自主学习理论

摘要： 当前的小学英语课前预习中,因学生自主学习能力不足、预习目标不明、课前预习辅助资料缺失等因素的影响,导致小学生的课前预习效率低下。自主学习理论指导下,小学英语教师应当以学生自主学习能力培养为载体,以“学习任务单”为主线培养学生的课前预习习惯;强化预习方法和技巧的指导培养学生自主预习能力;同时,依托中小学英语学习平台、微课等为学生提供丰富的课前预习辅助资料,全面提高学生的英语课前预习效率。

摘要： "线上线下"混合的教学模式,整合线上线下教学的双重优势,有助于提高教学效率和效果.这种新的教学模式,既给教师和学生在教学领域提供了前所未有的便捷,同时也让广大教育工作者面临前所未有的挑战.更新的是手段,教育教学的本质不容动摇,任何一种教学模式都要为达成培养目标服务.该模式应该在发展学生自主学习能力方面发挥更大的优势,就此从理论与实践角度展开研究,特别关注教学设计,从而指导教学实践.

摘要： 在艺术设计类课程教学体制不断发展进程中,课程教育教学方式也在持续更新、优化.混合式教学作为一种新的教学方式在提升教育深度中的优势得到了教育界的关注.文章以艺术设计类课程混合式教学为切入点,简要论述了艺术设计类课程混合式教学的理论基础,剖析了艺术设计类课程混合式教学的改革路径,并对艺术设计类课程混合式教学的实践意义进行了进一步研究.

摘要： 目前错综复杂的国际国内情况、各领域内卷的社会现象以及知识更迭速度、学生个体成长性需求,都对思政教育教育提出更深层次的挑战。摒弃传统教育固着模式创新发展教育教学成为大势所趋。文章从自主学习理论的内在基本特征着手,探讨该理论与高校思想政治教育本质内涵的契合及推导二者结合的可能性。同时文章还聚焦在教学实践应用中存在的无法规避的现实问题。

摘要： 自主学习理论指出义务阶段的英语教育中良好的学习习惯养成是培养学生英语思维的有效策略.在小学英语教学中,发展学生自主学习的能力,不仅是提高教学的关键,更是基础教育阶段英语课程的主要任务,只有提高学生的自主学习能力,才能加强学生对英语知识的认识.文章对自主学习理论下小学高年级英语课前预习能力培养策略进行了分析与探究,通过有效的课前自主预习促进学生英语课堂学习效率的提升和综合素质的提高.

摘要： 学案导学即学生根据教师设计的学案,认真阅读教材,了解教材内容,然后根据学案要求完成相关任务。这种教学模式对学生的个性发展和思维发展有十分积极的作用,它是新课改的助推器,彰显了学生的主体性,让课堂焕发生机和活力。一、小学语文学案导学中存在的问题新课改以来,在建构主义、自主学习理论、人本主义教育理论、发现学习等教育理论的指导下,特别是在杜郎口中学、洋思中学"先学后教""少教多学"等教学模式的影响下,小学语文学案导学教学模式逐渐在中小学的课堂教学改革中得以推广.

摘要： 整本书阅读是语文课程的重要组成部分。目前中学生普遍存在阅读习惯的缺失、阅读趣味的单一、阅读深度匮乏的问题。自主学习是指学习者对学习的各个方面都能自觉做出选择和控制的能力,包括明确教师提出的学习目标,自主制定学习目标,选择并采用合适的学习策略,监控并调节自主学习过程,评估和反思学习效果。如何改变目前中学生整本书阅读现状,笔者认为自主学习理论可为之提供新思路。

摘要： 随着新课改的教育要求在各大教育平台上的应用,现代化的英语教育学习更注重培养学生的自主学习思想,注重培养学生的听、写、读、作四大能力,要让学生能够从英语的教学中感受到学习的魅力.在英语教学的过程中,想要达到这个目的,就需要加强学生的口语化教学,提高学生的英语动口能力,以口语的自主性学习教学促进英语的知识性教学,提高学生英语学习能力的增长和实用性的提高.本文是对自主学习理论在英语口语教学中的应用展开的讨论.

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。