导读:本文包含了自适应程序论文开题报告文献综述及选题提纲参考文献，主要关键词:个性化,学习质量,自适应学习,人工智能
自适应程序论文文献综述
赵顺[1]（2019）在《个性化自适应学习应用程序对提高班级学生学习质量的研究》一文中研究指出随着《教育信息化2.0行动计划》的正式发布,利用人工智能自适应学习系统已成为促进学生个性化学习的新突破。自适应学习技术可以根据学生已具备的知识、技能和需求进行实时的学情分析,做有针对性的学习推送与指导,从而帮助学生自主学习,促进学生不断进步。该技术还能帮助教师及时了解学生对知识的掌握程度和课程偏好,调整授课内容,从而方便教师精准教学。以Ai学智慧教育平台提供的学生自适应学习数据进行深入分析,详细阐述了个性化自适应学习的概念、对学习质量的正影响。(本文来源于《中国现代教育装备》期刊2019年04期）
刘芳,张路楠,刘莹,赵文杰,宋锋[2]（2018）在《蒙特卡洛自适应法评定测量不确定度的程序设计》一文中研究指出介绍了利用Matlab实现蒙特卡洛自适应法评定测量不确定度的程序设计,通过蒙特卡洛自适应法程序可获得复杂测量模型的测量不确定度,同时可以验证GUM法评定结果,程序具有广泛的实用性和应用价值。(本文来源于《计量技术》期刊2018年05期）
奚家祥[3]（2018）在《基于限制性选择与程序信息的变概率自适应随机测试方法》一文中研究指出随着当今信息化程度的加强,软件的规模也越来越大。但是软件的质量问题一直都是人们关注的焦点问题。而随着对软件测试的投入越来越大,软件测试的成本也越来越高。如何高效地自动化测试是软件测试者必须要考虑的问题。随机测试是一种在自动化测试中应用广泛的方法。但随机测试也有着相当的不足,近年来很多学者都不断的对随机测试进行研究并进行改进,T.Y.Chen等人提出了自适应随机测试方法(Adaptive Random Testing,ART)并取得较好的效果。自适应随机测试方法的主要思想是将生成的测试用例动态的均匀分布在输入域之中。本文分析了基于概率密度函数的自适应随机测试,该类自适应随机测试算法是目前效果最好的自适应随机测试算法之一。基于概率密度函数的自适应随机测试首先根据已有测试用例生成概率密度函数,然后通过该概率密度函数生成下一个测试用例。本文分析了两种概率密度函数的自适应随机测试。一种是限制性选择的ART算法(Restricted Random Testing,RRT),另一种是基于剖面的ART算法(Adaptive Random Testing through Test Profile,ART_(TP))。本文在分析了两种基于概率密度函数的自适应随机测试方法之后,针对这两种算法的缺点和不足进行改进并在对提出的改进算法进行了实验。最后实现了一个测试原型系统来对本文中所提方法进行验证。本文主要完成的工作阐述如下:1.针对RRT算法时间消耗过大的问题,提出了改进的限制性变概率选择随机测试算法(Restricted Random Testing by Largest Available Zone,RRT_(LAZ))。RRT_(LAZ)的主要思想是在已执行测试用例周围生成排除区域和可选区域,然后通过算法计算出所有可选区域,最后寻找最大的可选区域进行测试用例的生成。同时算法考虑了多维输入域的情况并给出两种具体的解决方案。最后通过对模拟程序和真实程序进行测试,测试结果表明,本文提出的RRT_(LAZ)算法能够有效地减少RRT的时间开销并且能够使用较少的测试用例发现较多的错误。2.分析了ART_(TP)算法的执行过程并对ART_(TP)算法中用于生成测试用例的概率密度函数进行改进。相比于原概率密度函数,利用改进后的概率密度函数可以使用更少的测试用例发现错误。同时针对自适应随机测试算法没有结合程序的动态信息进行改进的缺点,提出了基于覆盖率和基于路径的变概率ART算法(Probability Adaptive Random Testing with Dynamic Program Information,PART-DPI)。