被动学习

摘要： 自主学习能力是社会发展、科技创新的必然要求,教师要通过创设情境、问题引领、方法指导等方式培养学生自主探究、自主学习的能力,从“被动”学习走向“主动”学习,为学生的终身发展奠定基础.

摘要： 长期以来,在我国传统教学模式中,我们的一线教师往往单纯扮演着知识的传授者这一重要角色。在课堂上主要由教师引导及讲解,学生跟着教师教学的进度学习,从而进行练习,若长期处于这种状态下则会降低学生的学习兴趣,使学生处于被动学习的状态,不利于学生学习效率的提升。因此,在小学体育教学中,教师采用多样化的教学方法十分重要。现阶段部分体育教师存在教学方式单一的问题,针对这种情况,体育教师应制订各项有效措施,使体育教学方法多样化,充分调动学生学习兴趣及动力,使学生最大化受益于教学。

摘要： "乐学案"的教学模式不仅体现了学生的主体性,还极大地调动了学生学习的积极性。在帮助学生提高自身能力的同时,培养学生的自信心、自尊心,以学生的幸福发展为本,使他们可以快乐学习、心智开启,实现了主动、活泼、持续、和谐发展的课堂教学。一、导学策略:激活生命借助于"乐学案"的导学策略,建立"以学生为中心"的教学模式,使学生由被动学习转变为主动学习。

摘要： 掌握丰富的字词量能够为语文阅读和写作带来便利,促进学生语言应用能力的提升。在初中语文教学中的识字教育不能与小学时一样,只是要求掌握字形的写法,同时也要习得字理,善用字词。但在初中语文教学中,识字教育并不被教师重视,对识字教学的探索也显得尤为重要。一、初中识字教学中存在的问题(一)学生识字的自主性不足学生作为学习的主体,其主动性直接影响到识字教学的效果。首先,学生在进入初中之后,由于教师对识字教学的重视度降低,学生也随之在心中降低对识字的重视度,使得本处于被动学习的识字教育,变得更加恶劣。

摘要： 著名教育家苏霍姆林斯基曾经说过:“没有自我教育,就没有真正的教育。”在新课程背景下,学校和班主任要大胆放手,给学生更多自主管理的机会。学校和教师更应该做的不是严格管理学生,而是为学生创建适合建立良好自主管理的外部环境,缓解高三学生的学习压力,为学生以后的学习生涯打下基础。并且学生学会自主管理可以由消极学习走向积极学习、从被动学习走向主动学习、从学习目标模糊走向围绕学习目标主动学习。在新课程背景下,做好学生自主管理工作对高三的学习尤为重要。本文将从八个方面探讨新课程背景下高三学生自主管理的外部环境。

摘要： “双减”政策实施以来,已经取得明显成效。学生课业负担减轻了,学生高兴了,但老师觉得责任重了,负担也重了。有些家长对减负还不太理解,担忧学生学习成绩会不会下降。“双减”政策推进后,产生了一些新的矛盾。如何化解这些矛盾?首先要认识为什么要减负。减负之前,中小学最突出的问题是,学业负担太重。学生整天埋头于作业,睡眠不足,又缺乏锻炼,体力下降,影响身体健康。学生负担太重,不仅影响到身体,而且影响到学生心理健康。学习缺乏兴趣,被动学习,不仅效率不高,而且会形成扭曲的心理,把学习作为竞争的手段,把同学作为竞争的对手,缺乏抗挫折的能力。学生负担太重,没有时间走向大自然、走向社会,不了解世界、不了解社会,缺乏宽广的视野、丰富的知识、创新思维和能力,对他们将来的学习和发展都很不利。

摘要： 本人长期从事英语教学工作近20年,鉴于大部分学生英语学习的被动状态,本文从学生的思维、心理特点和年龄特征方面,开展课堂教学研究。通过采用游戏、手工活动、头脑风暴、拟人化词缀等多种方式开展英语教学,从而激发学生的内在动力,提高学生的英语学习兴趣,逐步让学生从被动学习转化为主动学习。通过积累词汇,由词到短语再到句式,让学生的英文句子表达能力逐步提高。结合实际实践摸索,教学成果初见成效。

摘要： 课程改革是教学改革的最后一公里,是落实先进教育理念、教学内容的载体。传统的大学课堂教学以教师讲授、学生听讲为主,教师单向灌输,学生被动学习,学习效果难以保障,动手实践能力培养效果不佳。根据学习金字塔模型,“听讲式教学”是学习保持率最低的教学模式,被广泛应用的主要原因是实施简单。金字塔模型中“做中学或实际演练、马上应用或教别人”这两种教学模式的学习保持率较高。数据结构与算法课程基于该模型制定了课程教学改革方案,实施“理论+实践”的新型课堂教学模式和生生互助辅导体系,较好地提高了学生学习效果。

