能表征出促进学习效果的生理证据。研究结果表明:两种学习元宇宙形态对学习成效都有较好的表现。这为未来虚拟学习场景中的数字化身、虚拟人学习状态分析的设计与教学开展,提供了一定的理论依据与借鉴价值。展开更多
油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一...油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一种改进的蝠鲼算法(manta ray foraging optimization, MRFO)优化反向传播(back propagation, BP)网络的故障诊断模型。首先利用逻辑映射与反向学习(opposition based learning, OBL)融合的多阶段算法为MRFO提供初始位置,加强算法全局寻优能力;同时提出利用正交实验法优化蝠鲼算法的3种觅食策略,调节蝠鲼个体的探索与开发,以加强该算法在特定问题上的寻优能力;最后将改进的蝠鲼算法寻得的最优解赋予BP网络的权值和偏置,建立变压器故障诊断系统。利用IEC TC 10故障数据进行了实验,并与其他算法进行了结果对比分析。结果表明,所提方法与BPNN、未改进的MRFO-BP、三比值法的结果相比,分别高出16%、8%、24%,是一种积极有效的方法。展开更多
文摘进入万物互联时代,学习必然是多维度、具身式、智能化的过程,数字化全域感知的交互式环境,正有力地促进着学习者高阶思维的发展。学习元宇宙(Metaverse for learning)是在元宇宙虚实融合一体化理念之基础上,面向学习者所营造的、多技术集成的沉浸式学习环境。学习元宇宙聚焦学习主体,关注在元宇宙场域中沉浸式环境的设计、交互式学习方式呈现和学习效果的评价,其研究主要在“环境”“方式”“效果”三方面展开。学习元宇宙的机理体现在“共同在场”“心流状态”“虚拟化身”,其主要特点在于学习过程的沉浸性、化身性、特殊性;同时,学习元宇宙具有“技术端、应用端、分析端”三端六层架构。为验证学习元宇宙中虚拟化身的学习成效,基于Minecraft和Roblox两种学习元宇宙形态,对67名被试者在体验三类拟真场景中的数据进行采集与分析,得到了在不同环境中“共同在场”“心流状态”“虚拟化身”三项体现学习元宇宙机理的指标表现。进而,引入心理生理分析技术,对学习者的心电数据(ECG)进行测试,发现在学习元宇宙中的“虚拟化身”能表征出促进学习效果的生理证据。研究结果表明:两种学习元宇宙形态对学习成效都有较好的表现。这为未来虚拟学习场景中的数字化身、虚拟人学习状态分析的设计与教学开展,提供了一定的理论依据与借鉴价值。
文摘油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一种改进的蝠鲼算法(manta ray foraging optimization, MRFO)优化反向传播(back propagation, BP)网络的故障诊断模型。首先利用逻辑映射与反向学习(opposition based learning, OBL)融合的多阶段算法为MRFO提供初始位置,加强算法全局寻优能力;同时提出利用正交实验法优化蝠鲼算法的3种觅食策略,调节蝠鲼个体的探索与开发,以加强该算法在特定问题上的寻优能力;最后将改进的蝠鲼算法寻得的最优解赋予BP网络的权值和偏置,建立变压器故障诊断系统。利用IEC TC 10故障数据进行了实验,并与其他算法进行了结果对比分析。结果表明,所提方法与BPNN、未改进的MRFO-BP、三比值法的结果相比,分别高出16%、8%、24%,是一种积极有效的方法。
