导读:本文包含了认知网络论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,认知网络分析,学习分析,翻转课堂
认知网络论文文献综述
丁继红[1]（2019）在《深度学习中的学习者认知网络和动机策略分析——旨向深度学习的U型翻转教学效果研究》一文中研究指出深度学习关注学生知识迁移和学习体验,构建旨向深度学习的U型翻转教学模式,旨在通过认知网络分析探究学生的认知差异,继而探索高、中、低分组学生在作品质量、动机策略和自我效能感上的差异。研究发现:(1)在学习效果方面,实验组学生认知网络更丰富复杂,反映实验组认知水平更高、认知结构更广,再结合作品分析发现,高、中分层次实验组明显优于控制组,低分层次实验组高于控制组,但差异不显着;(2)在动机策略方面,高、中、低分层次实验组学生的学习态度、学习动机、合作学习显着优于控制组学生,其中,在自我效能感维度,实验组学生优于控制组学生,但在高、低分层次实验组与控制组不存在显着性差异。研究结果表明:旨向深度学习的U型翻转教学能有效激发学生动机,拓展认知并促进知识迁移,提供良好的学习体验,该学习模式为培养学生深度学习的能力提供借鉴。(本文来源于《远程教育杂志》期刊2019年06期）
李倩[2]（2019）在《认知网络中波束成形与速率分配的分布式联合优化》一文中研究指出提高认知无线网络的频谱效率主要通过集中式速率分配机制来控制干扰,最大化次级用户的合速率。但是,这种处理方式需要频繁地交互信道状态信息,引入了额外的信令开销和较高的计算复杂度。同时,已有的速率分配机制大多未考虑多天线技术的应用,从而造成了空间资源的极大浪费。本文引入基于最大相关熵准则的Elman神经网络,预测信道状态信息,减少反馈开销,设计了一种低复杂度的分布式波束成形和速率分配联合优化机制,充分利用多天线的空间自由度,最大化次级用户的加权容量。(本文来源于《信息技术与信息化》期刊2019年09期）
李倩[3]（2019）在《认知网络中基于压缩感知的宽带频谱检测改进机制》一文中研究指出在低信噪比,尤其是非高斯噪声情况下,设计认知网络中快速、准确的频谱检测机制是一个巨大挑战。当前主流的宽带频谱检测机制中,分段检测需要较长的检测时间;合作检测需要中心控制点,节点间信息交互的开销较大;基于压缩感知的频谱检测一般要求信号具有稀疏性且复杂度仍较高。本文在非高斯噪声环境下,针对信道分布不确定、频谱空洞少的场景,提出了一种基于柯尔莫哥罗夫—斯米尔诺夫(kolmogorov-smirnov)检验的二级宽带频谱检测机制,该机制可以检测任意给定数目(小于实际频谱空洞数)的频谱空洞,自适应调整在不同信道上的检测开销,以提高频谱检测的效率,扩展宽带频谱检测的应用范围。(本文来源于《信息技术与信息化》期刊2019年09期）
吴忭,杜丰丰[4]（2019）在《教师引导风格对非良构问题领域的PBL学习影响研究——基于认知网络分析方法》一文中研究指出以往衡量问题导向学习(Problem-based learning, PBL)的效果主要采用总结性评价,缺乏对学习者学习过程的关注与分析。但在非良构问题领域的PBL学习中,学习过程是呈现学习者专业思维能力发展的关键。如何通过分析PBL中的会话内容对专业思维能力进行建模,教师在这一发展过程中又充当何种角色,是PBL领域学者们关注的话题。本研究选择医学教育这一典型的非良构问题领域作为研究情境,采用不同的教师引导风格进行PBL教学,通过认知网络分析对学习者的专业思维发展过程及导师引导策略进行分析建模。研究结果揭示了赋权促进型引导风格较指导控制型引导风格对于学习者的社会性知识建构和学科思维能力培养具有更好的效果。此外,本研究也展现出认知网络分析这种创新的质性数据量化分析方法,在建模和评价社会性学习过程中的学科思维能力方面具有较大的应用潜力。(本文来源于《中国远程教育》期刊2019年09期）
