导读:本文包含了自适应学习率论文开题报告文献综述及选题提纲参考文献，主要关键词:关联规则,自适应学习,支持度,置信度
自适应学习率论文文献综述
王妍[1]（2019）在《基于关联规则的自适应学习》一文中研究指出本文提出了基于关联规则的知识应学习理论,该理论将具体的人工智能算法引入到了自适应学习系统当中去。用关联规则理论,计算出学习内容的相关性,计算出置信度和支持度的阈值,从而智能的计算出相关知识点关联规则,为学习者安排更适合的学习内容,知识脉络,以更好的提高学习效率。(本文来源于《计算机产品与流通》期刊2019年12期）
潘健[2]（2019）在《高职创新工坊中的自适应学习应用研究》一文中研究指出创新工坊探索自适应学习的教学方法,为学生创造企业的仿真环境,引导学生运用课堂教授的专业知识和技能来解决项目中出现的核心问题,培养学生发现问题和解决问题的能力。通过自适应的教学目标,教学内容来帮助学生掌握解决问题的思路,使学生能够根据测评结果,不断调整解决问题的方法,得到解决问题的最佳方案。(本文来源于《青年与社会》期刊2019年30期）
邵率[3]（2019）在《5G+教育：自适应学习理论下的在线教育学习空间重塑研究》一文中研究指出5G技术的到来使得在线教育可以取得突破性进展。我国位于5G技术研发及应用的第一梯队,充分、合理利用该技术加速发展教育事业,是当前教育技术研究领域关注的热点。它可以在有限的时间内给学习者更丰富的体验,同时,学习者会得到一个更加高效的、更利于自身发展的学习空间。文章对此进行了详细分析。(本文来源于《无线互联科技》期刊2019年19期）
潘兆东,刘良坤,谭平,周福霖[4]（2019）在《大型结构自适应学习率RBF神经网络滑模分散控制研究》一文中研究指出为了有效处理土木工程结构分散振动控制中子系统间相互影响力和外界荷载不确定性的影响,提出了自适应学习率RBF神经网络滑模分散控制算法(DALRBFSMC)。首先利用Lyapunov稳定性理论设计了仅依赖于子系统位移和速度响应反馈信息的滑模分散控制律,在此基础上,结合RBF神经网络理论和经典梯度下降法,引入Lyapunov函数,推导了调整RBF网络权值的自适应学习率,进而得到能实时调节滑模分散控制律切换增益项的自适应学习率RBF神经网络滑模分散控制算法(DALRBFSMC)。同时,针对子系统不同划分方式及子控制器之间存在重迭,提出了多种分散控制设计策略。对ASCE 9层Benchmark模型进行多种分散控制和集中控制设计。仿真分析结果表明,该分散控制算法适用于不同的分散控制策略,重迭分散控制策略较传统集中控制策略而言有更好的控制效果;同时能使分散控制系统内各作动器均处于功效最大状态。(本文来源于《工程力学》期刊2019年09期）
张锦涛,黄杰,刘芳芳[5]（2019）在《汉语语法自适应学习技术研究》一文中研究指出自适应学习的关键在于提高学习者的自适应程度,解决在传统学习模式下学习资源与学习者的自适应度较低造成的学习资源和学习者时间浪费的问题。将汉语语法学习与自适应学习技术相结合,构建汉语语法的领域知识模型,将提高汉语语法学习的自适应度,实现汉语语法的个性化学习。(本文来源于《中国新通信》期刊2019年18期）
李静[6]（2019）在《教育大数据背景下藏族大学生网络自适应学习策略》一文中研究指出教育大数据背景下,藏族大学生的学习方式发生了明显的变化。网络自适应学习正逐渐成为藏族大学生主要的学习范式。在自适应学习技术的支持下,藏族大学生的网络自适应学习有所改善,但还存在四个方面的问题:学习目标不明确,学习主动性不高;网络学习迷航,学习未能真正实现自我适应;缺乏适切的网络学习资源;数字素养有待提升。针对上述问题,教师可采取四个针对性的对策:设立差异化的学习目标,提高网络学习的主动性;建立个性化的自适应学习支持服务;加强校际协作,共建、共享适切的网络学习资源;合理使用数字媒体,提升自身数字素养。(本文来源于《教育观察》期刊2019年27期）
范明献,索菲[7]（2019）在《国外教育出版领域自适应学习平台建设经验及启示——以培生Revel为例》一文中研究指出自适应学习是人工智能技术与教育出版相融合的新型在线学习形态,为教育出版转型升级带来了新的发展机遇。利维尔(Revel)是国际知名教育出版集团培生集团推出的一款较为成熟的自适应学习平台。它在平台功能架构、数字内容资源开发、技术框架和自适应模型建构方面,具有代表性。国内教育出版机构可借鉴培生Revel经验,布局自适应学习市场:发挥出版内容优势,生产适合自适应学习的数字内容资源;深入研发核心技术,建构自适应引擎模型;运用新技术,营造良好的在线自适应学习场景。(本文来源于《中国出版》期刊2019年16期）
