经验学习

摘要： 阐明理论知识向实务能力转化的机制,对提高医务社会工作实习实践教育效果,培养合格的医务社会工作人才具有重要意义。本文通过一项社会工作实习生在医院开展患儿康娱服务的行动研究,发现此项服务能提升实习生的组织协调、人际沟通、资源链接整合、开发和实施服务项目等实务能力。同时,还发现理论知识向实务能力的转化,在个体内部经历了行动应用、具体体验、评价反思、抽象概括四个连续的认知行为过程,触发性事件、同伴支持、组间学习、督导关系等环境因素对转化的发生也有重要影响。

摘要： 从“学院式”向“现场式”的教师学习范式转变,使现场学习成为当下教师专业发展的研究热点。现场获取实践性学习经验,促进教师迈出从成熟走向优秀、从优秀走向卓越的关键一步,需要理解“经验”,以哲学视角透视经验学习的价值意蕴;反思“经验”,以实践路径分析现场学习的内隐策略;超越“经验”,从思辨、对话、合作等层面讨论教师学习的质变突破。

摘要： 在电商物流的“最后一公里”配送中,经验丰富的驾驶员(专家)并不总是基于最短路径成本矩阵进行路径规划.对此,提出一种逆向优化方法,通过学习专家的过往路径决策,得到能够代表专家经验的成本矩阵,并应用于路径规划模型求解,使得专家经验能够融入决策算法中.利用机器学习中的乘性权重更新算法实现对专家经验的学习.随机算例和电商实际算例的实验结果证明了方法的有效性.

摘要： 国有企业是中国海外并购的重要买家,然而相比民营企业,其显示出低完成率和低效率并存的“双低”结果。导致国企“双低”结果的原因是什么?其又该如何克服身份束缚提升海外并购绩效?本文基于合法性视角,结合组织学习与制度理论,通过汤姆森数据库1982-2014年中国海外并购数据来回答这些问题。研究发现,国有身份容易引起东道国审查机构对其并购合法性的担忧,从而引发漫长且不确定性极高的“推理”,降低国有企业海外并购成功率,延长收购时间;相比成功经验,仅失败经验能触发学习行为,提升国企并购成功率;在并购时间决策中,一般的并购经验难以触发学习,只有特定的国际并购经验才能加快国企并购速度;双边关系并不能保证国企并购的成功率和完成时间,良好的东道国制度能够提升国有企业海外并购的成功率,却延长了其并购完成时间。

摘要： 初中物理知识相对抽象,学生不容易理解,为了便于学生理解与掌握,在实际教学中,教师可以将某些抽象的理论知识形成的历史故事重现在学生面前,这种重现应注意基于学生的原有经验,让学生产生认知冲突,激发学生的学习欲望,避免学习的盲目性,从而引导学生基于原有经验逐渐由浅表学习迈向深度学习。

摘要： 经验学习圈理论强调从具体经验出发,经过反思性观察和抽象概念化形成科学概念,并在积极实践中运用概念解决问题,这与科学概念建构流程及物理学科教学理念高度契合。采用“问题引领,彰显教学逻辑”“实验设计,关注科学方法“”结论推演,引入数学工具”等教学策略,可以有效优化初中物理概念教学。

摘要： 提出一种基于经验学习的智能起重机路径规划和自动生成方法,对起重机路径规划多目标进行重要度分级,研究并导入起重机熟练司机的操作流程、方法和基本规则,通过构建起重机三维搬运作业数学模型,将熟练司机的操作流程和规则数字化、定式化,最终转化为让起重机可以独立分析判断和自主决策的方法.区别于现有的多维度、广角度、大空间的全域搜寻模式,运用经验学习,依据经验预先确定作业路径的搜寻区域、方向、规则和方法,大幅缩减搜索范围和时间,提升搜索效率.获得的路径规划结果充分考虑了起重机特殊作业工艺、起重机操作规程和搬运物的柔性不确定运动状态,具有很强的实用价值.

摘要： 在资源约束的创业环境中,创业拼凑是关注的热点.基于拼凑理论,从学习的角度出发,研究创业拼凑对员工创新能力的影响,并且引入创业学习这个变量,探究其在上述两者关系中所发挥的中介作用.根据问卷调查的有效数据,通过分层回归分析方法和Bootstrap方法检验后,实证结果显示:创业拼凑显著正向影响员工创新能力以及创业学习的三个维度经验学习、认知学习、实践学习;创业学习的三个维度也都明显正向影响员工创新能力,并且在创业拼凑与员工创新能力之间起到了部分中介作用.由此,增添了创新创业领域中员工创新能力和创业学习的前因变量研究,进一步丰富了创业拼凑理论.

