任务学习

摘要： 高职院校在进行专业课程的教学时多采用项目化的方式,采用校企合作的项目化教学有利于学生专业素养的培养.在进行项目化教学的同时,按照企业实际对学生分组,小组协作完成项目教学有利于学生知识、技能以及综合素能的培养.本文以机电一体化技术专业课程"机电设备电气控制技术基础"为例,探讨了项目化教学模式下小组协作的教学环节设置以及考评方法,获得了不错的教学效果.

摘要： 小学数学教室里学习方法的变化显示出必然性和紧迫性。以任务为指导的学习方式以建构主义理论为基础,主要强调学习过程的探索性质和通过学生的经验探索数学的奥秘。因此,对以任务为指导的学习方式的研究迫在眉睫,要改变目前的单一及被动学习方法。数学学习是以现有的经验为基础的学生构建自我的过程,教师的作用是以现有的经验为基础,设计出可以引导学生进行独立学习的学习任务,通过在完成任务的过程中,引导学生掌握新的知识和新的方法。以小学数学为基础的教学方法,以学生原有的教学经验为基础,设计一个或多个教学任务,在解决这一任务的过程中通过学生主动思考,积极学习,构建新的认知结构,开发能力,提高理解能力。教师可以根据学生原有的生活经验,已有的知识和经验,已有的方法以及已有的活动经验为基础,进行小学数学任务为中心的教学。

摘要： 《小狗包弟》 是人教版教材必修一第三单元第二篇课文。单元导语中写道:“这个单元学习写人记事的散文,这些散文所描写的都是现实生活中的真实人物。这些文章可以帮助我们增长见识,明辨是非,领悟时代精神和人生意义。”而《小狗包弟》这篇课文的对比手法的应用,让我们从鲜明的对比中,看到了作者的忏悔,看到了人性在文革时期的扭曲,也看到了作者对善良、美好的人性的呼唤。

摘要： 影视文本和文字文本的结合是常用的跨媒介阅读手段.教师在教学茹志鹃《百合花》时可以将教学内容统整于一个大情境、大任务当中,以"任务"为引领,让学生在电影与小说的比较鉴赏中自主探究和建构出学习经验,发现二者叙述视角的差异,挖掘小说"伏笔"和细节描写、心理描写运用的巧妙之处,发生有意义的深度学习.

摘要： 在初中英语课堂教学中,教师们付出了大量的精力,运用传统的英语写作教学法——成果教学法,提高学生的写作能力.成果教学法强调最终作品的准确程度,这对于我们的教和学生的学都是艰巨的任务.我们需要一种更有效的写作教学方法.老师们可以围绕写作的话题设计任务,让学生们在课堂上通过小组活动逐步解决写作任务.将困难的东西要放在课堂上解决,才能给学生们学习的信心.

摘要： 针对无人机路径规划存在只适用于静态场景的问题,提出一种自主飞行巡检方法.利用增量分层判别回归(IHDR)树存储无人机飞行经验,通过当前位置矢量搜索IHDR树,得到飞行控制量.根据当前位置与期望位置的偏差调整输出控制量,实现人造目标的巡检.实验结果表明,与IHDR方法相比,该方法学习时间缩短12.2％,且具有较高的准确率,适用于无人机巡检.

摘要： 一种实现并行任务调度的多任务强化学习方法，基于异步优势表演者批评家算法实现，包括下列操作步骤：(1)对算法模型进行设置操作以更好的解决并行多任务调度问题，包括设置状态空间、设置动作空间、设置奖励定义；(2)对算法网络进行如下改进：用深度神经网络来表示策略函数和值函数；全局网络由输入层、共享子网络和输出子网络构成；(3)设置算法的新损失函数；(4)利用采集观测的并行任务调度数据，训练算法网络，算法收敛后，将所述算法网络用于并行任务调度。

摘要： 公开了能够使用模仿学习以及强化学习来训练元学习模型以用在使机器人执行任务中的技术。一些实施方式涉及使用基于任务的一个或多个人工引导的演示的模仿学习来训练元学习模型。附加的或替代的实施方式涉及使用基于尝试执行任务的机器人的试验的强化学习来训练元学习模型。进一步的实施方式涉及使用经过训练的元学习模型来基于新任务的人工引导的演示来小样本(或单样本)学习新任务。

摘要： 本发明涉及一种无需多任务联合标注的多任务深度学习训练方法，涉及计算机视觉领域。首先，利用与目标任务对应的单任务标注数据集训练目标任务分支网络，利用与若干辅助任务分别对应的各单任务标注数据集训练各辅助分支网络；之后通过计算各辅助任务特征与目标任务特征的Gram矩阵，形成对各辅助任务特征的通道注意力，进而调整相应的辅助任务特征的各分量权值，再将调整后的多组辅助任务特征与目标任务特征进行级联融合，构建实现目标任务的整合网络；最后利用与目标任务对应的单任务标注数据集训练整合网络实现目标任务。本发明采用基于Gram通道注意力机制的特征融合，实现了针对目标任务而无需多任务联合标注训练集的多任务训练。

