学习策略培训

摘要： 在英语词汇教学中，教师要引导学生认识到词汇学习的目的在于使用，鼓励学生将所学词汇学以致用，培养他们良好的词汇学习习惯并传授词汇记忆策略，将英语词汇学习策略培训融入到高职公共英语课堂的教学之中。

摘要： 在英语词汇教学中,教师要引导学生认识到词汇学习的目的在于使用,鼓励学生将所学词汇学以致用,培养他们良好的词汇学习习惯并传授词汇记忆策略,将英语词汇学习策略培训融入到高职公共英语课堂的教学之中.

摘要： Based on a brief review of researches on English autonomous learning, and in view of the existing situation of students' English autonomous learning ability in higher vocational colleges, this paper put forward three approaches to enhance autonomous learning ability in English.%本文针对高职生英语自主学习现状, 在对外语自主学习进行理论研究的基础上, 提出了通过激发学习动机、实施学习策略培训和构建有利于外语自主学习的环境等途径, 来培养和提高学生的英语自主学习能力.

摘要： 随着外语教学研究的深入发展,教育者越来越清楚地认识到学习策略是影响外语学习成败的关键因素.本文对国内外学习策略培训及研究现状进行了综述,在此基础上提出了对未来学习策略培训的建议,强调通过历时的方式考察宏观层面的学习者因素,如学习者观念,这对培训效果的评估以及未来培训模式的改进有着重要的意义.

摘要： SPOC教学模式是一种小规模的在线课程,是一些世界级顶级高校如哈佛等于2013年开始尝试的新型的课程模式,因其具有小规模、开放性、互动性、在线性的特点,深受广大学习者的欢迎.本文将以独立学院及其学生的特点为切入点,提出SPOC教学模式应用于独立学院大学英语学习策略培训的理论,并进一步构建其教学模式,最后提出SPOC教学模式应用于学习策略培训的重要性,从而完成其应用于独立学院大学英语学习策略培训中的可行性分析.

摘要： 在这种高校转型发展的大背景下,过去主要以应试为目的的基础英语教学模式必将进行改革,大学英语学习与教学都要重新定位.本研究对我院564名大学英语一级班(英语四级未过、英语基础薄弱)的学生作为研究对象,采用问卷调查其英语语言学习策略使用情况并分析出对学习成效的影响.最终结果发现:学生学习策略总体上处于中低频度使用,记忆策略最低;交际策略使用水平会对成绩产生显著影响.

摘要： 本文构建了TCLTSP(Task-Contribution-Learner-Target-Strategy-Process)学习策略培训模式,并在英语、俄语专业新生中开展了以该模式为基础的外语学习策略培训,采用单因素重复方差分析和双因素混合设计方差分析法,探讨了培训对被试元认知的影响。结果显示,培训后,英语专业被试元认知显著提高,但三个月后不具持久性;俄语专业被试元认知显著提高,且三个月后具有持久性;被试元认知水平与专业的交互效应不显著。结果表明,对外语学习者进行学习策略培训是必要的和有效的,且为确保外语学习策略培训效果持久,可在外语学习初期开展培训,或于培训结束后反复练习强化效果。

摘要： 为验证英语词汇学习策略是否有利于提高学生英语词汇学习能力。结合地方高校非英语专业大一新生英语词汇教学的实例，对英语词汇学习策略培训进行实验研究，结果发现：培训学生英语词汇策略是有科学规律的；教师多元、灵活地教授词汇学习策略，可以提高学生的英语词汇学习能力。基于研究结果，提出拓展学生的知识面，鼓励学生广泛阅读，根据具体情况灵活运用策略等建议，进一步提高英语词汇教学水平。

摘要： 目前社会上对于学习策略培训对学习者元认知水平的影响的研究还是相当多的。这是因为随着社会的发展人们对于自我能力的提升要求更高了，很多事情都要求自己能够熟悉掌握并能够很好地了解与运用。学习策略培训是一种针对人们学习能力的培训，是在一定基础上提高个人能力的方法。本文通过对学习策略培训进行相关研究来探讨学习策略培训对学习者元认知水平的影响。

摘要： 文章通过一些教师教学经验、教师学生访谈,基本掌握中学生英语口语交际能力和教学现状：教师不注重口语教学,学生英语口语交际能力较差。我们通过对问题及其影响因素的分析,针对问题提出了一些培养中学生口语交际能力的对策。如：改善教学条件、设置英语口语教学科目、完善教育体系、加强学生学习策略培训、培养锻炼他们的自主学习能力等。

摘要： 本发明提供了基于深度学习的学习策略生成方法和系统，其能够以不同学生的学习知识数据作为输入源数据，并利用预设卷积神经网络模型对该学习知识数据进行深度学习，以此确定预设卷积神经网络模型的模型迭代运行损失信息和学习策略初始优化信息，再根据上述两种信息对预设卷积神经网络模型进行新的迭代优化，从而得到学习策略实际优化信息并调整预设神经网络模型的运行参数，其根据不同学生自身的实际知识数据学习情况生成与之匹配的学习策略，这样能够大大地提高学习策略的可靠性和有效性。

摘要： 本发明属于机器人中的多移动机器人技术领域，更具体地，涉及一种用于在稀疏奖励信号下学习多机器人编队导航策略的课程学习方法。当奖励信号稀疏时，基于深度强化学习的多机器人编队导航方法难以通过试错的方式学习出有效的导航策略。为了让多机器人编队在奖励信号稀疏的情况下依然能够学习出导航策略，本发明提出了一种基于融合相对表现和绝对表现的课程学习方法；该方法首先依据起始点到目标点的距离对场景进行分类，然后基于多机器人编队在不同类型场景中的相对表现和绝对表现来安排接下来要进行交互的场景类型。通过本发明所提出的课程学习方法，多机器人编队能够在奖励信号稀疏的情况下学习出有效的导航策略。

