方法训练

摘要： 建筑学课程具有感性与理性、艺术与技术相融合的特点,导致其创意构思、过程深化、成果设计很难被度量,设计课程教学普遍无章可循、无例可依,难以用规范性方法和阶段化步骤进行把控,教学效果存在较大起伏。本文以建筑学三年级课程设计成果为例,通过对空间操作法进行解析,引导学生掌握契合任务目标及制约要素的学习方法,构建符合自身、逻辑成熟的设计语汇,由浅入深、由简入繁,实现培养和提升学生的专业素养。

摘要： 在高中物理解题策略的方法训练过程中,学生以高中物理课堂课后教学中大量习题作业的错题经验进行总结归纳,同时要求教师积极引导学生采取正确的物理解题策略的方法,高中物理解题策略的方法训练分析是一个针对高中学生培养独立学习的过程,高中物理的教学目的是要培养学生自主解题的能力和独立思考应用物理知识的思维模式.

摘要： 在高中物理解题策略的方法训练过程中,学生以高中物理课堂课后教学中大量习题作业的错题经验进行总结归纳,同时要求教师积极引导学生采取正确的物理解题策略的方法,高中物理解题策略的方法训练分析是一个针对高中学生培养独立学习的过程,高中物理的教学目的是要培养学生自主解题的能力和独立思考应用物理知识的思维模式.

摘要： 非连续性文本阅读在语文阅读教学中处于劣势地位,中学生的非连续性文本阅读能力不强,反映在试卷上得分率较低。笔者通过对新课标背景下非连续性文本的内容进行分析,考点与考题发展趋势的预测,提高师生对非连续性文本阅读及考查要求的了解,再通过答题技巧的训练来提高学生中学生非连续性文本阅读的能力。

摘要： 非连续性文本阅读在语文阅读教学中处于劣势地位,初中生的非连续性文本阅读能力不强,反映在试卷上得分率较低。笔者通过对新课标背景下非连续性文本的内容进行分析,考点与考题发展趋势的预测,提高师生对非连续性文本阅读及考查要求的了解,再通过答题技巧的训练来提高学生初中生非连续性文本阅读的能力。

摘要： 构思是写好作文的关键,构思力的强弱很大程度上决定着文章的成败.现在的学生写不好作文,除缺少素材的积累、忽视阅读的重要性之外,最主要的是缺乏有效的构思训练.对此,我们提出以小学语文教材为写作构思的导引,提炼并学习教材中文学作品的构思,读写结合,并在习作实践中加以巩固运用.通过有梯度的训练,有效提升学生的习作构思力.

摘要： 本申请公开了一种应用于人工智能领域的模型训练方法、游戏测试方法及相关装置。本申请包括：获取目标游戏所对应的游戏录制样本；基于游戏录制样本中的第一图像，通过待训练生成网络模型获取目标对象所对应的第一预测动作；根据第一预测动作以及游戏环境信息，生成第一预测图像；基于第一预测图像、第一预测动作、第二图像以及第二图像所对应的第二动作，对待训练生成网络模型进行训练，以获取生成网络模型。本申请基于游戏策略，将模拟得到的动作与游戏中的环境信息进行交互，以此生成新的游戏图像，从而有利于遍历更多的游戏场景，由此提升了模型的稳定性。

摘要： 本发明的一个方面涉及的通过计算机实现的训练好的模型的建立方法具有如下处理：取得由演奏者进行的第1演奏的第1演奏数据、与第1演奏一起进行的第2演奏的第2演奏数据、及表示演奏者的满足度的满足度标签的组合分别构成的多个数据集，使用多个数据集，实施满足度推定模型的机器学习。在机器学习中，满足度推定模型针对各数据集，以使得根据第1演奏数据及第2演奏数据推定出演奏者的满足度的结果适合于满足度标签的方式进行训练。

摘要： 本发明公开了一种基于人工智能的问诊训练系统、问诊训练内容构建方法、问诊训练方法及问诊评分方法。它包括用于进行语音录入及识别转换的语音识别模块、构建有临床语料库的数据模块以及用于对数据模块中的数据进行调用的选题训练模块，语音识别模块与数据模块通讯连接，数据模块与选题训练模块通讯连接，选题训练模块还连接有评价模块并能够通过评价模块对用户的训练进行得分计算。优点是：可以在通过选题训练模块对数据模块中的数据进行调用实现选题训练并通过评价模块对用户的训练进行得分计算实现训练水平的评价，其结构构成简单、易于实现并且可以直接获得训练评价结果，避免了人工测试的主观性，提高了学习效果。