周培源,姜洁冰[5]（2019）在《舆论均势:认知网络舆论的跨学科视角》一文中研究指出当我们在新媒体环境下重新从社会环境、传播技术和公民意识等维度来认知网络舆论时,会发现传统的关于网络舆论的解释存在一定的限制。面对复杂的网络舆论环境,"两个舆论场"难以回应来自"反沉默螺旋"的质疑以及类似舆情事件中情绪反转、立场颠倒等情况。本文借用国际关系的"均势理论",通过建构"舆论均势"的概念,从微观和宏观两个层面阐释了舆论均势在当前网络舆论发展中的作用机制,为认知网络舆论现状提供了一种新的跨学科视角。(本文来源于《传媒》期刊2019年17期）
李倩[6]（2019）在《认知网络中功率控制和信道分配的统一管理策略研究》一文中研究指出在认知无线网络中,传统的功率控制和信道分配联合优化策略或者系统开销较高、计算复杂度较大,或者决策效果欠佳,很难适应网络的高动态性。本文基于案例推理,综合考虑信道衰落特性、邻信道干扰和信道空闲稳定性等因素,设计优化案例库,利用历史统计数据对其进行训练。根据网络实时状态、认知用户需求及案例库中的案例,结合推理算法,获取适用于多变环境的功率控制和信道分配联合优化策略,以较小的运算复杂度和系统开销满足不同认知用户的服务质量需求,最大化认知网络的吞吐量,提高频谱效率。(本文来源于《信息技术与信息化》期刊2019年08期）
王智[7]（2019）在《基于机器学习的卫星认知网络频谱感知技术研究》一文中研究指出随着5G时代的到来,一直期待着的以万物互联为基础的智能生活,也即将成为可能。万物互联也就意味着网络中终端数目的暴涨,与此同时带来的是端与端之间通信业务的频繁,这在一定程度上造成频谱资源的短缺。如果能够将卫星网络与地面网络相结合,不仅能够提高网络稳定性,同时也改善了原有网络的性能。将认知无线电技术应用于卫星网络与地面网络,不仅可以令卫星网络与地面网络相结合,而且可以缓解本来就短缺的频谱资源问题,这就是卫星地面认知网络。本文的目的是研究认知无线电中频谱感知技术在卫星地面认知网络的应用。首先对课题的研究背景及意义以及国内外研究现状进行了简单介绍,从原理上介绍了几种频谱感知技术,随后描述了卫星认知网络的基本模型,并且分析了不同波段在卫星认知网络模型中的应用。最后通过卫星认知网络的不同需求,分别结合了卫星认知通信不同波段的实际情况,构建了卫星认知网络的应用场景。建立了集中式卫星认知网络架构的模型,该模型在提高频谱感知性能的同时也使得网络便于优化与管理。并且通过以能量检测为例的感知过程的理论推导,得到了集中式卫星认知网络的频谱感知性能,该感知过程基于地面认知用户感知授权卫星下行链路信号。在上述研究的基础上,将机器学习中无监督聚类中的K均值聚类与高斯混合模型应用于能量检测算法中。通过研究发现,在能量检测中应用K均值聚类与高斯混合模型,不仅提高了检测性能,而且避免传统能量检测中由于噪声不确定导致的门限推导过程。随后提出基于聚类的最大最小特征值检测算法,该算法采用K均值聚类与高斯混合模型,与原有算法相比,免于繁琐的门限值推导过程,通过仿真发现改进的最大最小特征值算法在相同条件下检测性能优于能量检测。最后本文提出将CURE层次聚类应用于能量检测与最大最小特征值检测,并与传统的K均值聚类以及高斯混合模型进行对比,通过仿真验证,发现CURE层次聚类检测性能略逊于高斯混合模型但优于K均值聚类,而且与高斯混合模型相比具有算法复杂度低、过程迅速的优点。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
李政[8]（2019）在《密集异构认知网络中D2D通信的资源分配研究》一文中研究指出密集异构网络通过引入多种通信制式共享频谱来提升频谱效率,但会带来严重的干扰管理问题。认知无线电技术是解决干扰管理问题的有效途径,所以需要密集异构认知网络来满足未来无线通信的需求。密集异构认知网络中的用户直连通信(Device-to-Device,D2D)作为一种低成本提升频谱利用率的技术,得到了学术界和工业界的广泛关注。D2D通信可以让邻近用户建立直接通信链路,能够有效提升频谱利用率,与此同时,D2D通信复用蜂窝网络的频谱会引入严重的同频干扰,尤其在用户分布密集时干扰问题更加突出,所以密集异构认知网络中D2D通信的干扰管理问题是一个亟待解决的问题。