摘要： 本发明公开了一种基于对抗学习的控制策略模仿学习方法及装置，方法包括：获取人类专家的决策示教数据，并且获取与专家示教决策数据对应的仿真环境；构建控制策略网络，控制策略网络的输入为仿真环境返回的状态，输出为决策动作；使用当前策略网络在仿真环境进行交互，获得当前策略的决策轨迹数据，基于对抗学习的模仿学习方法对专家轨迹数据进行模仿，逐步缩减策略网络决策轨迹数据和专家决策轨迹数据之间的分布差异，以模仿学习得到能够产生专家决策轨迹的策略网络；将通过对抗模仿策略得到的控制策略网络的参数固定保持，以进行实际环境控制任务的应用。该方法结合数据与模型的双重优势，通过对抗学习策略获得鲁棒性更强的控制策略，简单易实现。

摘要： 本发明公开一种培训学习服务装置、培训系统和培训信息管理方法。培训学习服务装置，包括与远程云课件中心耦合的输入模块，与输入设备耦合的内存储器，与内存储器耦合的监控装置；与监控装置耦合的用于输出信息到用户端的输出设备；所述监控装置包括联网后自动从远程云课件中心下载课件内容以及将内容发送到输出设备的内容管理模块，用于记录用户培训信息的用户信息管理模块，以及根据用户培训信息将相应的课件内容推送给用户的运算模块。本发明能提供培训内容并能对学员信息进行综合管理。

摘要： 本公开提供了一种学习策略网络模型的自适应方法和装置、一种学习策略的生成方法和装置、以及相应的介质和电子设备。所述学习策略网络模型的自适应方法包括：获取学生在人机交互过程中的每个学习条目的关键信息；对每个学习科目中的所有学习条目的关键信息进行分类汇总，获取对应学习科目的第一全局统计信息；将多个学习科目的第一全局统计信息输入训练后的评估网络模型获取多个学习科目中每个学习科目的评估值；根据多个学习科目中的所有评估值对学习策略网络模型中的模型参数进行调整，获得调整后的学习策略网络模型。使学习策略网络模型实现自适应的目的。同时，针对具体学生的调整，使学习策略网络模型满足了学生个性化的学习需求。

摘要： 本发明公开了具有培训学习路径图功能的学习管理系统，促进企业培训效果的提高和员工的职业发展。其技术方案为：系统通过岗位设计工具模块，搭建组织架构，并对各岗位任职资格进行说明。通过岗位能力工具模块创建岗位所要求的能力以及能力包含的技能。通过知识管理工具模块实现基于技能的学习包(知识点)的存储、搜索和编辑功能。通过上述的这三个模块，一方面依托部门-岗位的逻辑建立基于公司战略的组织构架，一方面基于岗位-能力-技能-知识点(学习包)的逻辑建立动态的学习包，一方面提供动态的员工学习路径。

摘要： 公开了能够使用模仿学习以及强化学习来训练元学习模型以用在使机器人执行任务中的技术。一些实施方式涉及使用基于任务的一个或多个人工引导的演示的模仿学习来训练元学习模型。附加的或替代的实施方式涉及使用基于尝试执行任务的机器人的试验的强化学习来训练元学习模型。进一步的实施方式涉及使用经过训练的元学习模型来基于新任务的人工引导的演示来小样本(或单样本)学习新任务。

摘要： 本发明涉及工业机器视觉领域，公开了基于超像素主动学习和半监督学习策略的图像瑕疵分割方法，包括以下步骤：S1.得到图像数据集；S2.将图像数据集进行超像素处理，将每张图像的像素聚类成像素组；S3.通过主动学习策略选取有标注有价值的像素组，并由专家标注有标注价值的像素组对应的图像；S4.构建双分支半监督语义分割模型，将标注好的图像集和未标注的图像集分别输入至双分支半监督语义分割模型进行训练；S5.将待预测的图像输入至训练好的双分支半监督语义分割模型，得到待预测的图像的瑕疵分割结果。本发明解决了现有技术难以获得一个完整标注的大数据集进行全监督学习的问题，且具有样本需求量小，精度高的特点。

摘要： 本发明属于可再生能源发电技术领域，公开一种基于深度学习网络与多任务学习策略的风电机组振荡模态预测方法，包括：对风电机组实际运行时的输出功率、电压以及风速数据进行采集；对采集的风电机组输出功率、电压以及风速数据进行分段；采用Pony算法分析数据段包含的振荡模态；使用去噪自编码器对输出功率数据进行特征提取，并求取数据段的风速均值与电压均值，得到输出功率、风速、电压特征；构建多任务学习网络对振荡模态进行预测。本发明实施例首次将深度学习方法应用于风电系统振荡模态预测领域，基于风电机组运行大数据和多任务学习神经网络模型对机组的振荡模态进行预测，为风电系统运行安全性分析提供参考。

摘要： 本发明涉及一种基于多任务学习策略和深度学习的综合能源负荷预测方法，包括如下步骤：S1、形成历史冷热电负荷特征库及影响因素特征库；S2、构建MMoE多任务学习模型；S3、构建三个LSTM神经网络模型，利用步骤S2中MMoE模型中若干个专家子网输出的特征共享、提取的结果以及冷、热、电负荷标签对三个LSTM网络进行训练，最终得到MMoE‑LSTM模型；S4、得到冷热电负荷预测结果。本发明能够避免弱相关信息对子任务的干扰，实现了更好的预测效果。