期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多模态学习分析技术支持的学习评价研究
被引量：
15
1
作者
张家华
胡惠芝
黄昌勤
《现代教育技术》
CSSCI
2022年第9期38-45,共8页
面对新时代高质量教育与创新人才的发展需求,传统学习评价的弊端日益凸显,亟需创新体制、深化改革。多模态学习分析通过多维度全面采集和分析学习过程动态数据,使面向过程与真实学习情境的学习评价成为可能。文章首先基于当前学习评价...
面对新时代高质量教育与创新人才的发展需求,传统学习评价的弊端日益凸显,亟需创新体制、深化改革。多模态学习分析通过多维度全面采集和分析学习过程动态数据,使面向过程与真实学习情境的学习评价成为可能。文章首先基于当前学习评价的难点问题分析,剖析了多模态学习分析应用于学习评价的价值内蕴。随后,文章提出四类多模态数据所映射的评价表征维度和内容,从确立目标、获取数据、建构模型、提供反馈四个方面构建并阐释了基于多模态学习分析的学习评价流程。最后,文章结合相关研究成果提出多模态学习分析的学习评价应用建议,以期为面向过程的发展性学习评价改革赋能助力,并为高阶学习评价提供新视角。
展开更多
关键词
多模态数据
学习分析
学习评价
学习过程
数据表征
下载PDF
职称材料
中国特色社会主义文化的多模态融合传播策略研究
被引量：
1
2
作者
鲁静
《河南社会科学》
CSSCI
北大核心
2023年第8期117-124,共8页
随着数字技术和人工智能的飞速发展,全媒体和融媒体时代已经悄然来临,如何搭上多模态融合发展的快车,深入挖掘中国特色社会主义文化的多维特征,借势宣传中国特色社会主义文化、传播中国声音,成为摆在广大研究者面前一个急需解决的问题...
随着数字技术和人工智能的飞速发展,全媒体和融媒体时代已经悄然来临,如何搭上多模态融合发展的快车,深入挖掘中国特色社会主义文化的多维特征,借势宣传中国特色社会主义文化、传播中国声音,成为摆在广大研究者面前一个急需解决的问题。对多模态融合的认知基础进行分析,讨论多模态信息融合的概念空间模型,详细论述中国特色社会主义文化多模态融合传播策略:多模态语料库构建、基于神经网络的数据表征和基于算法的数据统计具有重要理论价值和现实意义,为讲好中国故事、实现中国式现代化提供有益借鉴。
展开更多
关键词
中国特色社会主义文化
多模态融合
心智空间
数据表征
算法设计
下载PDF
职称材料
陶瓷涂层材料多模态数据表征学习
被引量：
1
3
作者
武星
胡明涛
丁鹏
《上海大学学报（自然科学版）》
CAS
CSCD
北大核心
2022年第3期492-503,共12页
陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性,其热膨胀系数和热导率等参数与其性能息息相关.为解决陶瓷涂层性能实验成本高、测试困难等问题,提出了陶瓷涂层材料多模态数据表征学习的性能预测方法.首先利用高斯混合模型虚拟样本生成(G au...
陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性,其热膨胀系数和热导率等参数与其性能息息相关.为解决陶瓷涂层性能实验成本高、测试困难等问题,提出了陶瓷涂层材料多模态数据表征学习的性能预测方法.首先利用高斯混合模型虚拟样本生成(G aussian mixture model virtual sample generation,GMMVSG)算法生成符合真实陶瓷涂层数据分布的样本来扩充数据集;其次利用卷积神经网络VGG16对陶瓷涂层的显微结构图像数据进行特征提取,利用TabNet对结构化数据进行特征提取,将提取到的图像数据特征与结构化数据特征融合;最终根据多模态数据表征建立基于K-最近邻(K-nearest neighbor,KNN)、支持向量机回归(support vector regression,SVR)和多层感知机(multi-layer perceptron,MLP)3种机器学习算法的预测模型,对陶瓷涂层的性能指标,即热膨胀系数和热导率进行了预测.实验结果表明:提出的多模态数据表征学习模型的预测结果要优于单模态数据表征学习模型,其中基于MLP算法训练的多模态数据表征学习模型对陶瓷涂层性能的预测效果最好;在测试集中,对陶瓷涂层热膨胀系数预测的平均绝对误差(mean absolute error,MAE)和均方误差(mean square error,MSE)分别为0.0266和0.0017,对热导率预测的MAE和MSE分别为0.0179和0.0007.所提出的陶瓷涂层材料多模态数据表征学习方法有效融合了结构化数据与非结构化数据,联合学习了各模态数据的潜在共享信息,成功提升了对陶瓷涂料层材料性能预测的准确度.
