深层学习

摘要： 中医外科学课程是中医学专业的主干课程之一,但面临着课程内容广泛、知识点复杂、学习难度大、理论与实践衔接性不高等教学难点。导致了学生学习积极性、主动性不高,停留于表层学习。因此,我们构建了“三地一体”布局、“三全双向贯序式”模式、服务新医科的中医外科学课程教学体系,通过“课程目标设计、教学内容构思、教学过程创新、教学评价革新”四步曲,以混合式教学为方法,以信息技术为载体,达到学生深层学习的目标,落实“以学生为中心”的教育理念,提升立德树人的成效。

摘要： 当下小学数学教学内容综合性强、涉及范围广、弹性也大,这也使得教师有了更多的发展空间。教师应该在教学过程中改进自身的教学行为,巧设问题情境、倡导多元解决问题、利用实践,学以致用等,以促进学生深层学习。

摘要： 在“双减”及“五项管理”背景下,本文根据题目难易程度,将沪教版修订版《地理练习部分》的填图题、填空题、选择题、连线题等分为浅层学习内容,作为学生的课堂预习学案;将讨论题、辩论题、问答题等作为深层学习内容,以小组讨论的形式渗透到课堂教学中。《地理练习部分》中综合性强的章节可以作为教师教学质量监控的良好载体。

摘要： 结合计算机网络课程概念众多、抽象且难以理解的特点,提出从探究式学习、进阶式学习和拓展式学习3个维度构建面向深层学习的计算机网络实践教学体系.通过教学实践分析,说明实践训练能够激发学生的学习兴趣和创新能力.

摘要： 深度学习是一种高层次的思维进阶理论,在高中语文教学过程中内涵着巨大的教学能量。对照高中古诗词教学,深度学习及其理论在提高教师诗歌教学效果,构建学生诗歌认知结构方面发挥着重要作用。从浅层学习到深层学习是一个循序渐进的过程,同时也是建立学生创造性思维的过程。一、深度学习的概念理解深度学习是相对于浅层学习概念而言的。浅层学习是指学习者为降低外在压力而进行被动学习的过程,这种过程因缺乏知识间的联系而无法构建知识体系,也无法解决实际问题。

摘要： 在新的课程改革标准提出了一系列新的教学要求后,小学数学教学的模式和方法都开始逐渐转变,趋于多样化。为了更好地培养学生的数学核心素养,教师开始将零散的知识组合为系统化的知识,构建知识体系,使学生从浅层学习向深层学习过渡,单元整体教学应运而生。本文将在大观念视角下谈一谈小学数学教学中的单元整体教学。新的《义务教育课程标准》中提出了“大观念”,该理论在实践中的具体应用也成了教学研究的热门课题。大观念的落实关系到学生五项基本综合素质的发展,更影响核心素养教育的落地。

摘要： 深层学习是基于非单调认知变化所构建的一种超越经验的统合型心智活动,深度学习理论在操作层面主要有事物创造、技能调适和信念转变等三种认知机制。教育考试机构的专业化建设是适应教育考试改革新形势的机构生态进化,这种进化离不开深层学习。在专业化建设过程中,可以运用这三种机制来支持教育考试机构的观念创新、思维创新和行为创新。

摘要： 面对混合学习这一教学模式创新,高校学生只有从心理上真正认可并积极投入才能实现深层学习。文章基于创新抵抗模型,以上海、江苏、北京等地拥有混合学习经历的266名高校学生为研究样本,运用结构方程模型分析方法探讨了混合学习抵抗的不同维度对于高校学生深层学习的影响。研究结果表明,混合学习环境下,高校学生个人的习惯和创新性对混合学习抵抗存在显著的正向影响,社会传播对混合学习抵抗存在显著的负向影响,混合学习抵抗作为重要中介变量对学生的深层学习产生负向影响。基于研究结果,文章对如何消除高校学生在混合学习过程中的抵抗心理提出了有针对性的建议,以提升高校学生的深层学习效果。

摘要： 小学数学作为一门抽象性和逻辑性较强的学科,教学的目标不能仅仅浮于基本的概念和相应的公式,而是要透过知识培养学生具备学科核心素养的多种思维能力,为高层次的数学学习夯实基础,培养良好的学习习惯。在当前“双减”政策的影响下,深度学习不仅能契合新课标对教学的要求,更能以高效性的教学模式达到核心素养的培养目标。小学数学深度学习区别于机械的、浅层次的教学思路,是以培养学生深入数学本质,追求思维和能力培养目标,实现数学价值的培养方式,其方法符合学科核心素养的目标。而随着“双减”政策的不断推进,深层学习的思路更是成了提高教学质量的必然选择。本文基于“双减”政策带来的变化分析了小学数学深度学习的必要性,并根据深度学习的特征,研究了教学当中应该采取的实施策略,希望对相关教学工作者有所启发作用。

