人脑半监督的构造性学习方法

利用构造性学习(CML)算法训练分类器需要大量已标记样本,然而获取大量已标记的样本较为困难.为此,提出了一种人脑半监督的构造性学习算法(HPSS-CML).根据已标记样本,通过覆盖算法构造分类网络,对未标记样本进行有选择的标记,并将其加入训练集,调整分类网络参数.重复进行上述过程,直到没有新标记的样本为止,得到最终的分类器.测试阶段再次利用未标记样本对"拒认状态"的测试样本进行标记.最后选取UCI数据集进行实验,结果表明,与CML算法及Tri-CML算法相比,该方法的分类更为有效.     

漫谈构造性方法与非构造性方法

1 方法概述在数学中,要证明某类对象的存在性一般有两种方法:一种是构造出这类对象的具体例子,这种方法叫做构造性方法;另一种是应用反证法,即假定这类对象不存在,然后通过推理得出矛盾,从而由排中律就可证明这类对象的存在性,这种方法叫做非构造性方法(或纯粹存在性证明方法).例如,古希腊毕达哥拉斯学派的成员发现了不可公度的量,证明了无理数的存在性;利用辗转相除法     

漫谈构造性方法与非构造性方法

1方法概述 在数学中,要证明某类对象的存在性一般有两种方法：一种是构造出这类对象的具体例子,这种方法叫做构造性方法;另一种是应用反证法,即假定这类对象不存在,然后通过推理得出矛盾,从而由排中律就可证明这类对象的存在性,这种方法叫做非构造性方法（或纯粹存在性证明方法）．     

构造性解题方法

构造性解题方法没有固定的模式，在运用时需要有敏锐的观察力，丰富的联想，灵活的构思，创造性的思维等能力。     

构造性思想及其方法

构造性思想是求解数学问题的一个十分重要的思想,如何运用这种思想去求解数学问题,董方博、刘元利二位老师进行了系统归纳,从“构造函数”、“构造方程”、“构造恒等式”、“构造向量”、“构造三角式”、“构造数列”、“构造几何图形”等七个方面进行了阐述,给出了构造方法。有了方法,我们就可以战无不胜。     

高等数学中的构造性方法

对高等数学中的构造性方法进行了探讨 ,提出了教学建议     

高等数学中的构造性方法

对高等数学中的构造性方法进行了探讨,提出了教学建议。     

浅谈构造性解题方法

构造性解题方法是中学数学中常用的解题方法,熟练运用构造性解题方法对中学数学的学习起至关重要的作用。     

人脑与学习

在古代很长的时间里,人们一直以为是用心脏来思考和学习的。后来,随着经验的积累和科学技术的进步,才发现指挥这些心理活动的,不是心脏而是脑子。人脑是整个身体的“最高司令部”,人脑是思考和学习的器官。由于积习相沿,现在人们在日常谈话中,还常说“学习要用心”、“专心致志”、“牢记在心”等等,用“心”来代替“脑”。     

数学学习方法分类

学习方法通常包含以下四个要素:①学习的程序;②每一步的学习要求和应遵循的原则;③具体操作方式;④采用的学习手段。我们既可以通过这四个要素来研究学习方法的好坏,也可以通过这四个要素创造适合自己的学习方法。数学学习方法是指人们在数学学习过程中所采取的步骤和手段,也是人们对数学学习的思维活动和实践经验、方式的概括和总结。为了引导学生运用科学的学习方法学习数学,我们必须对各种学习方法进行研究和分类,从而对数学学习方法有一个系统的认识。1.一般的学习方法。各科通用的学习方法我们称为一般的学习方法,它是指在任何学科的…     

基于人脑学习原理的课堂教学思考

从小学、中学到大学,随着学生身心的成长、知识的扩充,其大脑接受知识的方式和分析问题的能力也在不断发展,教学方式也应相应地予以调整。传统的教学法习惯于在小学阶段以强化记忆的方式教学,中学阶段以后则开始实施思考理解性教学,并将其延续至大学阶段。传统的教学法在中小学阶段具有合理性,大学阶段则应当培养和发挥学生的自学能力,同时还要引导其质疑和探索未知,这就需要将研究融于教学。研究性教学没有固定的样式,它因课程、学期和学生不同存在差异。     

