终身化

摘要： 当前,基于云计算、人工智能,融合物联网、大数据、虚拟现实等技术的辅助教学及管理软件应用广泛,使中小学教育逐步走向网络化、数字化、智能化、个性化、终身化的信息化发展路径。奥林小学立足智能化环境建设、信息化课堂教学实践、智慧化评价体系建构等方面,探寻学校信息化发展之路。

摘要： 高职高专学生的核心导向是就业,与此相对的,高职教育的核心导向是为国家为社会培养实践型、应用型人才。在市场竞争日益激烈,社会对人才需求不断上升的大环境下,如何培养全方位高素质应用型人才是高职院校的一致难题。基于《国家教育事业发展"十三五"规划》强调的"以学习者为中心""构建网络化、数字化、个性化、终身化的教育体系""加强个性化培养"的基本方针,以及2018年教育部高等教育司司长吴岩在专题报告中提出的"两性一度""五大类型金课"的"金课"理念。

摘要： 2015年5月22日由中国教育部和联合国教科文组织合作举办国际教育信息化大会上,中国国家主席习近平强调大力推行教育信息化,利用信息技术发展推动教育变革和创新,构建网络化,数字化,个性化,终身化的教育体系,创建人人皆学,人人能学,处处能学,时时可学的学习型社会,培养大批创新人才。

摘要： 随着教育改革的不断深入,网络化、数字化、智能化、个性化、终身化等教育理念和教育技术等逐步融合,中小学办学和教育教学等发展方式与内容都发生了深刻的变化,也出现了许多新问题。通过校本科研的方式解决问题逐步成为中小学校长和教师的共识,教师科研的积极性空前高涨。但是,科研有效性低下的问题也逐步显现出来,严重影响广大教师的积极性。不会做科研,尤其是不会选题的问题已成为有效研究的拦路虎,亟须得到解决。爱因斯坦曾指出,提出一个问题往往比解决一个问题更重要。

摘要： “智慧教育示范区”创建项目“智慧教育示范区”创建工作,起源于2018年4月教育部发布实施的《教育信息化2.0行动计划》(以下简称“行动计划”)。行动计划把“智慧教育创新发展行动”列入八大行动,提出开展智慧教育创新示范。依据行动计划,创新区域教育发展机制,打造纵向衔接、横向贯通、全方位、多层次、立体化的教育新格局,构建网络化、数字化、智能化、个性化、终身化的教育体系,建立健全教育信息化可持续发展机制,为建设社会主义现代化强国提供人才支撑,为构建智慧社会奠定基础。根据行动计划的部署,2019年1月,“智慧教育示范区”创建工作开始部署启动。

摘要： 推动教育变革和创新,构建网络化、数字化、个性化、终身化的教育体系,建设人人皆学、处处能学、时时可学的学习型社会,是新时代教育的新发展目标和新发展样态,也是摆在教育工作者面前的一项重大任务,需要合力而为、持之以恒,推动全民教育向全民学习转变,让学习成为一种生命态度和生活方式。

摘要： 【系列讲座②ITS的目标与技术障碍回顾】设计和开发ITS系统的目的不是取代有经验的教师,而是增强和扩展教师的教学能力,提高教学效率和质量,实现教育的个性化、公平化、网络化和终身化。研发ITS软件需要跨越下述技术障碍:人类的知识是什么?如何由计算机软件识别和处理?计算机如何辅助人类分析、决策、行动和自动控制?教师和学生如何学会使用ITS?知识本体是人工智能的“生态环境”。

摘要： 作为终身教育体系中重要组成部分的农村职业教育在将农业、农村和农民转向信息化、产业化道路上发挥着不可替代的作用,尤其是处在国家大力倡导建设社会主义新农村的大背景下,构建农村职业教育终身化体系早已刻不容缓。

摘要： 终身教育背景下,继续教育面临挑战.本文通过列举部分国内外高等院校继续教育机构成功发展、转变的实践经验示例,从教育技术、教育对象、教育内容、教育范围四方面进行总结与分析,为继续教育终身化、全球化的推进起到一定的借鉴作用.