摘要： 本申请公开了一种基于任务盒的联邦学习任务发起方法、装置及介质，所述方法包括：当在第一数据管理界面上检测到用户拖拽第一数据展示块时，弹出任务盒操作界面，在用户拖拽第一数据展示块至任务盒操作界面的指定区域时，获取第一数据展示块对应的第一样本ID数据，在检测到用户操作离开任务盒操作界面时，隐藏任务盒操作界面；当在第二数据管理界面上检测到用户拖拽第二数据展示块时，弹出任务盒操作界面，在用户拖拽第二数据展示块至任务盒操作界面的指定区域时，获取第二数据展示块对应的第二样本ID数据；基于用户选取的任务类型、第一样本ID数据和第二样本ID数据，启动联邦学习任务。本申请解决了联邦学习任务发起效率低的技术问题。

摘要： 本发明属于人工智能技术领域，公开了一种通过脚本命令实现大数据任务和机器学习任务交互的方法，该方法包括如下步骤：根据ANTLRV4定义一种语言的规范和语法；读取脚本内容，进行语法解析，将脚本内容翻译成RDD data frame或者Python的代码；将RDD data frame或者Python的代码提交到SPARK引擎与RAY引擎；SPARK引擎与RAY引擎进行数据交互。本发明提供一种通过脚本命令实现大数据任务和机器学习任务交互的方法，以解决“算法落地成本高于收益”以及“人才资源不足，时间成本高”的问题。

摘要： 本发明提供了一种深度学习任务处理方法、图像识别任务处理方法和装置；其中，该深度学习任务处理方法包括：获取待处理对象，将待处理对象输入至预先训练完成的网络模型中，输出待处理对象对应的特征数据；基于特征数据，完成预设的深度学习任务；其中，网络模型根据第一样本特征和第二样本特征训练得到；预设的训练样本输入至网络模型后，网络模型输出第一样本特征；第一样本特征经预设的映射矩阵映射后，得到第二样本特征；映射矩阵根据第一样本特征对应的训练样本的类别标签和预设的目标类别确定。该方式可以在特征归一化的情况下，实现在特征层面的数据增强。

摘要： 本申请涉及机器人领域，公开了一种任务推理模型学习及任务推理方法、机器人及存储装置，该任务推理模型学习方法包括：获取示教数据，该示教数据中包括物体、动作和效应三种类型的数据；对示教数据进行学习，以得到任务推理模型，其中该任务推理模型为贝叶斯网络模型，该贝叶斯网络模型包括描述物体、动作和效应三种类型数据的节点，以及节点之间的连接关系和每个节点的概率分布。通过上述方式，本申请能够使得利用该任务推理模型的机器人可以具有推理能力。

摘要： 本申请公开了一种多任务学习网络以及基于多任务学习网络的方法。该多任务学习网络包括：任务网络以及合并网络。其中任务网络包括多个子任务网络，多个子任务网络针对相同的输入生成相应的特征向量，合并网络对相应的特征向量进行拼接、对拼接后的特征向量进行优化并得到最终输出，其中多个子任务网络中的每个子任务网络包括编码层和任务层，编码层将所述输入转换成包括维度信息的编码向量并将编码向量发送到所述任务层，任务层对编码向量进行处理以生成特征向量。

摘要： 本发明涉及一种联邦多任务学习中基于特征提取‑子任务分类器的数据标签分类方法及系统，适用于中央节点式联邦学习系统。为了提升整体模型的有效性和精度并解决标签缺失数据的问题，本发明通过两步分离式的联邦多任务学习训练方式，实现了一个“特征提取‑子任务分类器”的统一网络架构设计。该设计方法能够解决联邦多任务学习中多标签数据的部分标签缺失问题并拥有较高的模型性能以及测试精度，最终训练出一个高性能多标签分类器网络，同时保护了用户节点的数据隐私。

摘要： 本发明公开了一种缓解多任务学习中任务冲突的方法、装置及存储介质，所述方法获取待缓解多任务学习模型中各个学习任务的梯度值；判断各学习任务中选定学习任务与其余各学习任务之间是否存在任务冲突，在判定存在任务冲突时对选定学习任务的梯度值进行修剪，并将选定学习任务的梯度值更新为修剪后的梯度值，在选定学习任务的梯度值更新执行完毕后重新选定一学习任务作为选定学习任务重复执行梯度值更新，直至模型中所有学习任务的梯度值更新完毕，计算所有学习任务完成梯度值更新后的梯度值的平均值，获得平均梯度值，根据平均梯度值对模型的网络参数进行更新。通过实施本发明能在实现缓解任务冲突同时保持各个任务训练均衡。