摘要： 深度学习并不是一个新概念,早在1976年就有提出两个相对的学习概念:深度学习与浅层学习。浅层学习是一种被动学习,以获取知识为目的,以机械记忆为主要方法,学习过程中缺少反思,不能灵活运用所学的知识。深度学习是指学习者以高层次思维的发展和实际问题的解决为目的,以整合的知识为内容,积极主动地、批判性地学习新的知识和思想,将它们融入原有的认知结构中,并能将已有的知识迁移到新的情境中的一种学习。

摘要： 2021年7月,“双减”政策正式实施。“双减”背景下,学生的课余时间更多,自主选择也更加丰富,但同时也对学生的主动学习能力提出了更高的要求。与传统的被动学习不同,主动学习是一种通过课堂提问、讨论、互动等方式吸引学生并加深学生理解的一种学习方式。新的研究结果表明,主动学习除了可以促进学生的认知发展和成绩提升外,还可以降低学生的焦虑水平。

摘要： 现代社会是个讲求效率的社会,一切的投入都要看产出来衡量投入收益,社会上是这样,学校里也是如此.高效课堂、高效学习已经践行好多年了.对学习主题而言,我认为高效学习的最重要的前提条件之一,就是让自己的学习从被动型转变为主动型.

摘要： 现代社会是个讲求效率的社会,一切的投入都要看产出来衡量投入收益,社会上是这样,学校里也是如此.高效课堂、高效学习已经践行好多年了.对学习主题而言,我认为高效学习的最重要的前提条件之一,就是让自己的学习从被动型转变为主动型.

摘要： 现代社会是个讲求效率的社会,一切的投入都要看产出来衡量投入收益,社会上是这样,学校里也是如此.高效课堂、高效学习已经践行好多年了.对学习主题而言,我认为高效学习的最重要的前提条件之一,就是让自己的学习从被动型转变为主动型.

摘要： 本发明属于雷达和通信信号识别领域，为提出一种外辐射源信号识别的迁移学习方法，可解决不同采样率信号训练得到的模型的迁移问题。该方法与源域和目标域采样频率的大小关系无关。为此，本发明采用的技术方案是，基于迁移学习的被动雷达外辐射源信号识别方法，首先在一个采样频率数据集上训练得到一个模型作为基础网络，然后将基础网络的模型和参数直接迁移到不同采样频率的数据集目标域，做微调训练，基础网络使用含3层卷积和两层全连接层的神经网络模型。本发明主要应用于雷达和通信信号识别场合。

摘要： 本发明公开了一种基于主动被动高斯在线学习的异常检测方法，包括：将输入的正常的连续视频帧进行预处理使目标形态上融入运动的信息，获得处理后的融合图像；利用深度神经网络提取融合图像的特征，获得一系列的特征向量；利用特征向量并结合基于主动被动规则约束的在线学习方法训练高斯分布，作为正常参考模型；在异常检测阶段，采用同样的方式对输入的连续视频帧进行预处理与特征提取操作，并求取各个特征向量在训练后的高斯分布上的分布距离，根据分布距离来判断相应特征向量是否异常。该方法可以在保证检测精度的前提下，降低训练时间并减少资源消耗。

摘要： 本发明公开了一种基于强化学习的智能被动监听方法，包括如下步骤：在监听器端，基于监听器所能预先计算出的等效信道与干扰协方差矩阵，使用第一DQN生成模拟波束成形矩阵，并将模拟波束成形矩阵输入到最小均方误差模块，计算出数字波束成形矩阵；利用模拟和数字波束成形矩阵计算出监听器端的接收信号的信干噪比，并将信干噪比作为第二DQN的输入；基于监听器的位置、电量和接收信号的信干噪比信息，利用第二DQN生成监听器的移动方向和移动速度，当电量到达返回所需电量的临界时，监听器返回基地充电；重复上述学习过程，最终监听器将学习到一条平均监听率最大的轨迹。本发明保证监听器在非合作的环境中获得更高的监听率并成功实现监听。

