基于群体智能技术的人工神经网络结构优化研究

为了提高人工神经网络求解最优解的准确度和效率,采用群体智能算法中的狼群优化算法对神经网络结构进行优化。建立基于Sigmoid函数的人工神经网络,随机初始化权重及网络节点数,生成不同类型的人工神经网络结构模型,将网络结构模型进行稀疏矩阵的数学表示,然后将不同网络结构模型的矩阵集合作为狼群算法的输入,通过狼群优化算法对狼群游走及围攻的位置来不断调整优化,最后根据头狼的位置得到最优解。试验证明:采用基于狼群优化算法的人工神经网络,提高了人工神经网络的解决非线性函数拟合的准确度和手写数字的识别率。

浅谈扩展现实技术及其在远程教育的应用

虚拟现实、增强现实等扩展现实技术正在蓬勃发展,随着软硬件产品日新月异,虚拟现实交互、增强现实移动体验内容也不断继增,让人们获得了极佳的体验感。本文梳理了扩展现实技术发展及特征,并结合远程教育应用进行了一定思考。

一种SUTN网络中用户接入信道的调度算法

针对多用户的卫星-无人机-地面通信网络(SUTN)的用户接入信道问题,提出基于遍历容量的调度算法(ECSA)。卫星通过空间光通信(FSO)向无人机(UAV)传输数据;UAV采用无线通信射频(RF)链路向用户传输数据。ECSA算法通过推导无人机端和用户端的信噪比,再推导出信噪比的概率密度函数,然后依据概率密度函数计算用户的遍历容量;最后,依据公平原则,并结合用户的遍历容量,计算用户的目标函数,将具有最大的目标函数值的用户优先接入信道。仿真结果表明,相比于轮流调度算法,提出的ECSA算法有效提高了系统容量。

远程教育领域中大数据技术平台的可行性探究

大数据时代的到来,对我国各行各业、国民衣食住行都产生了积极有益的影响。如何利用好海量的数据资源,运用前沿的大数据技术,提升远程教育行业的教学效率、教学质量,是作为远程教育行业一员需要思考的重要课题。大数据平台的建设离不开互联网与信息技术的发展。利用大数据平台,如何优化远程教育教学质量,提升教学服务,为学生创造更有效的学习环境值得探究。

Spark框架下基于对比散度的网络服务TLRBM推荐算法

为提高Web服务推荐算法的可靠性和时效性,提出一种Spark框架下基于对比散度的网络服务推荐算法。基于用户之间的直接信任关系,构建信任网络无向图模型,提出一种基于两层受限玻尔兹曼机的Web服务质量预测模型TLRBM(Two Layers Restricted Boltzmann Machine Model),并将该模型应用于Web服务质量预测。为提高算法处理Web服务大数据的能力,采用对比散度算法CD(Contrastive Divergence)来提高收敛速度,并采用Spark框架实现TLRBM的并行化执行,大幅度提升了Web服务推荐算法的计算速度。通过在Epinions数据集上的仿真测试,验证了该算法在Web服务推荐算法的可靠性和时效性上的性能优势。

基于特征预测与邻域一致性的视频特征快速配准

基于视频图像特征点配准的目标跟踪算法无法兼顾精确性、实时性和鲁棒性,针对该问题,提出一种基于特征位置预测与邻域一致性约束的视频特征快速配准算法。以标注点与目标标记框为模板,通过ORB特征匹配与邻域一致性检验,获得帧间标注点集的对应关系,并计算点集间的尺度变换以确定当前目标框,利用多帧已知标注点位置信息与运动连续性进行多项式回归预测,得到标注点集的位置。在此基础上,对特征点进行局部搜索、提取和描述,根据邻域一致性约束,利用邻域内的支持特征点集实现标注点的稳健匹配。实验结果表明,该算法可对多姿态目标特征点进行配准,与GMS、ORB、SIFT和SURF算法相比,该算法的实时性、准确性和鲁棒性明显提高。

关于数据统计的课程推荐算法在远程教育平台的应用概述

在普通高校的学生管理平台中,每天采集到大量的学生信息量,但对信息的利用率较低。作为以远程教育为主要教学方式的成人高校,在进行大数据项目研究的前提下,利用大数据分析技术打造学生个性化的学习方式。本文提出一种基于加权内容统计的课程推荐算法,有针对性地为学生提供课程推荐服务,这是有效提升远程教育服务质量的重要一步,真正实现以学生为中心,兴趣为导向,教学质量与评价持续发展的智慧教育学习平台。

大数据时代下化工企业的信息化策略——评《计算机与化学化工数据处理》

人类社会的发展先后经历了农耕时代和工业时代,再到今天的人工智能时代和大数据时代,其发展遵循一定的自然规律,即生产技术和生产方式的转变会造成人类文明的进步和变迁。所谓世界潮流,浩浩荡荡,顺之则昌,逆之则亡,无论是个人、企业还是国家,只有紧跟时代的脚步,掌握时代的先进生产核心技术,顺应时代发展的趋势,方能借风而行,平步青云,抟摇直上九万里。

