现代学习理论

摘要： ―、学习空间变革的多元动因(一)现代学习理论发展呼吁空间重构学习科学的研究成果在很大程度上推动了空间范式的变迁。20世纪90年代以来,建构主义、情境认知与学习、分布式认知等学习理论的发展,要求教与学的过程关注知识的建构性、社会性与情境性,认为学习不再是一个面对面传授的过程.

摘要： 一、学习空间变革的多元动因(一)现代学习理论发展呼吁空间重构。现代主流学习理论普遍强调以学生为中心,倡导采用协作学习、探究法、发现法、课堂讨论、真实情境、反思改进等教学方法与策略。(二)学生学习特征变化对传统空间提出挑战。随着社会信息化成长起来的互联网土著有着对数字化学习方式与生俱来的需求,他们崇尚自由和选择权,追求个性,讨厌说教,善于协作,在指尖横跨世界,更喜欢自主式、体验式和参与式的学习方式。

摘要： 开篇明义,篇名中的"传统学习理论"是指中国传统文化中所蕴涵的学习理论.中国学术的源头可以追溯到春秋战国时代,它也是形成中国学习理论的源头.这决定了构建我国传统学习理论的主体大多是哲学家、教育家(古希腊也是一样,而不是创立现代学习理论的心理学家),是他们通过自己亲身经历的学习过程与教育实践总结出来的应用理论,而没有经过系统的实验论证.

摘要： 现代认知学习理论认为教学活动是一系列作用于学习者的外部活动,这些外部活动的进行是为了促进和激发学习的内部过程。事物发展的外因是通过内因起作用的,当教学活动的设计符合人类学习的内在规律时,就能有效的促进学习。已被列为中小学生必修课程的信息技术课是以培养学生的创新精神、实践能力,发展学生的个性为原则,所以我们要以现代学习理论为依据,以学生的实际为出发点进行信息技术课的教学。

摘要： 首先,实现教育观念的转变,研究性学习不仅仅作为一种新的课程形态,一种新的学习方式,更是一种新的学习观,作为一种学习观。它是建立在现代学习理论基础上的科学的学习观,它是一种不同于传统课堂学习模式的新的学习方式,有自己的特质,其次,转变在教学中的角色,研究性学习环境下小学数学教师在教学中的角色发生了质的变化,不再仅仅是'传道、授业、解惑'者,还扮演着其他重要

摘要： 阅读能力是衡量大学生英语水平的标志之一,英语阅读能力对于大学生将来的就业起到不可估量的作用。因此,提高大学生英语阅读能力是大学英语教学的重要任务。现代学习理论认为,个体在学习过程中起到决定性的作用,也就是说个体的自主学习能力决定学习能力的高低。在大学英语教学过程中,提高学生英语阅读能力是关系到学生终身发展的关键性问题。

摘要： 课堂是什么？课堂是师生一起发现问题、探究问题、解决问题的地方，是师生、生生间交往互动、共同发展的空间，是知识生成、丰厚和发展的场所，是生命拔节的沃土。现代学习理论认为：知识是有情景性的，人的学习活动离不开一定的场景，这个场景包括虚拟场景、生活场景、物理场景和心灵场景。在任何一门学科的课堂教学中，都存在着这样一种可感受、可体味的特殊的“场”。

摘要： 所谓现场感,就是不离开本体,和本体保持同步。现代学习理论认为,知识具有情景性。人的学习活动离不开一定场景,场景包括虚拟场景、物理场景、生活场景和心灵场景。作为德育课程,思想品德课成效离不开学生在现场的真实体验和感悟。学生只有全身心地沉浸在生动丰富的＂场＂中,才能有所感悟、体验、发现、启智。如何实现思想品德课堂现场感，笔者作了一些微尝试。

摘要： 教育不是一方静止的潭水,而应是一条涓涓流淌的清泉。一所学校是否有活力,是否有长足的发展,需要有一个源头活水,这个活水应该是教改,只有不断地改革创新,教育才有活力,学校才有发展。下面,就"一案三环六步"教学模式产生的背景、内容,实践与推广情况做一简单的回顾和阐述。2014年初,我在全校力主课改,鲜明地提出"三环五步"教学模式,拉开了课改大幕。通过宣传,一部分教师开始尝试采用"三环五步"教学模式进行教学,并逐步在全校推广。经过一学期的实践、

摘要： 随着时代的进步和科技的发展，人类已基本进入以阅读为基础的信息网络时代。现代学习理论认为：阅读是学生最基本的学习活动。学会阅读，学生才能学会学习，才能提升素养和能力。

摘要： 本发明提供了一种结合PAC学习理论和主动学习的时间自动机模型的生成方法，用于生成实时系统的单时钟时间自动机形式模型，其特征在于，包括：步骤S1，通过学习器初始化时间观察表；步骤S2，通过转换器处理时间观察表使其满足闭合性和一致性；步骤S3，基于时间观察表，通过学习器构建假设模型步骤S4，通过比较器比较假设模型的质量与稳定模型的质量，并判断是否找到反例；步骤S5，当步骤4判断为否时，通过教学器对假设模型进行PAC近似等价查询，并判断是否找到反例，当判断为否时，停止迭代，将假设模型作为结果模型；步骤S6，当步骤S4或步骤S5判断为是时，根据反例，更新时间观察表，并返回步骤S2。

摘要： 本发明提供了一种基于建构学习理论的个性化即时学习支持系统与方法，包括用户知识需求行为分析及记录、标签关系图微知识库、基于建构学习的微知识推荐算法等模块。系统实现从个人用户社交媒体信息中分析其知识的建构需求，然后即时为其推荐学习个性化的微知识，从而主动快速地帮助用户弥补知识缺陷。本发明所述方法能够作为互联网社交系统的一个重要服务内容，智能高效地帮助用户提升个人知识素养，取得良好的经济和社会效益。