通过对覆盖率和路径信息的整合,使得变概率的ART在选择测试用例时更有针对性,能够满足更高的覆盖率和覆盖更多的路径。实验结果也表明,基于程序动态信息的变概率ART能够比原有的变概率ART算法要更有效。3.设计并实现了一个变概率ART测试原型系统(Probability ART Prototype Testing System,PART_PTS)。该原型系统包含了参数分析模块、模拟数据模块、插桩模块、变异模块、执行模块以及结果分析模块。通过实验可以发现该系统有较好的可行性以及较高的扩展性。(本文来源于《江苏大学》期刊2018-04-01）
戴小英,周爱辉[4]（2016）在《第一原理实空间并行自适应计算程序设计原理》一文中研究指出第一原理计算是研究物质微观结构不可或缺的手段与工具,但鲜有成熟的实空间离散软件.基于我们小组长期以来的研究成果以及PHG平台,研制成了一套第一原理实空间并行自适应计算程序包Real SPACES.该程序计算精度高、可扩展性好.本文将扼要但系统地介绍Real SPACES的设计原理及其主要算法.(本文来源于《中国科学:信息科学》期刊2016年10期）
解高纯[5]（2016）在《云编程环境下的程序运行性能自适应模拟方法研究》一文中研究指出随着硬件、网络及通信等技术的迅速发展,异构资源的使用已经不可避免,合理的使用异构资源已变得越来越重要并成为当今的研究热点。针对面向Julia语言的云编程环境中任务(程序)执行性能问题,提出了一种基于时间约束的程序运行性能自适应策略。首先,为了方便描述策略的执行,并能正确标识任务,根据面向的特定问题(例如本文案例车型识别案例)设计了一套Julia原语,通过使用Julia原语对任务进行了描述;进而提出了基于时间约束的程序性能自适应策略,策略对原语与后端资源节点能够自适应产生映射关系,即程序中全体原语与异构资源中的工具库自动择优进行匹配,能够使程序执行时间在用户提出的时限约束范围内用户花费越低。为了验证策略的合理性,针对车型识别案例,基于有色Petri网的验证方法并借助CPN TOOLS工具构建了Colored Petri Net模型,对比仿真过程产生的多个可选方案,验证了我们自适应策略的可行性与有效性。由于在异构资源上编写并行程序涉及到并行计算、分布式计算及云计算等相关知识,异构资源上的并行程序编写成为当今的研究难点,为此我们基于Julia动态语言的云编程模式,创建了基于Julia语言的云编程平台。在面向Julia动态语言的云编程环境中,采用特定的高性能实现方法,形成面向领域问题的工具库,根据各自的特点部署到相应的异构计算环境(实现模式)中。然后程序员可以在云编程平台窗口中编排Julia程序,编写/调试/运行应用程序,较好的解决了异构资源上的并行程序编写问题。运行阶段,基于对Julia程序原语标定的工具库属性,根据自适应策略动态结合正确的工具(即动态运行库),满足了用户对运行性能和结束时间的要求。(本文来源于《北京工业大学》期刊2016-06-01）
刘存成,靳京民[6]（2016）在《用蒙特卡洛自适应法评定测量不确定度的通用程序》一文中研究指出文章介绍了基于Excel VBA开发平台编写的用蒙特卡洛自适应法进行测量不确定度评定的通用程序的基本框架,并以JJF 1059.2—2012《用蒙特卡洛法评定测量不确定度》附录B3.1的测量模型为例,对通用程序的应用进行了进一步说明,程序具有广泛的应用和推广价值。(本文来源于《工业计量》期刊2016年S1期）
周艺华,解高纯,段淑凤,张常有[7]（2015）在《云环境下的程序运行性能自适应模拟方法研究》一文中研究指出针对Julia程序运行的时限约束,提出一种基于有色Petri网的程序运行性能自适应模拟方法。面向特定领域构建适应底层计算资源特点的工具库,抽取针对Julia语言的计算原语;程序员通过Julia语言实现原语,动态选取领域工具,适应运行时限约束。结合图像对象识别案例,构建Colored Petri Net模型,借助CPN Tools工具模拟运行,自动优化备选方案。模拟实验表明,基于工具库的性能标定,CPN模拟得到的工具库映射方案接近最优。(本文来源于《太原理工大学学报》期刊2015年06期）