认知无线电技术是解决干扰管理问题的有效途径,D2D通信作为认知网络智能复用蜂窝网络的授权频谱,可以抑制授权网络与认知网络之间的干扰。无线网络资源分配作为认知无线电的关键技术旨在通过合理的资源配置来缓解干扰,提高资源的利用效率,所以有必要研究密集异构认知网络中D2D通信的资源分配。论文选题依托国家自然科学基金项目“密集异构无线环境下极化资源感知与利用研究”(项目编号61571062)。本文研究了D2D通信的资源分配算法来解决密集异构认知网络中引入D2D通信产生的干扰管理问题,分别提出了基于位置感知超图的D2D频谱分配算法和基于深度强化学习的D2D资源分配算法,主要研究内容和贡献如下:在密集异构认知网络中,针对密集分布的D2D通信对与蜂窝用户共享频谱导致的累积干扰问题,提出了基于位置感知超图的D2D频谱分配算法。算法引入超图来建模多个D2D用户间的同层累积干扰关系;引入位置感知区域来建模多个D2D用户对蜂窝用户的跨层累积干扰关系;设计超图着色算法,为D2D用户分配频谱,实现在保证蜂窝用户通信质量的前提下,最大化系统容量;仿真结果表明,所提算法可以将蜂窝用户的中断概率降低到接近0,与此同时,所提算法相比现有的基于图论的方法可以达到更高的系统容量。因此,所提算法可以应用于密集异构认知网络中D2D通信的资源分配,能够可靠的保护蜂窝用户通信质量同时提升频谱利用率。在密集异构认知网络中,现有研究提出的算法会因为设备数量的大幅增长出现信令开销大、计算复杂度高等问题,所以本文提出了两种分布式的基于深度强化学习的资源分配算法,使D2D通信对具备认知能力,实现D2D通信对自主进行频谱选择和功率控制。两种算法分别从单智能体强化学习和多智能体强化学习两个角度建模D2D通信对分布式的频谱分配与功率控制问题,从用户的历史数据中学习策略指导即时的资源分配;结合位置感知区域的选择状态特征;设计回报函数惩罚对蜂窝用户和D2D用户造成有害干扰的策略,奖励能提升D2D链路容量的策略;分别建立单智能体深度强化学习模型和多智能体深度强化学习模型,从而学习出个体优化策略和合作优化策略;仿真结果表明个体优化策略具有更快的收敛速度,合作优化策略可以达到更好的系统性能。因此,两种算法可以分别应用于通信环境快速变化和高通信性能要求场景下的资源分配,在不需要全局信道状态信息的情况下,依然能够保护蜂窝用户和D2D用户的通信质量同时提升频谱利用率。(本文来源于《北京邮电大学》期刊2019-05-31）
王志军,杨阳[9]（2019）在《认知网络分析法及其应用案例分析》一文中研究指出认知网络分析法(ENA)是在教育大数据与学习分析快速发展的大背景下产生的一种日益重要的表征学习者认知网络结构的研究方法。研究采用文献研究法和案例研究法,从概念、理论基础、分析过程、支持工具、研究案例和特征等方面对认知网络分析法进行系统介绍。研究发现,该方法是一种以认知框架理论为基础,通过建构动态网络模型对学习者个体和群体的认知元素间的网络关系进行可视化表征、分析的方法。该方法包括"基于节的编码"和"创建动态模型"两个阶段和八个具体操作环节。ENA Webkit是一个重要的支持认知网络分析的工具。当前,该方法在协作学习、实践社区以及学习评价中被广泛应用,并通过与其他方法的深度融合对学习者的认知网络进行深层次表征、分析和比较。它具有以下特征:对要素间共现关系的关注是其核心;可多层次、动态化表征个体和群体的认知网络;是一种思维工具,可基于多个理论框架多维表征学习者的认知发展;还是一种基于证据的深度学习评价方式。(本文来源于《电化教育研究》期刊2019年06期）
