移动学习环境

摘要： 基于移动学习环境课程开展成人艺术教育对促进全民审美素养与审美水平有重要意义。分析移动学习环境下艺术教育课程模式,调查学生参与艺术课程的体验,发现存在的问题,并提出要充分发展移动环境下成人艺术教育课程、线上线下有效融合以及坚持人文精神价值取向的发展策略。

摘要： 移动环境下大学生的英语自主学习是一种基于无线网络、移动终端设备和电子资源的新型学习方式。培养并提高大学生英语自主学习能力是新时期大学英语课程亟待解决的重大课题。束定芳(2004)将自主学习归纳为三方面:态度、能力和环境(包括教师、教学设施和学习资料)。[1]李颖(2016)提出符合我国国情的“自我指导式”外语学习,指出学习者、教师、任务与环境等多因素动态协调的重要性。[2]严明(2009)在《大学生自主学习能力培养模式研究》一书中也指出影响自主学习能力培养的主要因素是动机、元认知、学习策略和环境因素。[3]智能手机普及与无线网技术快速发展的新时代,信息技术与工具将大学英语学习者、教师、教学资源和学习环境更加紧密地联系在一起,更好地体现了大学英语教学的工具性与人文性,有助于实现课堂内外良性循环和生态平衡。本研究主要通过揭示移动学习环境下大学生进行英语自主学习的现状,分析大学生提升英语自主学习能力的主要影响因素,并探索其途径,以强化自主学习效果,充分发挥新技术给英语自主学习带来的优势。

摘要： 基于学习态度的三个维度,采用历时质性个案研究方法,对非英语专业大学生实施四个学期智能手机APP辅助下的大学英语课外自主学习,并对10名学生进行学习态度跟踪研究,探讨其学习态度的变化.研究发现学生在认知、情感和行为倾向上都发生了从消极到积极的变化;引起学生态度变化的因素有学习资源、学习环境、学习方式、英语水平、教师因素、同伴影响等,希望为非英语专业学生利用手机APP进行课外自主学习模式提供借鉴.

摘要： 在移动互联网迅速发展的时代,国际国内不断开放各种形式的网络学习平台与课程,大学英语教学也在随之发生潜在的变化.然而,独立学院学生入学前普遍英语基础相对较薄弱,在移动学习这种新的学习环境下,许多学生过于依赖教师,常常因不会制定学习目标与计划而产生焦虑;在学习英语遇到问题时往往信心不足,学习自我效能感不高.探讨在移动学习环境下独立学院学生英语学习自我效能感的现状、意义,提出培养英语学习自我效能感的策略,帮助学生快速适应移动学习英语的环境,最终提升自主学习能力与学习绩效.

摘要： 5G拥有卓越的高传输率、低网络延时和低消耗等特点,有巨大的技术优势和教育应用潜力。现代教育已经迫切需要5G与现有一线中小学教育实践进行有机融合,5G在宏观上可有助于教育信息化2.0的实现,在微观上有利于实现精准个性化教学。目前,比较典型的5G教育应用场景有虚拟课堂、智慧教室和线上精准教学等。随着5G教学应用的进一步深入发展,以及智慧教育理论探索、线上精准教学实践、5G教育应用培训等工作的系统开展,一种新的信息化教育形态将得以建构实现。

摘要： 5G拥有卓越的高传输率、低网络延时和低消耗等特点,有巨大的技术优势和教育应用潜力.现代教育已经迫切需要5G与现有一线中小学教育实践进行有机融合,5G在宏观上可有助于教育信息化2.0的实现,在微观上有利于实现精准个性化教学.目前,比较典型的5G教育应用场景有虚拟课堂、智慧教室和线上精准教学等.随着5G教学应用的进一步深入发展,以及智慧教育理论探索、线上精准教学实践、5G教育应用培训等工作的系统开展,一种新的信息化教育形态将得以建构实现.

摘要： 基于学习态度的三个维度,采用历时质性个案研究方法,对非英语专业大学生实施四个学期智能手机APP辅助下的大学英语课外自主学习,并对10名学生进行学习态度跟踪研究,探讨其学习态度的变化。研究发现学生在认知、情感和行为倾向上都发生了从消极到积极的变化;引起学生态度变化的因素有学习资源、学习环境、学习方式、英语水平、教师因素、同伴影响等,希望为非英语专业学生利用手机APP进行课外自主学习模式提供借鉴。

摘要： 网络技术的发展为教育教学工作提供了新的形式.移动学习环境下,高职外语教学必须充分的利用各种网络教育平台,构建自主学习型的教学模式,不断的提升学生的学习效率.本文对移动学习环境下,高职外语自主学习型教学形式进行相应的探讨.