何鹏,王益,王建忠,魏竹,陈曙光[8]（2015）在《多文档程序自适应绘图与混合编程技术》一文中研究指出为了使应用程序既具有复杂数据与图像处理功能,又具有多视图对比显示、结构清晰、操作简洁以及能够独立发布等特点,通过多文档结构程序将数据和逻辑处理与显示分离,将双缓冲技术应用于自适应绘图设计中,利用基于动态链接库形式的混合编程技术实现了在VC++程序中复杂数据处理与图像显示。通过设计相关测试程序,实现了波形对比显示以及二维和叁维绘图效果展示,证明了本文方法的有效性。(本文来源于《太赫兹科学与电子信息学报》期刊2015年04期）
朱翠云,贺亚锋,成中梅,龚文引[9]（2015）在《自适应基因表达式程序设计在远程教育招生数据分析中的应用研究》一文中研究指出随着互联网技术的发展,远程教育在现代教育中起到越来越重要的作用。本文以远程教育招生数据为研究对象,提出一种自适应基因表达式程序设计算法。该算法能自适应调整算法的杂交和变异概率,从而有效避免人为设置初始参数的敏感性。算法在分析现有招生数据的基础上,预测未来几年的招生规模,有利于招生单位做出有针对性的调整,并针对我校近几年的招生数据,有效地对以往数据进行建模,预测未来的招生规模。(本文来源于《中国远程教育》期刊2015年02期）
许楠,张维石[10]（2014）在《支持上下文感知应用程序的动态自适应中间件框架》一文中研究指出上下文感知计算是当前开发和部署智能应用不可或缺的关键技术之一。上下文能否在计算中真正发挥其作用,主要取决于两方面:一是如何连续稳定地从动态交互环境中获取高质量上下文,二是如何推理上下文并制定适应决策。为了实现上述目标,设计了一个分层的中间件框架,该中间件能够根据上下文质量参数,动态地选择能提供高质量上下文的信息源,并对这些原始上下文进行预处理和推理,进而自动地制定适应决策为用户提供合适的服务。实验测试了平台的性能,并与同类系统进行了比较,结果表明该中间件能够快速有效地支持上下文感知应用的开发部署,并且在计算性能方面有显着提高。(本文来源于《计算机应用》期刊2014年04期）
自适应程序论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
介绍了利用Matlab实现蒙特卡洛自适应法评定测量不确定度的程序设计,通过蒙特卡洛自适应法程序可获得复杂测量模型的测量不确定度,同时可以验证GUM法评定结果,程序具有广泛的实用性和应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应程序论文参考文献
[1].赵顺.个性化自适应学习应用程序对提高班级学生学习质量的研究[J].中国现代教育装备.2019
[2].刘芳,张路楠,刘莹,赵文杰,宋锋.蒙特卡洛自适应法评定测量不确定度的程序设计[J].计量技术.2018
[3].奚家祥.基于限制性选择与程序信息的变概率自适应随机测试方法[D].江苏大学.2018
[4].戴小英,周爱辉.第一原理实空间并行自适应计算程序设计原理[J].中国科学:信息科学.2016
[5].解高纯.云编程环境下的程序运行性能自适应模拟方法研究[D].北京工业大学.2016
[6].刘存成,靳京民.用蒙特卡洛自适应法评定测量不确定度的通用程序[J].工业计量.2016
[7].周艺华,解高纯,段淑凤,张常有.云环境下的程序运行性能自适应模拟方法研究[J].太原理工大学学报.2015
[8].何鹏,王益,王建忠,魏竹,陈曙光.多文档程序自适应绘图与混合编程技术[J].太赫兹科学与电子信息学报.2015
[9].朱翠云,贺亚锋,成中梅,龚文引.自适应基因表达式程序设计在远程教育招生数据分析中的应用研究[J].中国远程教育.2015
[10].许楠,张维石.支持上下文感知应用程序的动态自适应中间件框架[J].计算机应用.2014