基于正则极限学习机的驾驶员疲劳状态分类方法

为避免接触式疲劳检测方法给驾驶员带来干扰,解决单一信号源对于反映疲劳程度可靠性低的问题,实现对疲劳状态高精度、高速度的检测,提出一种基于正则极限学习机的驾驶员疲劳状态分类方法。该方法通过多普勒雷达模块采集驾驶员生理信号,包括呼吸信号和心跳信号,作为神经网络输入数据。通过多源信息结合的方式提高疲劳状态检测可靠性。设计正则极限学习机（RELM）模型对数据集进行训练。实验结果显示,基于RELM算法模型检测驾驶员疲劳状态的准确率达92%。RELM算法可实现对训练数据的快速计算和学习,同时通过特征变换消除个体差异,实现对驾驶员疲劳状态较高的检测率。     

建构主义学习观下大学英语支架式教学方法

建构主义在当今社会得到了广泛的关注,其崭新的学习观对当今的教学改革起着诸多的积极作用。基于建构主义学习观的教学方法一共有三种,其中的支架式教学方法能够在教师的帮助下有效地利用各种学习条件,于课堂内外培养学生的自主学习能力,比较适用于我国当今的大学英语教学。     

关于人脑智能机制的争论

本文首先介绍了关于人脑智能机制的研究进展，既已经取得的共识。接着主要地介绍了关于智能机制存在的争论，即模块论和分布式论的论战。最后谈了这个争论可能的发展前景，即两种理论在更高的层次上的统一，如同在物理学上关于一切的理论所将实现的那样。     

基于建构性教学活动的理科学习评定

对学生个体的评价是任课教师最关注的评价 ,用以判断学生及其学习的进展。建构主义者认为 ,学习评定应基于动态的、持续的、不断呈现学习者进步的学习过程以及教师所采用的教学策略和所创设的学习环境     

基于建构主义理论的批判性阅读教学模式探究

论文结合建构主义学习理论和批判性阅读教学的观点,提出了以读议写为主要教学流程的英语阅读教学模式。新的阅读教学模式强调以学生为中心,注重培养学生使用阅读策略的能力,同时注重学生进行批判性阅读、讨论,以及反思性写作能力的培养。通过两年的教学实践,实验结果显示该教学模式很受学生欢迎,并且有较强的有效性和可操作性。     

大脑的学习机制及其对教育的启示

认知神经科学通过将脑成像技术和认知心理学的实验范式结合起来,探索人类的行为的深层机制.大脑作为学习的主要器官,是认识神经科学的主要研究对象.认知神经科学关注学习所激活的脑区、神经回路以及激活的时程,从神经活动的层面上阐述学习的机制.大脑学习机制的阐明可以帮助教育工作者改进教学方法,为教育学奠定科学的基础.认知神经科学还...     

基于SVM-Kd-tree的树型粗分类方法

为提高大数据集粗分类识别率,提出一种基于聚类分析的SVM-Kd-tree树型粗分类方法。首先根据数据集特征分布进行k-means两簇聚类,对聚类后的数据集进行类别分析,同时将属于两簇的同一类别样本划分出来;然后使用两簇中剩余样本训练SVM二分类器并作为树型结构根节点,将两簇数据分别合并,将划分出来的样本作为左右子孩子迭代构建子节点,直到满足终止条件后,叶子节点开始训练Kd-tree。实验结果表明,迭代构建树型粗分类方法使训练单一SVM平均时间减少了61.977 4%,比Kd-tree同近邻数量的准确率提高了0.03%。在进行大规模数据集粗分类时,使用聚类分析迭代构建组合分类器时间更短、准确率更高。     

基于深度学习网络的乳腺癌图片分类研究

利用深度学习网络对组织病理图片进行分类,以减少病理学家工作量,达到利用计算机辅助治疗的效果。提出利用在两种预训练好的框架下提取的特征进行训练,并研究了多级分类,该成果有利于癌症后期治疗,更加方便临床医学应用;利用迁移学习能够减少训练时间,并解决数据集不足的问题;通过数据增强的方法,可有效提高分类准确度。     

论建构主义学习迁移观

在建构主义看来 ,任何一个知识都具有一定的内涵、逻辑外延 (潜在应用范围 )和心理外延 (主观上的应用范围 ) ,知识的意义要通过知识的应用来理解。所谓学习迁移 ,实际上就是知识在新条件下的重新建构 ,这种建构同时涉及知识的意义与应用范围两个不可分割的方面 ,而知识的应用范围总是与一定的物理、内容、活动以及社会情境联系在一起的。为了促进学生在新条件下应用知识的能力 ,建构主义者提出了一些教学理论 ,强调教学时要让学生在各种实际情境中从多种角度反复应用知识。若此 ,学习迁移就变成了在新条件下对知识的进一步学习、对知识的深化理解以及对知识的心理应用范围的扩充 ,学习迁移的机制实质上等同于学习的机制