人工智能支持的远程教育大数据系统建设路径简析——以FusionInsight HD系统为蓝本

工业4.0背景下,现代远程教育亟需建立以大数据系统为基础设施的智慧教育模式。本文提出了在人工智能技术支持下,以Fusion Insight HD系统为基础的远程教育大数据系统设计思路和建设方法,并给出一种以学习者为中心的智慧远程教育教学情境设计思路。

考虑截止资源公平调度的雾计算任务卸载

为解决雾计算网络中不同延迟期限的任务卸载问题,合理分配计算资源,提出一种考虑截止资源公平调度的雾计算任务感知卸载算法。首先,提出考虑计算资源公平的调度策略,确保在各自截止时间内完成的任务数量实现最大化,同时使网络具有很强的稳定性;然后,利用李雅普诺夫漂移加惩罚函数对任务队列长度进行调度,并设计调度策略决定要卸载到欠负载雾节点的任务数量,以充分利用网络中所有雾节点提供的计算资源;最后,仿真实验结果表明,该雾计算任务调度策略要优于选取的对比任务调度策略。

深度学习在成人远程教育中可应用性研究

随着科技的进步,人工智能的发展与普及,作为以远程教育为主的成人高校,不断优化网上学习资源,在保证统一的学习环境下,为每个学生打造适合自己的专属课程,不断优化教学模式,是成人教育高校学习支持服务一直努力的方向。针对学生用户的个性特征、需求差异,推荐个性化教育资源是当今智能化学习领域研究的重点之一,也是我们构建个性化学习支持服务的关键。

远程教育系统无障碍学习平台设计原则初探

远程教育在线学习平台是实现教育公平的重要手段。本文论述了常见学习障碍的判定、成因与表现,并针对视觉障碍、听觉障碍、语言与表达障碍等几个方面提出了学习障碍的解决方法,最后分析远程教育无障碍学习平台设计原则,并尝试给出一种通过转移障碍进行学习的平台设计理念。

关于开放大学智慧远程教育平台建设路径的几点思考

针对吉林开放大学办学转型期的远程教育教学发展需求,本文提出了面向未来5-10年智慧远程教育平台的建设理念,并就未来远程教育系统中的在线学习形态、教育形态、支撑技术、人才建设等方面提出了参考意见、建设思路和工作方法。

基于深度学习的中文自动分词研究

传统机器学习分词的方法工作效率普遍偏低,因其基本依赖于人工设计的特征工程,且需要大量的人工验证特征的有效性。而基于神经网络深度学习算法出现后,实现了训练神经网络自动学习特征,这种方式极大减少工作量,同时提高提取特征工程的效率。本文根据一种基于长短时记忆神经网络与条件随机场模型结合的中文自动分词模型进行测试,结果表明分词准确率、召回率极高,更具通用性。

基于深度学习的在线培训平台身份验证系统的设计与实现

线上学习与线下学习相比,不受时间和空间的限制,当前很多培训都采用在线的形式,但是相比线下,线上培训存在学习监管、学员身份认证方面的问题,比如如何确定当前在线听课的是否是学生本人,学习效果无法及时反馈给主讲教师,在保障培训质量方面需要投入更多的人力。本文以科创中心的在线学习平台为例,研究基于深度学习的人脸识别方法,使用Tensorflow深度学习平台提供的接口和方法实现人脸识别,并将该方法应用在在线学习平台,用于核对在线用户是否真实,应用于在线学习平台的学员身份认证、考勤、考试管理以及在线学习有效性监督等,减轻线上人工监督的工作量,进而提高在线学习对学生的规范监督管理,优化培训体验,保障培训质量。

并行计算模型MapReduce的工作原理探究

自20世纪80、90年代开始,互联网经历了飞速发展的三十年。到了本世纪,更是来到了数字信息化的时代,大到社会发展,小到企业工作和百姓生活。对于数据的采集应用俨然成为了最明显有效的资源竞争优势,同时也成为了国家和企业发展的占据核心地位的竞争力之一。基于数据判断、基于数据决策已成为企业生存的基本技能。未来的十年,随着云计算、物联网的应用,由此带来的数据增速将更加惊人,对这些数据进行深入挖掘和充分利用,已不再是局限于某些特殊行业的应用,更是智慧经济中的一种普遍需求。本文所研究的MapReduce就是一种支持分布式并行计算的软件框架,可以很好地应用于海量离线数据的批处理。

大数据视域下开放大学在线教学模式改革构想

当前,在新冠疫情防护常态化背景下,在线教育成为全国各级教育的主要模式,催生网络学习热潮,根本上改变了学习者的学习行为。网络信息技术的快速发展,为传统教育教学模式的改革奠定了基础。作为建校之初就秉承远程教育的开放大学来说,应抓住机遇,重新审视远程教育内涵,融合新技术与新的教育理念,适应疫情时代教育模式的改变,在大数据视域下构建在线教学模式为主的一体化学习平台,与培训机构合作并整合共享优质教育资源,增强开放大学的社会认可度和教育服务能力。