摘要： 本发明公开一种基于深度学习理论的不确定性结构频响动力学模型修正方法。包括不确定性参数影响下的结构频率响应不确定性分析，通过深度卷积神经网络构建不确定性逆向传递关系，利用深度学习原理实现不确定性参数的概率分布估计。本发明结合深度学习原理在复杂输入特征分析方面的优势，利用深度卷积神经网络对含有不确定性分布特征的频响数据进行特征分析和特征提取。此外，本发明利用不确定性频响数据条件分布概率和待修正参数的先验概率，求解待修正参数的条件概率分布，最终得到了不确定性参数的分布，避免了人工进行频响不确定性量化和特征提取带来的误差，提高了考虑不确定性的频响动力学模型修正的准确度。

摘要： 一种基于深度学习理论的叠合梁火灾后损伤识别方法，涉及灾害风险评估技术领域，简支梁的损伤识别包括：构建简支梁火灾后损伤模型；构建第一损伤识别样本；构建第一堆栈降噪自动编码器；得到简支梁损伤程度识别结果；多跨连续梁的损伤识别包括：构建连续梁火灾后损伤模型；将连续梁划分为多个子结构；构建第二损伤识别样本；构建第二堆栈降噪自动编码器；样本输入获得受损梁跨所在的子结构；构建第三损伤识别样本；构建第三堆栈降噪自动编码器；获得子结构中的具体受损梁跨；构建第四损伤识别样本；构建第四堆栈降噪自动编码器；获得受损梁跨的损伤程度。本发明将深度学习理论应用到叠合梁的火灾识别中，具有较强的鲁棒性和容错性。

摘要： 本发明提供了一种结合PAC学习理论和主动学习的时间自动机模型的生成方法，用于生成实时系统的单时钟时间自动机形式模型，其特征在于，包括：步骤S1，通过学习器初始化时间观察表；步骤S2，通过转换器处理时间观察表使其满足闭合性和一致性；步骤S3，基于时间观察表，通过学习器构建假设模型步骤S4，通过比较器比较假设模型的质量与稳定模型的质量，并判断是否找到反例；步骤S5，当步骤4判断为否时，通过教学器对假设模型进行PAC近似等价查询，并判断是否找到反例，当判断为否时，停止迭代，将假设模型作为结果模型；步骤S6，当步骤S4或步骤S5判断为是时，根据反例，更新时间观察表，并返回步骤S2。

摘要： 本发明公开了一种基于学习理论的渐进学习电网调控方法，包括以下步骤：步骤一：对电网运行状况进行全景化观测；步骤二：构建电网等值分析模型；步骤三：建立渐进学习的电网调控模型：构建电网等值分析模型的基础上，建立具有自学习的、时空滚动且关联的调控机制，采用极端学习机理论建立渐进学习的电网调控模型；步骤四：建立渐进学习的时空关联的电网调控策略体系：所述体系由学习理论贯穿其中并由空间协调和时间协调两大体系构成。本发明与传统电网调控手段是兼容的，并能在渐进学习中不断改进，体现了智能化，为电网的调控提供了新的有益参考。

摘要： 本发明提供了一种基于建构学习理论的个性化即时学习支持系统与方法，包括用户知识需求行为分析及记录、标签关系图微知识库、基于建构学习的微知识推荐算法等模块。系统实现从个人用户社交媒体信息中分析其知识的建构需求，然后即时为其推荐学习个性化的微知识，从而主动快速地帮助用户弥补知识缺陷。本发明所述方法能够作为互联网社交系统的一个重要服务内容，智能高效地帮助用户提升个人知识素养，取得良好的经济和社会效益。

摘要： 本发明涉及铁路安全技术领域，具体为基于深度学习理论的铁路异物检测与识别方法，包括如下步骤：步骤1、利用视频采集设备进行视频采集；步骤2、对采集的视频信息进行储存和处理；步骤3、卷积神经网络对处理后的图像进行识别，该基于深度学习理论的铁路异物检测与识别方法，分析了背景更新和目标分离的方法，在此基础上采用了基于高斯混合模型和三帧差分的目标检测方法。此外，利用CNN网络对基于铁路视频的异物进行检测和分类，并通过识别结果、异物分类的准确性，进一步验证了该算法的有效性。

摘要： 本发明公开了一种基于深度学习理论的设备故障声源定位方法，包括如下步骤：通过麦克风阵列MEMS传感器进行声源信号采集，从而获取故障点的原始声源信号；对原始声源数据进行傅里叶变换和灰度处理，使其转换为STFT灰度图像，并将STFT灰度图像输入经过训练的声源位置神经网络模块，从而得到故障点的定位信息；将原始声源数据输入经过训练的声压强度神经网络模块，从而得到故障点的声压强度；结合故障点的定位信息和声压强度判断设备的故障情况。本发明基于原始声源数据的特性，创新性地采用相互独立的声源位置神经网络模块+声压强度神经网络模块的多任务学习网络构架，由此同时获取故障点的定位信息和声压强度，为设备故障情况的判断提供了双向支持。

摘要： 本发明涉及旋转机械设备故障诊断技术领域，公开了基于迁移学习理论快速获取轴承故障诊断模型的方法，包括基模型获取和最终模型获取两个部分，基模型获取包括构建源域数据集、数据集划分、模型训练和测试、选取最优基模型，最终模型获取包括最优基模型调整、设置各层网格可训练性、构建目标域数据集、数据集划分、模型训练和测试、获取最终故障诊断模型。利用本发明方法仅需要收集少量的真实数据即可达到良好的训练效果，可极大提升建模的效率和准确性，且可在运行速度较慢或内存较小的设备上运行，设备支持性好。