摘要： 本发明属于航空航天测力试验气动力测量技术领域，具体地说，涉及一种针对类型化模型的风洞天平终身学习校准方法及系统，该方法包括：步骤1)获取天平的初始校准加载矩阵N校准；步骤2)获得初始校准数据L校准；步骤3)构建深度神经网络模型；步骤4)构成检验加载矩阵；步骤5)获得检验数据；步骤6)计算天平各载荷分量的综合加载误差；步骤7)利用天平校准初始模型，计算模型在风洞试验中的受载情况；步骤8)利用近邻传播聚类算法，构成增量校准加载矩阵；步骤9)获得增量校准数据；步骤10)将增量校准数据输入天平校准初始模型中，计算天平各载荷分量综合加载误差，根据具体情况形成天平校准增量模型。

摘要： 本发明提供一种基于动态正则化的高效终身关系提取方法及系统，方法包括以下步骤：接收多个数据集，使用神经模型依次对数据集中的训练样本进行训练，每个数据集对应一个任务；为已接受训练的数据集建立内存块存储记忆数据，并在新的数据集训练时访问所有内存块的记忆数据，为克服灾难性遗忘，定义内存数据损失函数、定义特征损失函数、定义EWC损失函数；建立连续训练任务期间的训练损失之差模型分别计算特征损失函数、内存数据损失函数、EWC损失函数的正则化因子；根据特征损失函数及其正则化因子、内存数据损失函数及其正则化因子、EWC损失函数及其正则化因子得到最优关系提取参数。该方法能在进行终身关系提取时的准确率更高，且不引入额外参数。

摘要： 本发明公开了一种制备终身核不育水稻及用该终身核不育水稻培育杂交水稻的方法。所述终身核不育水稻的制备方法是用光温敏核不育系与低温敏核不育系杂交得到终身核不育水稻。培育杂交水稻的方法是用所述终身核不育水稻与任意常规稻杂交，得到杂交水稻。以终身核不育水稻为母本、常规水稻为父本制备杂交种子，杂交F1代均正常可育。该终身核不育水稻应用于水稻杂种优势利用既可克服两系法不育系育性不稳定导致杂交制种失败的缺点；又由于父本选择范围大，与三系法相比更易于培育出优质高产的杂交水稻。

摘要： 本发明属于图像处理领域，并公开了一种基于终身学习的多类别纹理表面缺陷检测模型的构建方法。整个模型以新提出的自适应卷积/反卷积模块为基础模块，具体地，自适应卷积/反卷积模块为每个类别设置独立的卷积核/反卷积核掩膜，用于分配权重衡量模型参数与当前训练类别的相关性，并通过卷积核/反卷积核掩膜设置参数剪枝和冷冻操作，参数剪枝保证了模型在后续类别训练时，仍然有足够多的参数可以用于新类别的训练，从而更好地拟合新任务；参数冷冻保证了模型在已训练类别上的知识记忆，允许相似类别的模型参数重叠，在旧任务测试时仍然具备较高的精度。从而，使模型具备终身学习的能力，实现单个模型的多类别纹理表面缺陷检测。

摘要： 本发明公开了一种基于知识更新和知识整合的终身学习行人再识别方法和装置，具体将终身学习中任务学习过程分为知识回放，知识更新和知识整合三个阶段。知识回放接收本地任务数据和缓冲区任务数据，借助记忆模型产生的伪标签维护工作模型。与此同时，工作模型产生的响应传递到记忆模型自我更新，从而生成更优质的伪标签。这两种模式交替更新模型参数，实现双向的信息传递。任务训练结束后，进入知识整合阶段。在模型层面，本发明设计了一种滑动平均的方法实现工作和记忆模型的整合，以促进下一阶段的部署训练。在测试阶段，本发明提供了一种特征空间的整合以提升在可见和不可见域预测结果的泛化性。