摘要： 国际化经营是一项高风险、高挑战性的跨国界经营活动.传统理论普遍认为国际化经验可以降低风险、积累能力,有助于企业提高国际化绩效,但是国际化经验在发挥积极作用的同时,也可能引致企业陷入学习陷阱,从而产生国际化经验悖论.本文整合已有研究,指出了经验学习错误的三种类型:识别错误、认知错误和演绎错误,以解释国际化经验悖论的形成机制.在此基础上,本文进一步提出了破解国际化经验悖论的策略,以期为中国企业更好地开展国际化经营提供有益建议.

摘要： 教育博士专业学位旨在培养教育实践领域高级专门人才.实践性是教育博士项目的主要特征,增强实践性是全球背景下教育博士项目改革的主要趋势,但在如何增强实践性这一问题上还有诸多争议.教育博士项目的实践性最终是通过教育博士研究生专业实践能力的发展和提高体现出来的.借助Kolb的经验学习理论,认为教育博士研究生专业实践能力的提高是理论与实践之间互动的递进过程,在培养过程中需要经历体验、反思、生产和应用四个阶段,从而构成一个"培养环".根据相关研究和改革实践,课程内容的实用性、创新型教学方法、基于实际问题解决的研究训练以及导师对学生的专业实践指导是影响教育博士项目实践性的重要因素.据此提出了增强教育博士项目实践性的主要途径.

摘要： 选取2000-2013间江浙沪地区制造业上市公司的并购事件为研究对象,采用财务指标法衡量企业并购绩效,以企业自身并购经验及绩效反馈、观测到的并购经验及绩效反馈、并购时间间隔为研究变量,使用多元回归分析法进行实证分析,结果表明:自身并购经验与并购绩效正相关;自身并购经验平方和观测到的并购经验平方呈倒U型关系;自身成功经验与绩效正相关;而观测到的失败经验与绩效也呈正相关关系;并购时间间隔大于一年时的并购绩效表现较好.根据研究结论与现实状况,为改善上市公司并购绩效,提出了相关的政策建议.

摘要： 本文主要论述了教育领域工作机会的转变、走出校外的历练、经验学习中的主题化历程以及没有终点的主题行动。

摘要： 本发明公开了一种混合经验的多智能体强化学习运动规划方法，即ME‑MADDPG算法。该方法通过MADDPG算法训练，在产生样本时，不仅通过探索和学习产生经验，还增加了通过人工势场法将多无人机成功规划至目标的高质量经验，并把这两种经验存放至不同的经验池。在训练时，神经网络通过动态采样，以变化的概率从两种经验池中采集样本，以每个智能体的自身状态信息和环境信息作为神经网络的输入，以多智能体的速度作为输出。同时，在训练的过程中神经网络缓慢更新，稳定地完成多智能体运动规划策略的训练，最终实现多智能体在复杂环境下自主避障并顺利到达各自的目标位置。本发明可以在复杂动态的环境中高效地训练出稳定性和适应性更好的运动规划策略。

摘要： 本发明提供一种采用内部激励信号与学习经验复用的高效强化学习自主船舶避碰方法，解决不确定环境下采用强化学习算法实现自主船舶避碰过程中易陷入局部迭代和收敛速度过慢问题。本发明针对实际航行环境下船舶避让决策考虑的会遇态势变化和转向率问题，构建综合考虑外部收益信号与内部激励信号结合的全新奖励函数，鼓励自主船舶对状态迁移概率较低的环境进行搜索。在内部激励信号与外部收益信号协同驱动训练的过程中，利用学习经验复用，挖掘历史训练数据的隐藏特征，保存累计回报期望值较大的策略，并利用随机概率模型对好的策略迁移应用，减少强化学习在自主船舶搜索过程中刻意学习和盲目性学习问题，进一步提高了自主船舶避碰方法的学习效率。

摘要： 本申请实施例提供一种融合人工经验和集成学习策略的机器学习方法及装置，方法包括：根据预设训练数据和多个预设异质算法，生成多个独立的基模型；根据多个所述基模型得到对应的集成训练集和集成测试集；根据所述集成训练集采用交叉验证方法和超参数优化方法进行元模型训练，并根据所述集成测试集对所述元模型训练的结果进行效果评定，得到符合所述效果评定的合格条件的元模型；本申请能够将Auto ML与人工经验结合，二者在学习过程中共同进行决策，充分利用机器的执行效率和人工经验的先验知识指导作用，提升学习效果。

摘要： 本发明公开了基于改进经验小波变换的脑电信号字典学习方法，包括：获取脑电信号数据集；将所述脑电信号数据集中的信号分割成同等长度的脑电信号片段；利用改进经验小波变换方式将所述脑电信号片段分成若干本征模态分量，所述本征模态分量能够反映原始脑电信号本质的特征；对所述原始脑电信号本质的特征进行筛选并放入本征模态分量集合中；在所述本征模态分量集合中随机挑选k个样本作为质心，使用k‑均值奇异值分解方法进行字典学习，输出训练好的字典；使用所述训练好的字典在重构端进行脑电信号重构。本申请使得字典能够对脑电信号特征进行更优的稀疏表示，同时将信号本身的特性考虑在内，减小了学习字典对于训练样本的依赖性，提高重构准确度。