摘要： 针对目前学生采用深层次学习方式占比偏低的问题,提出从"教"入手对计算机网络课程优化设计,从多维度引导和激发学生深层次学习,从教学内容、教学方法、实践环节、评价机制方面阐述面向深层学习的课程优化设计总体思路,并通过几个具体案例介绍课程优化的细节设计,最后以综合实验为例,介绍相应的实验目的、实验内容设置和实验方法.

摘要： 采用问卷法对5所985高校的979名大学生进行调查,分析了大学生职业兴趣类型、深层学习及读研期望的特点,并深入考察了职业兴趣类型、深层学习与读研期望之间的确切关系.结果 表明,研究型职业兴趣对大学生读研期望的直接效应显著,深层学习起到了部分中介作用,而常规型和社会型职业兴趣则通过深层学习的完全中介作用影响大学生的读研期望.基于此,建议高校要创造适合不同职业兴趣学生的发展环境,大学生应根据个人职业兴趣类型和深层学习情况明确读研期望,教师在课堂教学中要加强大学生深层学习方法的引导.

摘要： 大学生的学习可以分为表层学习和深层学习,前者是信息复制型学习,依靠记忆,后者是意义探寻型学习,基于理解.深层学习对大学生身心的全面发展,特别是实践能力和创新能力的发展具有重要意义.因此,大学应该采取一些有效的教学策略鼓励和支持大学生进行深层学习.

摘要： 本发明提供可缩短以属于多个范畴的数据使DNN进行学习的时间的DNN的学习方法。该方法包含对以日英的学习数据使语言独立的子网络(120)和依赖语言的子网络(122及124)进行学习的步骤。该步骤包含：以日文数据使将子网络(120)的输出层的神经元和子网络(122)的输入层的神经元连接而成的DNN进行学习的第1步骤；形成取代子网络(122)而将子网络(124)连接至子网络(120)而成的DNN，并以英文数据进行学习的步骤；交替地执行这些步骤直至学习数据结束为止的步骤；在完成后将第1子网络(120)与其他子网络分离开并作为范畴独立的子网络存储至存储介质的步骤。

摘要： 一种基于深层特征和迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断技术领域，为了解决变工况下滚动轴承不同故障位置及不同性能退化程度多状态识别准确率低的问题。首先采用SDAE对滚动轴承振动信号频域幅值进行特征提取，得到振动信号深层特征，并构成源域特征样本集和目标域特征样本集。然后采用JGSA对源域特征样本与目标域特征样本进行域适应处理，达到同时减少域间特征样本的分布偏移及子空间变换差异的目的，进而缩减不同类特征样本间的域偏移。最后通过K近邻算法完成变工况下滚动轴承多状态分类。本发明与其他方法相比较，在滚动轴承变工况条件下表现出更好的特征提取能力，其样本特征可视化效果最佳，变工况下滚动轴承故障诊断准确率高。

摘要： 本发明公开了一种深层神经网络AR手语翻译学习方法、客户端及服务器，包括以下步骤：A：接收并识别终端设备上传的手语动作数据，将手语动作转换为自然语言发送给终端设备；或者，同时接收面部表情数据和/或外部环境数据，然后结合面部表情数据和/或外部环境数据将手语动作转换为自然语言发送给终端设备；B：接收并识别终端设备上传的自然语言数据，将自然语言数据转换为手语动作数据并基于手语动作数据构建动态虚拟人物，将动态虚拟人物发送给终端设备以在终端设备上显示手语动作。本发明的优点在于：将对手语动作的翻译结合于用户的面部表情和周围环境，提高翻译的准确率。

摘要： 本发明公开了一种基于迁移学习深层网络融合模型的货车品牌类型识别分类方法，包括：采用基于边缘方向直方图的可变形部件模型对货车图像进行货车车脸检测；构建Inception V3‑MMD网络模型，并基于车脸图像获取车辆品牌特征向量FI；构建Xception‑MMD网络模型，并基于车脸图像获取车辆品牌特征向量FX；构建DenseNet‑201‑MMD网络模型，并基于车脸图像获取车辆品牌特征向量FD；得到车辆品牌融合特征向量FC；构建基于最大均值差异迁移学习的深层网络融合模型的输出层，并根据获取的车型融合特征向量FC对货车品牌进行识别分类。本发明将迁移学习理论与深度学习紧密结合，从而可以更精准的实现多种类型货车车辆品牌的分类，可对高速公路场景中货车智慧收费系统提供技术支持。