展开更多
关键词
陶瓷涂层
高斯混合模型
多模态数据表征
机器学习算法
下载PDF
职称材料
题名
多模态学习分析技术支持的学习评价研究
被引量：
15
1
作者
张家华
胡惠芝
黄昌勤
机构
浙江师范大学浙江省智能教育技术与应用重点实验室
出处
《现代教育技术》
CSSCI
2022年第9期38-45,共8页
基金
浙江省哲学社会科学规划课题“新一代人工智能支持下课堂教学改革方案构建与策略优化”(项目编号:22YJRC02ZD-2YB)
浙江师范大学教师教育学院开放基金项目“数据驱动的师范生智慧教学能力评测体系构建与应用”(项目编号:jykf22003)的阶段性研究成果。
文摘
面对新时代高质量教育与创新人才的发展需求,传统学习评价的弊端日益凸显,亟需创新体制、深化改革。多模态学习分析通过多维度全面采集和分析学习过程动态数据,使面向过程与真实学习情境的学习评价成为可能。文章首先基于当前学习评价的难点问题分析,剖析了多模态学习分析应用于学习评价的价值内蕴。随后,文章提出四类多模态数据所映射的评价表征维度和内容,从确立目标、获取数据、建构模型、提供反馈四个方面构建并阐释了基于多模态学习分析的学习评价流程。最后,文章结合相关研究成果提出多模态学习分析的学习评价应用建议,以期为面向过程的发展性学习评价改革赋能助力,并为高阶学习评价提供新视角。
关键词
多模态数据
学习分析
学习评价
学习过程
数据表征
Keywords
multimodal
data
learning
analysis
learning
evaluation
learning
process
data representation
分类号
G40-057 [文化科学—教育学原理]
下载PDF
职称材料
题名
中国特色社会主义文化的多模态融合传播策略研究
被引量：
1
2
作者
鲁静
机构
新乡学院外国语学院
出处
《河南社会科学》
CSSCI
北大核心
2023年第8期117-124,共8页
基金
2022年度河南省科技厅软科学项目研究“跨文化视域下文化自信的融入性研究--以传统文化世界性传播为例”(222400410062)。
文摘
随着数字技术和人工智能的飞速发展,全媒体和融媒体时代已经悄然来临,如何搭上多模态融合发展的快车,深入挖掘中国特色社会主义文化的多维特征,借势宣传中国特色社会主义文化、传播中国声音,成为摆在广大研究者面前一个急需解决的问题。对多模态融合的认知基础进行分析,讨论多模态信息融合的概念空间模型,详细论述中国特色社会主义文化多模态融合传播策略:多模态语料库构建、基于神经网络的数据表征和基于算法的数据统计具有重要理论价值和现实意义,为讲好中国故事、实现中国式现代化提供有益借鉴。
关键词
中国特色社会主义文化
多模态融合
心智空间
数据表征
算法设计
Keywords
Socialist
Culture
with
Chinese
Characteristics
multimodal
Fusion
Mental
Space
data representation
Algorithm
Design
分类号
H315 [语言文字—英语]
G206 [文化科学—传播学]
G127
下载PDF
职称材料
题名
陶瓷涂层材料多模态数据表征学习
被引量：
1
3
作者
武星
胡明涛
丁鹏
机构
上海大学计算机工程与科学学院
之江实验室
上海大学材料基因组工程研究院材料信息与数据科学中心
上海大学理学院
出处
《上海大学学报（自然科学版）》
CAS
CSCD
北大核心
2022年第3期492-503,共12页
基金
国家重点研发计划资助项目(2018YFB0704400)
国家自然科学基金资助项目(52073168)
+2 种基金
云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2)
之江实验室科研攻关资助项目(2021PE0AC02)
上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。
文摘
陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性,其热膨胀系数和热导率等参数与其性能息息相关.为解决陶瓷涂层性能实验成本高、测试困难等问题,提出了陶瓷涂层材料多模态数据表征学习的性能预测方法.首先利用高斯混合模型虚拟样本生成(G aussian mixture model virtual sample generation,GMMVSG)算法生成符合真实陶瓷涂层数据分布的样本来扩充数据集;其次利用卷积神经网络VGG16对陶瓷涂层的显微结构图像数据进行特征提取,利用TabNet对结构化数据进行特征提取,将提取到的图像数据特征与结构化数据特征融合;最终根据多模态数据表征建立基于K-最近邻(K-nearest neighbor,KNN)、支持向量机回归(support vector regression,SVR)和多层感知机(multi-layer perceptron,MLP)3种机器学习算法的预测模型,对陶瓷涂层的性能指标,即热膨胀系数和热导率进行了预测.实验结果表明:提出的多模态数据表征学习模型的预测结果要优于单模态数据表征学习模型,其中基于MLP算法训练的多模态数据表征学习模型对陶瓷涂层性能的预测效果最好;在测试集中,对陶瓷涂层热膨胀系数预测的平均绝对误差(mean absolute error,MAE)和均方误差(mean square error,MSE)分别为0.0266和0.0017,对热导率预测的MAE和MSE分别为0.0179和0.0007.所提出的陶瓷涂层材料多模态数据表征学习方法有效融合了结构化数据与非结构化数据,联合学习了各模态数据的潜在共享信息,成功提升了对陶瓷涂料层材料性能预测的准确度.
关键词
陶瓷涂层
高斯混合模型
多模态数据表征
机器学习算法
Keywords
ceramic
coatings
Gaussian
mixture
models
multimodal
data representation
machine
learning
algorithm
分类号
TB35 [一般工业技术—材料科学与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多模态学习分析技术支持的学习评价研究
张家华
胡惠芝
黄昌勤
《现代教育技术》
CSSCI
2022
15
下载PDF
职称材料
2
中国特色社会主义文化的多模态融合传播策略研究
鲁静
《河南社会科学》
CSSCI
北大核心
2023
1
下载PDF
职称材料
3
陶瓷涂层材料多模态数据表征学习
武星
胡明涛
丁鹏
《上海大学学报（自然科学版）》
CAS
CSCD
北大核心
2022
1
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