陈琛,马毅,胡亚斌,张靖宇[8]（2019）在《一种自适应学习率的卷积神经网络模型及应用——以滨海湿地遥感分类为例》一文中研究指出滨海湿地是重要的生态系统,开展滨海湿地类型分布监测,对滨海湿地的保护与利用具有重要意义。传统卷积神经网络(CNN)模型中的学习率为人工设置的固定值,本文提出一种自适应学习率的CNN模型,以代价函数为目标函数自动计算学习率的优化值,从而使CNN模型具有自适应性。应用黄河口滨海湿地的CHRIS高光谱遥感影像数据,开展本文提出的CNN模型分类方法验证与优化。实验结果表明:对于不同的学习率搜索区间,自适应学习率CNN模型在[0,1]区间的整体分类精度最高,说明在学习率优化过程中只需在小区间[0,1]内进行微调就能保证较好的分类精度;对于不同的学习率初值,自适应学习率CNN模型的分类精度和稳定性都高于传统CNN模型,说明本文提出的模型对初值敏感性较低;在训练样本数目减少的情况下,两模型分类精度的稳定性都有不同程度的降低,但在保证训练样本占全部样本1.35%以上的条件下,自适应学习率CNN模型稳定性高,说明本文提出的模型对小样本具有一定的适应能力。(本文来源于《海洋环境科学》期刊2019年04期）
冯重锴,李波[9]（2019）在《基于组稀疏的参数自适应学习UDP算法》一文中研究指出传统UDP算法的参数选择是一个经典问题,至今仍没有一种有效的方法从根本上解决这个问题。针对复杂的参数选择,提出一种基于组稀疏的参数自适应学习UDP算法(SUDP)。使用组稀疏来描述样本点的几何结构,自适应地构造样本点的近邻图,避免传统UDP算法中使用K-NN算法带来的弊端。由于稀疏表示带有天然判别信息的优势,SUDP算法比传统的UDP算法有着更强的判别能力。在6个广泛使用的人脸数据集上进行的实验,实验结果表明了SUDP算法的有效性和稳定性。(本文来源于《计算机工程与设计》期刊2019年08期）
梁茜,皇甫林晓[10]（2019）在《国外自适应学习技术的研究主题及趋势——基于Web of Science文献关键词的可视化分析》一文中研究指出自适应学习是教育人工智能的重要技术手段之一,致力于通过对学生教育数据的挖掘以促进个性化学习。运用共词分析法,对从2008年至2018年国外自适应学习技术的研究现状进行了可视化分析,将近10年来国外自适应技术的研究主题划分为四类:智能学习环境创设研究、自适应技术支持下的个性化学习研究、教师适应性学习研究、基于自适应学习技术的理科教学实践创新研究。国外自适应学习技术的研究趋势主要体现在叁个方面:将技术与人员整合,促使教师成为"适应性专家";将技术与课堂整合,从学习分析走向学习调节;将技术与高等教育整合,构建自适应学习技术的研发智库。最后与我国的研究情况相对比,指出今后我国未来研究应更多关注学习的干预和调节、自适应学习技术的环境创设、教师适应性教学素养以及自适应学习产品开发的相关研究。(本文来源于《中国远程教育》期刊2019年08期）
自适应学习率论文开题报告
（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：
创新工坊探索自适应学习的教学方法,为学生创造企业的仿真环境,引导学生运用课堂教授的专业知识和技能来解决项目中出现的核心问题,培养学生发现问题和解决问题的能力。通过自适应的教学目标,教学内容来帮助学生掌握解决问题的思路,使学生能够根据测评结果,不断调整解决问题的方法,得到解决问题的最佳方案。
（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。
自适应学习率论文参考文献
[1].王妍.基于关联规则的自适应学习[J].计算机产品与流通.2019
[2].潘健.高职创新工坊中的自适应学习应用研究[J].青年与社会.2019
[3].邵率.5G+教育：自适应学习理论下的在线教育学习空间重塑研究[J].无线互联科技.2019
[4].潘兆东,刘良坤,谭平,周福霖.大型结构自适应学习率RBF神经网络滑模分散控制研究[J].工程力学.2019
[5].张锦涛,黄杰,刘芳芳.汉语语法自适应学习技术研究[J].中国新通信.2019
[6].李静.教育大数据背景下藏族大学生网络自适应学习策略[J].教育观察.2019
[7].范明献,索菲.国外教育出版领域自适应学习平台建设经验及启示——以培生Revel为例[J].中国出版.2019
[8].陈琛,马毅,胡亚斌,张靖宇.一种自适应学习率的卷积神经网络模型及应用——以滨海湿地遥感分类为例[J].海洋环境科学.2019
[9].冯重锴,李波.基于组稀疏的参数自适应学习UDP算法[J].计算机工程与设计.2019
[10].梁茜,皇甫林晓.国外自适应学习技术的研究主题及趋势——基于WebofScience文献关键词的可视化分析[J].中国远程教育.2019