摘要： 移动学习作为一种新兴的学习方式,逐步成为当下大学生热衷的学习方式之一,然而大数据时代信息爆炸也为人们信息获取及信息管理能力带来了挑战,个人知识管理方式也随着技术工具的不断进步而发生着相应的改变.因此,针对移动学习环境下大学生个人知识管理的研究有重要的意义.本文选取某高校大学生为研究对象,调查分析大学生个人知识管理现状及存在的问题,并提出建设性意见,以提高大学生移动学习环境下的个人知识管理能力.

摘要： 在目前的中职院校教育教学中,酒店管理专业属于十分重要的一门专业,在培养酒店管理专业人才方面具有重要的价值及意义,因而需要有效开展酒店管理专业教学.在目前酒店管理专业教学的实施中,为能够取得更加满意的效果,需要结合当前的移动学习环境,利用移动网络技术开展教育教学,从而使酒店管理教学更符合时代特点及发展需求,实现教学质量及水平的有效提升,对酒店管理人才进行更好培养.

摘要： 本发明公开了一种移动边缘环境下基于联邦学习和移动感知的QoS优化方法。该方法通过采集边缘位置信息和QoS数据集，融合后得到移动边缘QoS特征数据集；根据边缘网络节点的位置分布，将研究区域划分为若干边缘区域，每个区域内的用户移动设备训练用户偏好模型，拟合移动路径；区域利用用户模型参数训练公有模型；根据用户移动性和边缘网络节点资源约束进行动态QoS优化。本发明利用联邦学习建立服务缓存模型，并通过使用基站位置拟合用户移动路径来模糊用户位置保，在保护用户的特征隐私和位置隐私的同时，优化了区域服务质量，能够适应网络服务的实时性和吞吐量的要求。

摘要： 本发明公开一种动态环境下基于深度强化学习的移动机器人避碰规划方法，属于移动机器人导航技术领域。本发明通过激光测距仪采集原始数据，将原始数据处理后作为神经网络的输入，建立LSTM神经网络，通过A3C算法，神经网络输出相应参数，经过处理获得机器人每一步的动作。本发明无需对环境进行建模，更加适用于未知障碍物环境，采用actor‑critic框架与时间差分算法，实现低方差的同时更适用于连续动作空间，实现边训练边学习的效果。设计具有艏向转角限制的连续动作空间，且采用4个线程并行学习训练，与一般深度强化学习方法相比，大大提高学习训练时间，减少样本相关性，保障探索空间的高利用性与探索策略的多样性，从而提升算法收敛性、稳定性以及避障成功率。

摘要： 本发明属于移动机器人导航技术领域，具体涉及一种静态环境下基于深度强化学习的移动机器人避碰规划方法。本发明使用激光测距仪采集原始数据，将处理后的数据作为A3C算法的状态S，通过构建A3C‑LSTM神经网络，将状态S作为网络输入，通过A3C算法，神经网络输出相应参数，利用参数通过正态分布选择移动机器人每一步执行的动作。本发明无需对环境进行建模，通过深度强化学习算法最终实现移动机器人成功在复杂静态障碍物环境下避障。本发明设计具有转艏约束的连续动作空间模型，且采用多线程异步学习，与一般深度强化学习方法相比，大大提高学习训练时间，减少样本相关性，保障探索空间的高利用性与探索策略的多样性，提升算法收敛性、稳定性以及避障成功率。

摘要： 本发明提出一种高速移动环境下基于深度学习的信道估计方法。首先，设计了包含卷积神经网络和循环神经网络的信道估计网络，利用卷积神经网络提取导频特征矢量和循环神经网络估计信道状态信息(Channel State Information,CSI)。其次，通过标准高速信道仿真模型收集到大量的高速信道数据，用收集到的信道数据对信道估计网络进行离线训练，使得信道估计网络能够通过样本学习到高速信道的变化特点。再者，通过训练好后的信道估计网络进行在线信道估计，估计时导频处的CSI通过最小二乘估计得到，数据处通过信道估计网络估计得到，进而进行信道均衡等操作。本发明通过设计基于深度学习的信道估计网络进行信道估计，能够有效地利用训练样本中的信道信息，使得信道估计网络能够通过学习学习到高速信道的变化特点，以此来跟踪高速信道的变化，实现降低信道估计器复杂度的同时提升信道估计的精度。