摘要： 本发明提供可缩短以属于多个范畴的数据使DNN进行学习的时间的DNN的学习方法。该方法包含对以日英的学习数据使语言独立的子网络(120)和依赖语言的子网络(122及124)进行学习的步骤。该步骤包含：以日文数据使将子网络(120)的输出层的神经元和子网络(122)的输入层的神经元连接而成的DNN进行学习的第1步骤；形成取代子网络(122)而将子网络(124)连接至子网络(120)而成的DNN，并以英文数据进行学习的步骤；交替地执行这些步骤直至学习数据结束为止的步骤；在完成后将第1子网络(120)与其他子网络分离开并作为范畴独立的子网络存储至存储介质的步骤。

摘要： 本发明公开了一种基于深层特征和迁移学习的滚动轴承故障诊断方法。本发明中，特征提取模块的内部滚动轴承特征提取方法通过迁移学习理论，分析了SDAE自适应提取轴承深层特征的过程，并提取由时域、频域和时‑频域特征共同组成的浅层特征，从而配合故障诊断模块内部的诊断监测模块结合VMD和SVD对滚动轴承振动信号进行奇异值特征提取，再与奇异值熵、振动信号时域、频域特征一起共同构建滚动轴承多域特征集的方法，从而获得更能表征滚动轴承状态的特征，提高了对滚动轴承故障判断的准确性，也提高了系统的运行速度，为人民的故障判断使用节省了时间，增加了系统的运行效率。

摘要： 本发明属于超声缺陷检测领域，具体为一种基于深层特征的深度学习的平板陶瓷膜超声缺陷检测方法，包括如下步骤：步骤1：搭建装置和采集超声信号，并建立检测模型；步骤2：提取超声缺陷信号的深层特征；步骤3：空洞卷积神经网络的训练；步骤4：定义缺陷的种类，并进行缺陷的分类。本发明通过连续小波变换进行降噪处理，并将信号转换成时间频谱图，实现了对超声信号深层次的提取，将时间频谱图灰度图作为空洞卷积神经网络的输入，通过空洞卷积神经网络对时间频谱图灰度图进行分析并判断缺陷，能够准确、快速、客观的检测出平板陶瓷膜的内部缺陷。

摘要： 本发明公开了一种基于自监督变分LSTM的深层半监督网络入侵检测方法，其实现步骤为：数据预处理，对数值表示进行标准化处理；压缩网络的LSTM编码器将有标签和无标签样本向量的高维特征表示压缩成低维表示，并使用softsign函数替换tanh函数作为激活函数；定义自监督变分自编码器，重构隐变量，定义潜在变量；使用LSTM解码器负责将隐变量转换为重构的特征向量，并将特征向量输入到评估网络中，得到初步分类结果；对标签数据和未标签数据的分类结果分别计算有监督损失和无监督损失，并将参数更新到权重函数内部；本发明可以用在存在不平衡数据的背景下最大限度的提取关键特征，具有较高的分类准确率，较低的误报率。

摘要： 本发明涉及图像解析方法、装置和程序及学习完了深层学习算法及其制造方法。具体而言，本发明提供对于组织或细胞的图像而生成显示肿瘤化状态的数据的图像解析方法。本发明的图像解析方法是使用神经网络结构的深层学习算法60而解析组织或细胞的图像的图像解析方法，其从含解析对象的组织或细胞的解析对象图像78生成解析用数据80，向深层学习算法60输入解析用数据80，由深层学习算法60生成显示解析对象图像78中的组织或细胞的肿瘤化状态的数据82、83。

摘要： 本发明涉及图像解析方法、装置、程序及学习完了深层学习算法的制造方法。本发明提供对于组织或细胞的图像而生成显示细胞核的区域的数据的图像解析方法。图像解析方法是使用神经网络结构的深层学习算法60解析组织或细胞的图像的图像解析方法，其从含解析对象的组织或细胞的解析对象图像78生成解析用数据80，向深层学习算法60输入解析用数据80，由深层学习算法60生成显示解析对象图像78中的细胞核的区域的数据82、83。