期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
督促还是淘汰:博士生中期考核机制形成及其实施效果研究 被引量：14
1
作者 徐岚 陶涛 《高等教育研究》 CSSCI 北大核心 2018年第5期74-81,共8页
中期考核是控制博士生培养过程质量的重要手段。以一所研究型大学为例,对中期考核的决策过程和实施效果进行质性分析,发现低淘汰率是传统文化背景中的策略选择,学科特征不同导致考核形式多样化,实施效果的影响因素包括学生个人因素(如... 中期考核是控制博士生培养过程质量的重要手段。以一所研究型大学为例,对中期考核的决策过程和实施效果进行质性分析,发现低淘汰率是传统文化背景中的策略选择,学科特征不同导致考核形式多样化,实施效果的影响因素包括学生个人因素(如动机和对学术活动的投入程度)、导师指导、院系氛围、培养制度和结构的规范化等。完善中期考核实践应注重提高导师指导质量,尊重多元化需求,探索如何有效评价科研能力,通过考核反馈进行有针对性的指导。 展开更多
关键词 中期考核 分流淘汰 博士生培养 过程质量
原文传递
Uni-LSDPM:基于预训练的统一在线学习会话退出预测模型 被引量：1
2
作者 陈芮 王占全 《计算机研究与发展》 EI CSCD 北大核心 2024年第2期441-459,共19页
为了辅助学习者维持在线学习的连贯性以引导最优学习路径的执行,智能辅导系统(intelligent tutoring system,ITS)需要及时发现学习者退出学习的倾向,在合适的时间采取相应的干预措施,因此,在线学习会话退出预测研究十分必要.然而,与传... 为了辅助学习者维持在线学习的连贯性以引导最优学习路径的执行,智能辅导系统(intelligent tutoring system,ITS)需要及时发现学习者退出学习的倾向,在合适的时间采取相应的干预措施,因此,在线学习会话退出预测研究十分必要.然而,与传统的课程辍学相比,会话退出发生的频率更高,单次学习时长更短,故需要在有限的行为数据中对学习会话退出状态进行准确预测.因此,学习行为的碎片性和预测结果的即时性、准确性是学习会话退出预测任务的挑战和难点.针对会话退出预测任务,提出了一种基于预训练-微调的统一在线学习会话退出预测模型(unified online learning session dropout prediction model,Uni-LSDPM).该模型采用多层Transformer结构,分为预训练阶段和微调阶段.在预训练阶段,使用双向注意机制对学习者连续行为交互特征序列的特征表示进行学习.在微调阶段,应用序列到序列(sequenceto-sequence,Seq2Seq)的注意力机制对学习者连续行为交互特征序列与退出状态联合序列进行学习.基于EdNet公共数据集对模型进行预训练和微调,通过消融实验以获得最佳预测效果,并基于多个数据集进行了对比测试实验.实验结果表明,Uni-LSDPM在AUC和ACC方面优于现有的模型,并证明该模型具有一定的鲁棒性和扩展性. 展开更多
关键词 注意力机制 学习会话 退出预测 智能辅导系统 预训练
下载PDF
基于深度神经网络的蒙古语声学模型建模研究 被引量：5
3
作者 马志强 李图雅 +1 位作者 杨双涛 张力 《智能系统学报》 CSCD 北大核心 2018年第3期486-492,共7页
针对高斯混合模型在蒙古语语音识别声学建模中不能充分描述蒙古语声学特征之间相关性和独立性假设的问题,开展了使用深度神经网络模型进行蒙古语声学模型建模的研究。以深度神经网络为基础,将分类与语音特征内在结构的学习紧密结合进行... 针对高斯混合模型在蒙古语语音识别声学建模中不能充分描述蒙古语声学特征之间相关性和独立性假设的问题,开展了使用深度神经网络模型进行蒙古语声学模型建模的研究。以深度神经网络为基础,将分类与语音特征内在结构的学习紧密结合进行蒙古语声学特征的提取,构建了DNN-HMM蒙古语声学模型,结合无监督预训练与监督训练调优过程设计了训练算法,在DNN-HMM蒙古语声学模型训练中加入dropout技术避免过拟合现象。最后,在小规模语料库和Kaldi实验平台下,对GMM-HMM和DNN-HMM蒙古语声学模型进行了对比实验。实验结果表明,DNN-HMM蒙古语声学模型的词识别错误率降低了7.5%,句识别错误率降低了13.63%;同时,训练时加入dropout技术可以有效避免DNN-HMM蒙古语声学模型的过拟合现象。 展开更多