钱璇[10]（2019）在《知识论坛中学习共同体的社会认知网络演化机制研究》一文中研究指出学习共同体能够为学习者创设协作的学习环境,有效实现学习者由个体知识建构迈向群体知识建构。本研究针对学习共同体社会认知演化机制展开实证分析。研究设计主要以知识论坛作为学生计算机协作学习的平台,将学习共同体成长划分为叁个阶段,按照知识建构的水平层次设计不同学习活动,并对不同阶段收集到的活动数据进行分析,得到知识论坛中学生与学生、知识与知识以及知识与内容聚合而成的网络,基于对不同阶段的各网络属性展开分析,得到学习共同体社会认知网络演化的一般特征,提出促进学习共同体社会认知网络发展的具体建议。具体研究工作如下:第一,学习共同体的社会网络结构研究。收集不同阶段学习者在知识论坛中的活动数据,建立关系矩阵,运用Ucinet软件,生成学习者不同阶段的交互网络,从网络密度和网络中心性等属性展开分析,得出学习者交互网络结构的演化规律。第二,学习共同体的知识网络研究。分析不同阶段学习者讨论的笔记内容,提取讨论关键词,生成共词矩阵,并利用该矩阵转化成相异矩阵,展开词汇聚类分析,形成不同阶段关键词和主题的网络,从网络节点的连线粗细和中间中心度展开分析,得出学习者交互内容的网络结构演化规律。第叁,学习共同体的社会认知网络研究。建立不同阶段学生与主题的关系矩阵,将该矩阵与社会网络和知识网络,聚合形成社会认知网络,对该网络进行分析,得到不同阶段的演化规律。第四,促进学习共同体社会认知网络发展的相关建议,基于上述分析的结果,提出学生在线学习过程中,丰富社会认知网络发展的一些建议。本研究的结论如下:第一、学习者的交互频次整体逐渐增多,网络密集性得到增强,组长在小组中的地位逐渐削弱,权利得到分散,小组内部成员对知识的贡献程度差异缩小,出现更多成员和组长共同掌握组内资源,控制信息流动方向,独立传播和获取信息。第二、学习者在不同阶段讨论的视角和核心主题有所差异,讨论的视角主要由教师、学习转向教学,讨论的主题由教育信息化背景下教师能力发展、数字化资源对学生的学习影响转向数字化资源的教学案例设计制作、学习反思和收获体会。第叁、学习者的社会认知网络密集性逐渐增强,学习者之间交互越来越频繁,依托学习者发展起来的知识内容资源也更加丰富,整体呈现出具有高社会网络属性的学习者,其知识网络同样发展更好的特点。第四、在知识论坛中,要促进学习者社会认知网络更好地发展,可以从以下几个方面展开。首先,为学习者创造良好的协作学习氛围、鼓励学生积极参与论坛交互,其次,促进学生对笔记观点的整合,为学生提供写作笔记的策略。最后,加强对学生的学习活动的监督,促进学生对自己学习过程的积极反思。(本文来源于《华中师范大学》期刊2019-05-01）
认知网络论文开题报告
（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：
提高认知无线网络的频谱效率主要通过集中式速率分配机制来控制干扰,最大化次级用户的合速率。但是,这种处理方式需要频繁地交互信道状态信息,引入了额外的信令开销和较高的计算复杂度。同时,已有的速率分配机制大多未考虑多天线技术的应用,从而造成了空间资源的极大浪费。本文引入基于最大相关熵准则的Elman神经网络,预测信道状态信息,减少反馈开销,设计了一种低复杂度的分布式波束成形和速率分配联合优化机制,充分利用多天线的空间自由度,最大化次级用户的加权容量。
（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。
认知网络论文参考文献
[1].丁继红.深度学习中的学习者认知网络和动机策略分析——旨向深度学习的U型翻转教学效果研究[J].远程教育杂志.2019
[2].李倩.认知网络中波束成形与速率分配的分布式联合优化[J].信息技术与信息化.2019
[3].李倩.认知网络中基于压缩感知的宽带频谱检测改进机制[J].信息技术与信息化.2019
[4].吴忭,杜丰丰.教师引导风格对非良构问题领域的PBL学习影响研究——基于认知网络分析方法[J].中国远程教育.2019
[5].周培源,姜洁冰.舆论均势:认知网络舆论的跨学科视角[J].传媒.2019
[6].李倩.认知网络中功率控制和信道分配的统一管理策略研究[J].信息技术与信息化.2019
[7].王智.基于机器学习的卫星认知网络频谱感知技术研究[D].哈尔滨工业大学.2019
[8].李政.密集异构认知网络中D2D通信的资源分配研究[D].北京邮电大学.2019
[9].王志军,杨阳.认知网络分析法及其应用案例分析[J].电化教育研究.2019
[10].钱璇.知识论坛中学习共同体的社会认知网络演化机制研究[D].华中师范大学.2019