摘要： 本发明提供了一种生成训练神经网络的训练数据的方法、训练神经网络的方法和利用神经网络进行自主操作的方法，以及相关设备和系统。一方面，提供了一种训练用于环境中对象的自主操作的神经网络的方法，包括：基于样本数据集生成策略值；基于所述策略值生成近似动作值函数；通过所述近似动作值函数为所述样本数据集中的所有状态以及所有可能动作生成近似策略值集；基于近似策略值计算所述神经网络的训练目标；计算训练误差作为所述训练目标和所述样本数据集中对应的状态动作对的策略值之间的差值；更新所述神经网络的至少一些参数以最小化所述训练误差。

摘要： 本公开提供一种预训练语言模型的训练方法、语言模型的训练方法及装置，包括：获取样本文本，根据样本文本执行预训练任务中的至少两种，得到预训练语言模型，其中，预训练任务包括：前向因果语言建模任务、反向因果语言建模任务以及掩码语言建模任务，前向因果语言建模任务为由样本文本中在前的词预测样本文本中在后的词的建模任务，反向因果语言建模任务为由样本文本中在后的词预测样本文本中在前的词的建模任务，掩码语言建模任务为由样本文本中非掩码位置的词预测样本文本中掩码位置的词的建模任务，可以实现从多个维度进行预训练，从而实现训练的多样性和灵活性，且可以使得从多个维度训练得到的预训练语言模型具有较高的准确性和可靠性。

摘要： 一种训练完毕模型生成程序，其使计算机实现如下功能：训练执行功能，其通过将第一输入图像数据以及第二输入图像数据输入至机器训练装置以执行机器训练，并使所述机器训练装置生成训练完毕模型，其中，所述第一输入图像数据示出通过第一重构方法生成的第一输入图像，所述第二输入图像数据示出通过第二重构方法生成的第二输入图像，所述第一重构方法使用压缩感知，所述第二重构方法为与所述第一重构方法不同的重构方法，为解析型重构方法；训练完毕模型获取功能，其获取示出所述训练完毕模型的训练完毕模型数据。并且，通过将示出输入图像的输入图像数据输入至所述训练完毕模型以生成改善了画质的重构图像。

摘要： 对利用以往的散点图无法判定的细胞种类进行判定。一种使用神经网络结构的深度学习算法对生物试样所含的细胞进行分析的细胞分析方法，包括：使前述细胞在流路中流过，取得关于在前述流路内通过的各个细胞的信号强度，将与取得的关于各个细胞的信号强度对应的数值数据输入深度学习算法，基于从深度学习算法输出的结果，对每个细胞判定取得了信号强度的细胞的种类；利用前述细胞分析方法，解决了课题。

摘要： 学习系统具有学习装置和学习装置用的训练数据生成装置。学习装置通过误差反向传播法学习神经网络。训练数据生成装置对于输入数据，按照每个标签取得表示输入数据的内容与标签一致的正评价、表示输入数据的内容与标签不一致的负评价和表示从学习对象标签中排除的无视评价中的任意一个，生成训练数据。学习装置在对学习用的神经网络进行学习时，调整中间层的权重系数以使正评价或者负评价的标签的识别得分与正评价或者负评价的真实得分接近，并且使得无视评价的标签的识别得分不会影响到中间层的权重系数的调整。

摘要： 本发明公开了AI模型训练标签生成方法、训练方法、使用方法及设备，基于带噪声的训练标签和样本生成更好的的训练标签，从而提高AI模型预测性能。AI模型训练标签生成方法，所述AI模型用于接收输入图像并预测所述输入图像中的目标区域然后发出用特定像素值来显示所预测出的目标区域的输出图像，其包括：获得第一原始样本NS1；获得第二原始样本NS2；根据所述第一原始样本NS1建立第一原始样本第一新标签图像T1，根据第二原始样本NS2建立第二原始样本第一新标签图像T2；根据所述第一原始样本NS1建立第一原始样本第二新标签图像T3；根据所述第二原始样本NS2建立第二原始样本第二新标签图像T4。

摘要： 一种数据识别器训练方法、数据识别器训练装置、程序及训练方法,其实现使在GAN中的识别器的训练的稳定化的学习。数据识别器训练方法训练数据识别器，该数据识别器具备识别正确答案数据和伪数据的神经网络模型，其中，具备如下的步骤：将前述正确答案数据输入前述数据识别器，取得第一预测结果的步骤；将前述伪数据输入前述数据识别器，取得第二预测结果的步骤；基于取得的前述第一预测结果以及取得的前述第二预测结果算出误差的步骤；基于前述误差和前述神经网络模型的各层的权重矩阵的奇异值更新前述权重矩阵的步骤。