摘要： 本发明公开了一种基于专家经验指导的深度学习烟叶分级方法，利用预先设定的深度特征提取网络获得烟叶图像的深度网络特征向量。利用传统计算机视觉方法获得烟叶图像的手工特征向量。将深度网络特征向量与手工特征向量拼接为联合特征向量。将联合特征向量输入预先设定的分级判断网络，输出烟叶分级结果。专家针对分级不正确的烟叶图像进行重新分级，得到更新后的分类标签，根据更新后的分类标签对分级判断网络进行学习，获取优化后的分级判断网络。本发明具有烟叶分级的客观性和一致性，且能够达到较高的分级准确率。针对偶然出现的错误烟叶分级情况，利用专家的领域知识，辅助提高分级准确率。

摘要： 一种基于经验规则结合机器学习的下肢运动意图识别方法属模式识别技术领域，本发明首先获取膝关节角度传感器、称重传感器和IMU传感器产生的数据，并进行去噪及去除异常值，然后设计了三个分类器，分别通过经验阈值判断和改进的加权KNN算法进行人体意图识别。本发明仅使用少量机械传感器就能够准确识别七种常见的运动模式，并大大减少了改进加权KNN算法所需要的训练集数据量，减少算法在STM32单片机上运行的时间，确保对人体运动状态的实时预测。本发明在已进行实验的基础上，提出结合经验规则及机器学习算法进行人体意图识别，旨在推进商品化假肢的发展，更便于下肢截肢患者的日常使用。

摘要： 本发明涉及一种基于模糊经验和原子划分重组的机器人技能迁移学习系统，包括：㈠原子技能划分重组单元、㈡模糊经验迁移单元、㈢基于模糊经验和原子任务划分重组的整体技能迁移单元和智能体。原子技能划分重组单元包括源环境模块、原始技能模块、原始技能分解模块、原子级子技能集合模块、原子级子技能重组模块、重组后技能模块和目标环境模块。模糊经验迁移单元包括机器人、模糊知识产生器、模糊知识修整器和动作偏好向量模块。基于模糊经验和原子任务划分重组的整体技能迁移单元将模糊经验和原子任务划分重组结合起来。本发明利用了两者的优点，提高了机器人技能迁移效率，使机器人能够快速学习新技能，增强机器人的技能泛化能力。

摘要： 一种基于深度学习模型与经验模态分解耦合的PM2.5污染浓度长时空预测方法，收集PM2.5污染数据以及相关变量数据，数据清洗，相关性分析确定选择变量的相关性；构建图数据结构并输入至模型的GAT模块，得到PM2.5污染的空间信息；将PM2.5序列输入至模型的EMD模块，分解为若干个低频率的时间序列以及残差，并进行拼接，得到PM2.5污染的时间序列信息；整合空间信息以及时间序列信息，得到PM2.5污染的时空信息，输入至模型的GRU模块，再通过全连接层得到最终的预测结果。本发明将PM2.5污染的时间与空间信息结合，并将信号分解领域的经验模态分解算法和深度学习算法结合，提高PM2.5长步长预测的精度。

摘要： 一种任务优先化的经验回放(TaPER)算法使得能够同时学习多个RL任务离线策略。该算法可以对作为导致任务实现的固定长度事件的部分的样本进行优先化。这使得智能体能够通过对其早期成功进行自举来快速学习任务策略。最后，TaPER可以同时提高所有任务的性能，这是多任务RL的期望特性。与应用于单个RL任务学习设置或者需要奖励是二进制或充足的、或者作为目标的参数化规范提供的传统ER算法不同，TaPER没有施加这样的限制并且支持任意的奖励和任务规范。

摘要： 一种基于指挥员经验学习的空袭目标威胁评估方法，包括：获取影响来袭目标威胁评估的因子并进行量化；采用环比评分法得出各影响因子的主观权重向量，采用熵值法得出客观权重向量，然后得到综合权重向量；运用理想解逼近法得到目标对于理想解的相对近似度，并利用近似度从大到小进行目标威胁排序；通过调整影响来袭目标威胁度的权重，对不同目标威胁度进行调整；当调整权重后仍无法满足人工干预时，通过为威胁因素增加隶属度因子，实现对不同目标威胁度的调整。与现有技术相比，本发明将人工干预因素动态引入威胁评估模型中，使空袭目标威胁评估方法具备了对指挥员经验进行学习的能力。