摘要： 本发明公开了基于强化学习的重定向行走被动触觉技术，其步骤为：将行走路径逆转生成训练数据；训练一个强化学习网络，从真实场景和虚拟场景中提取一段时间内的训练用户的位置、方向信息，将该信息编码为N维向量作为强化学习网络的输入；N表示正整数；根据真实场景中训练用户与边界的关系、虚拟场景中和真实场景中训练用户与目标物的相对关系，分别定义了三种奖惩；强化学习网络根据真实场景中训练用户与目标物输入信息和三种奖惩，对虚拟场景进行位移、旋转和曲率三种变换，使训练用户远离真实空间边界的同时保持虚拟场景中和真实场景中训练用户与目标物的相对位置关系一致。该结果可以应用于虚拟现实游戏、虚拟漫游等领域。

摘要： 本发明公开了一种基于深度学习语义分割的被动视觉焊缝跟踪方法，包括以下步骤：建立视觉系统并且在不借助外部光的情况下采集PAW焊接时的焊缝图像；基于语义分割对焊缝图像进行分割，提取出其中的弧光和焊缝部分；对分割后的图像进行连通域标记，消除误分割部分；基于弧光的几何特征确定焊枪位置并对焊缝进行直线拟合，计算出两者之间的偏移量；基于先前计算出的偏移量对当前结果进行滤波处理，本发明的有益效果：通过构架BiseNetV2网络，实现了对弧光、焊缝的精准分割以及焊枪位置的精准定位；同时采取滤波方法可以获取更高的精度，以满足对焊缝的实时跟踪的精度要求。

摘要： 本发明涉及一种基于深度学习的被动式非视域图像识别方法及识别装置，被动式非视域图像识别方法包括：基于视域图像识别训练数据集中的样本图像构建用于被动式非视域图像识别训练的被动式非视域图像训练集；采用多个深度学习识别网络构建用于被动式非视域图像识别的第一深度学习识别网络；采用被动式非视域图像训练集训练第一深度学习识别网络，待算法收敛之后得到用于被动式非视域图像识别的被动式非视域图像识别模型；基于视域图像测试数据集构建用于被动式非视域图像识别模型的被动式非视域测试图像；被动式非视域图像识别模型抽取被动式非视域测试图像进行识别，并获取识别结果。本发明可快速、准确地识别出被动式非视域图像的类别。

摘要： 本发明提供了一种基于数据增广和深度学习的玉米生长参数主被动遥感反演方法，包括：数据预处理，其包括分别对光学和雷达影像进行预处理得到输入数据，以及对输入数据进行归一化处理；利用Beta数据混合方法对有限的实测叶面积指数和生物量数据及其对应遥感数据同时进行混合处理，以建立大量虚拟训练样本来进行数据增广；通过基于门控机制的孪生深度网络结合光学与雷达遥感数据构建叶面积指数和生物量反演模型。该方法通过提出一种数据增广来扩充野外实测样本数量，并构建一种门控机制的孪生神经网络模型，从而将具有更好的非线性拟合能力的深度学习方法应用于玉米LAI和生物量的主被动反演，提高反演精度。

摘要： 本发明公开了一种基于音色特征提取和深度学习的声源被动测距方法，所述方法包括：从实时声信号中提取时域特征、基于短时傅里叶变换的谱特征、基于等效矩形带宽的听觉谱特征和基于正弦谐波模型的谐波谱特征；从每个特征中分别提取若干个音色描述符，组成68维音色描述符向量；将68维音色描述符向量输入预先建立的深度神经网络，输出各个距离对应的概率分布，取概率最大的为作为距离预测值。本发明的方法能够在1～10km的距离范围内达到95％以上测距精度，最高达到99.54％。

摘要： 本发明公开了一种滤波增强深度学习的被动式太赫兹图像目标检测方法，涉及被动式太赫兹图像目标检测领域，其技术要点是：采用多尺度滤波去除样本噪声，采用多方位空间几何变换，联合生成多尺度滤波增强样本；采用卷积神经网络提取特征，训练模型参数，进行深度学习训练；对去噪样本进行多通道特征预测，对多通道的预测结果进行融合，得到最终的目标检测结果，该方法针对噪声严重、目标大小不一、细节模糊的被动式太赫兹图像，通过多尺度滤波模型改良YOLO深度学习网络，不仅可以滤除严重的条纹噪声，又可避免过度去噪导致的图像细节丢失，从而实现被动式太赫兹图像的高精度目标检测。

摘要： 本发明公开了一种基于核极限学习机的水下声源被动定位方法，包括：对使用KRAKEN程序模拟出的复声压数据进行取模运算以及归一化操作，将得到的实矩阵作为核极限学习机的训练数据；使用训练数据训练核极限学习机，得到水下声源定位预测模型，即根据观测到的声场数据，预测出信号源的距离和深度。本发明同时适用于单水听器以及水听器阵列的情形，取得了较高的定位精度，并且在实时性上具有显著优势。