摘要： 本发明公开了基于终身规划A*和速度障碍法的路径规划方法，首先根据已知的环境信息构建地图矩阵；然后使用终身规划A*算法计算已知信息下的最短路径，得到全局安全路径；智能体追踪全局安全路径的同时对局部环境进行探测；若发现未知静态障碍物，则修改地图矩阵，并更新受到地图影响的节点值，重用之前的节点值，以智能体当前位置为起始点，计算到达终点的最短路径，本发明有益效果：在目标节点没有改变的情况下，可以提高搜索效率；若发现动态障碍物，则通过速度障碍算法，从速度候选集中挑选出惩罚项最小的最佳速度对动态障碍物进行规避，让智能体在存在静态和动态障碍物的部分未知环境下进行高效的路径规划并安全规避障碍。

摘要： 本发明提供基于学分银行和大数据分析的终身学习资源智能推送系统，包括知识构建模块、资源碎片化模块、特征关联模块、智能推送模块，本发明以学习知识点的关键词构建学习树形模型，然后以树形模型为基础，对不同格式的学习资料进行划分和关键词提取，这样使书本，教学视频、音频这些需要统一较长的学习时间段的信息，得以碎片化，使之以关键词为索引，基于大数据进行可靠性匹配，使得学员时间能够得以更加充分的应用。本为学员匹配精准的学习资源，有效提高学员的学习兴趣和学习效率，以解决现有的学习匹配方法功能单一导致学员学习兴趣和学习效率低下的问题。

摘要： 本发明涉及一种用于车辆自适应路径跟踪的终身学习方法及系统，属于路径跟踪技术领域，该方法包括：采集车辆运动状态数据和与运动状态数据对应的操控数据；将采集的数据集分为多个驾驶任务训练集；初始化轨迹跟踪策略模型和梯度暂时记忆；基于平均梯度暂时记忆的学习策略，根据多个驾驶任务训练集对轨迹跟踪策略模型进行迭代训练：对每个驾驶任务训练集，根据梯度暂时记忆确定参考梯度下降方向并以参考梯度下降方向为约束训练轨迹跟踪策略模型；当每个训练集训练后，基于知识分布和知识质量，对当前梯度暂时记忆中知识进行更新；采用训练好的轨迹跟踪策略模型对待控制车辆进行路径跟踪。本发明提高了车辆自适应路径跟踪的适应性。

摘要： 本发明公开了一种基于终身学习的齿轮箱增量故障诊断方法及系统，包括以下步骤：S101：采集齿轮箱振动数据构建增量健康状态数据集，划分为不同阶段的故障诊断任务；S102：利用原始ResNet‑32网络学习初始阶段的故障诊断任务，构建初始阶段诊断模型；S103：利用初始阶段诊断模型初始化ResNet‑32双分支聚合网络，并根据新增的故障类型数量增加分类层神经元数量；S104：通过选取的典例和一阶段的故障诊断任务数据共同训练该阶段诊断模型，训练完成后，选取该阶段故障诊断任务数据的典例；S105：在后续增量阶段重复步骤S103‑S104，得到最终故障诊断模型，进行故障诊断。本发明以解决现有基于深度学习和迁移学习的故障诊断模型不能诊断实际的齿轮箱意外故障问题。

摘要： 本发明提供了一种终身学习的文本分类方法及系统，以预训练语言模型作为文本分类模型，并使用任务序列对文本分类模型进行训练得到终身学习模型；设置存储记忆；以存储记忆，根据重放频率与存储率，对终身学习模型使用稀疏经验重放的方式进行微调，对终身学习模型进行再次微调，进而使用终身学习模型对输入的文本进行预测输出，实现了：首先，降低时间复杂度从而节省了训练时间，同时，提高文本分类准确率并缓解灾难性遗忘的有益效果。