关键词 语音识别 声学模型 GMM-HMM DNN-HMM 监督学习 预训练 过拟合 dropout
下载PDF
大型企业人才流失问题分析及应对方略 被引量：1
4
作者 金淑兰 《内蒙古师范大学学报（哲学社会科学版）》 2006年第3期95-98,共4页
大型企业仅依赖于高额工资或签订劳务合同很难真正留住优秀的人才。人员的流失一方面是由其稀缺性造成的,但更多的是由于其他一些客观或主观原因,如沟通不良、企业的环境不好、对工作本身缺乏兴趣、不认同公司的价值观等。优秀员工的流... 大型企业仅依赖于高额工资或签订劳务合同很难真正留住优秀的人才。人员的流失一方面是由其稀缺性造成的,但更多的是由于其他一些客观或主观原因,如沟通不良、企业的环境不好、对工作本身缺乏兴趣、不认同公司的价值观等。优秀员工的流失往往会给企业带来损失,企业应采取培养员工的自我职业发展能力,加强沟通,提供福利计划等措施来降低人才流失率。 展开更多
关键词 大型企业 人才流失 薪酬 人才培训
下载PDF
数字手写体的深度信念网络识别方法
5
作者 苑强 李纳新 《工业技术创新》 2016年第5期921-924,共4页
深度信念网络可以通过低层特征组合抽象形成更高层的特征,具有良好的学习能力,其无监督学习特点减少了人工劳动量。主要研究了使用深度信念网络(DBN)对手写数字进行识别的方法,实验表明设计识别数字的网络模型时的最佳层数为5层。使用MN... 深度信念网络可以通过低层特征组合抽象形成更高层的特征,具有良好的学习能力,其无监督学习特点减少了人工劳动量。主要研究了使用深度信念网络(DBN)对手写数字进行识别的方法,实验表明设计识别数字的网络模型时的最佳层数为5层。使用MNIST数据库中的60 000个图片训练深度信念网络,再使用MNIST中的另外10 000个图片测试网络,得出高达93.42%的准确率,高于同等条件下的SVM。另外,在深度学习网络中引入Dropout参数,可以在使用少量样本的情况下获得更高的识别准确率。 展开更多
关键词 数字手写识别 深度信念网络 dropout训练
原文传递
基于Dropout-多尺度空洞卷积神经网络的轴承故障诊断 被引量：1
6
作者 陈伟 王复淞 +2 位作者 郭婧 黄博昊 白艺硕 《机电工程》 CAS 北大核心 2023年第5期644-654,共11页
为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”... 为了提高故障诊断模型对故障轴承低信噪比信号的特征提取能力,使模型在强噪声环境下仍能发挥作用,提出了一种基于Dropout-多尺度空洞卷积神经网络(D-MDCNN)的滚动轴承故障诊断模型。首先,通过Dropout数据预处理,对训练数据进行“损坏”,强迫模型仅依靠少量特征便可进行故障诊断,以提高模型的抗噪声能力;然后,使用不同扩张率的空洞卷积扩充了多尺度信息,并利用CNN模块来完成对特征的提取与故障诊断;同时,在模型中加入批量归一化处理操作,用来加快模型训练的收敛速度,提高了模型的性能;最后,利用美国凯斯西储大学轴承数据集和东南大学齿轮箱数据集对基于D-MDCNN的模型进行了实验验证,并将实验结果与采用其他深度学习模型所得的实验结果进行了对比分析。实验结果表明:在无噪声至4dB的噪声环境下,D-MDCNN在西储大学和东南大学两个数据集上均可取得99%的诊断准确率;相比于其他同类模型,基于D-MDCNN的模型具有更高的诊断准确率和抗噪声能力。研究结果表明:基于D-MDCNN的模型是一种有效的轴承故障诊断模型。 展开更多
关键词 强噪声环境 低信噪比信号 滚动轴承故障诊断 故障特征提取 dropout-多尺度空洞卷积神经网络 损坏训练数据 抗噪声能力
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部