摘要： 本发明公开了一种基于联邦学习的移动边缘环境下安全QoS预测方法。该方法首先收集边缘位置信息和QoS数据集，融合后得到时‑空边缘用户QoS数据集；然后对边缘区域进行划分和提取公有数据集，并将公有模型训练和个性化预测相结合从而达到安全的目的。在公有模型训练过程中，考虑边缘服务器和市辖区的地理位置分布，将整个边缘网络区域划分为多个边缘区域，每个边缘区域对应若干个市辖区。每个边缘区域进行公有数据提取后基于LSTM进行公有模型训练并将公有权值参数传递给私有用户。在个性化预测过程中，用户使用其所属区域中的公有LSTM权重参数作为私有LSTM的初始参数，并根据用户的私有数据不断训练私有LSTM从而进行个性化预测。

摘要： 本发明公开了一种移动边缘环境下基于联邦学习和移动感知的QoS优化方法。该方法通过采集边缘位置信息和QoS数据集，融合后得到移动边缘QoS特征数据集；根据边缘网络节点的位置分布，将研究区域划分为若干边缘区域，每个区域内的用户移动设备训练用户偏好模型，拟合移动路径；区域利用用户模型参数训练公有模型；根据用户移动性和边缘网络节点资源约束进行动态QoS优化。本发明利用联邦学习建立服务缓存模型，并通过使用基站位置拟合用户移动路径来模糊用户位置保，在保护用户的特征隐私和位置隐私的同时，优化了区域服务质量，能够适应网络服务的实时性和吞吐量的要求。

摘要： 本发明提供一种能够基于仅少量学习(learning)数据高精度地再现目标语者语音(voice)的基频的特征的技术。学习装置学习目标语者的目标基频图形(F pattern)相对于作为基准的源基频图形(F0 pattern)的移动量。该学习装置通过将与学习文本(text)对应的源基频图形及与同一学习文本对应的目标基频图形，以其波峰与波峰及波谷与波谷相对应的方式相关联，针对目标基频图形上的各点，该学习装置参照该关联的结果而求出相对于源基频图形上的相应点的在时间轴方向上及在频率轴方向上的移动量，且使用作为学习文本的解析结果的语言信息作为输入特征量、使用计算出的移动量作为输出特征量而学习决策树。

摘要： 本发明公开了一种基于深度强化学习的移动机器人动态复杂环境避障导航方法，包括避障模块、目标接近模块、DRL策略训练模块、模拟‑现实任务。本发明的有益效果是：通过该方法实现移动机器人在无全局地图信息的情况下，依靠传感器的观测信息，通过多障碍物识别网络对观测结果进行处理，结合目标的相对位置信息，通过深度强化学习模型进行训练，学习避障导航策略，避开多个动态障碍物，到达指定目标点；不再依赖于全局地图，不需耗费大量算力建立高精度地图，不需考虑全局地图信息的维护与更新；输入传感器观测信息，输出机器人控制动作，端到端的导航策略模式反应迅速，能够适应复杂动态多障碍物的环境。

摘要： 本发明公开了一种基于空间‑时间图注意力神经网络的密集行人环境下强化学习移动机器人的导航方法，首先使用了三维多物体跟踪JRMOT技术进行2D和3D的行人轨迹追踪技术，对行人的位置进行实时追踪，在让机器人使用空间‑时间图注意力STGAT模型，根据行人历史轨迹预测未来轨迹，当机器人在行人环境中有了各个行人的轨迹后，再使用蒙特卡洛树搜索和价值估计网络，做出最优决策，进行导航任务。本发明能够在密集行人环境下快速做出避障决策，拓展了移动机器人的应用场景。

摘要： 本发明提供一种于移动学习环境提供在线学习的系统及其方法，其透过学习平台传送课程发布讯息与作业发布讯息给学生客户端与家长客户端，使得家长客户端可以查看发布给学生客户端的课程档案与课程作业，并传送作业完成讯息给教师客户端，使得教师客户端批改与课程作业对应的作业数据，以及传送批改完成讯息给家长客户端，使得家长客户端可以查看批改结果的技术手段，可以让学生家长得知学生在在线学习平台中的学习状况，并达成实时通知教师与家长学生的学习状况的技术功效。