一种基于Cholesky分解的动态无偏LS-SVM学习算法 被引量：14

1

作者 蔡艳宁 胡昌华 《控制与决策》 EI CSCD 北大核心 2008年第12期1363-1367,共5页

针对最小二乘支持向量机用于在线建模时存在的计算复杂性问题,提出一种动态无偏最小二乘支持向量回归模型.该模型通过改进标准最小二乘支持向量机结构风险的形式消除了偏置项,得到了无偏的最小二乘支持向量机,简化了回归系数的求解.根... 针对最小二乘支持向量机用于在线建模时存在的计算复杂性问题,提出一种动态无偏最小二乘支持向量回归模型.该模型通过改进标准最小二乘支持向量机结构风险的形式消除了偏置项,得到了无偏的最小二乘支持向量机,简化了回归系数的求解.根据模型动态变化过程中核函数矩阵的特点,设计了基于Cholesky分解的在线学习算法.该算法能充分利用历史训练结果,减少计算复杂性.仿真实验表明了所提出模型的有效性. 展开更多

关键词 最小二乘支持向量机 在线学习 时间序列预测 系统辨识

原文传递

一种LS-SVM在线式短时交通流预测方法 被引量：14

2

作者 康军 段宗涛 +1 位作者 唐蕾 温兴超 《计算机应用研究》 CSCD 北大核心 2018年第10期2965-2968,共4页

针对短时交通流在线预测时存在的计算复杂性问题,提出了一种最小二乘支持向量机在线式短时交通流预测方法。该方法简化了在线学习过程中Lagrange乘子的求解过程,利用训练数据集滑动时间窗口的移动来控制新样本的加入和旧样本的移除,通... 针对短时交通流在线预测时存在的计算复杂性问题,提出了一种最小二乘支持向量机在线式短时交通流预测方法。该方法简化了在线学习过程中Lagrange乘子的求解过程,利用训练数据集滑动时间窗口的移动来控制新样本的加入和旧样本的移除,通过线性运算完成Lagrange乘子的更新,进而完成预测模型的在线更新。测试结果表明,相对已有方法,所提方法在保证预测精度的条件下,能够将在线模型更新时间平均降低约62.64%,是一种有效的在线式短时交通流预测方法。 展开更多

关键词 短时交通流预测 统计学习 最小二乘支持向量机 在线式学习算法 滑动时间窗口

下载PDF 职称材料

线上学习期间医学生时间管理能力现状及影响因素研究 被引量：3

3

作者 付文婧 吴博文 +1 位作者 孔祥颖 姜雨微 《全科护理》 2023年第11期1551-1554,共4页

目的:探索线上学习期间医学生的时间管理能力以及影响因素,为提高医学生的学习成绩以及培养新时代医学生提供科学依据。方法:采用便利抽样方法,选取黑龙江省某高校625名全日制在校医学生,选用一般资料调查表、时间管理倾向量表、在线学... 目的:探索线上学习期间医学生的时间管理能力以及影响因素,为提高医学生的学习成绩以及培养新时代医学生提供科学依据。方法:采用便利抽样方法,选取黑龙江省某高校625名全日制在校医学生,选用一般资料调查表、时间管理倾向量表、在线学习投入表开展调查。结果:医学生是否有实习或工作经历、在线学习投入量表中行为投入、情感投入、认知投入进入线上学习期间医学生时间管理能力的回归方程(R^(2)=0.572,P<0.001)。结论:线上学习期间医学生时间管理能力处于中等水平,受行为投入、情感投入、认知投入以及实习或工作经历影响线上学习期间医学生的时间管理能力,可参照影响因素制定医学生时间管理倾向干预措施,以提高医学生的时间管理能力。 展开更多

关键词 医学生 教育 在线学习投入 时间管理 调查研究

下载PDF 职称材料

双向在线学习:非全日制研究生课程教学模式优化的创新选择 被引量：3

4

作者 张迪 王帆 兰杰 《教育发展研究》 CSSCI 北大核心 2021年第13期17-24,共8页

当前非全日制研究生课程教学在内容与形式、连续性与针对性等方面存在诸多困境,导致其教育教学质量得不到保障和提升。双向在线学习是对异步在线学习和同步在线学习的融合定义,能够为实现非全日制与全日制研究生"同质等效"培... 当前非全日制研究生课程教学在内容与形式、连续性与针对性等方面存在诸多困境,导致其教育教学质量得不到保障和提升。双向在线学习是对异步在线学习和同步在线学习的融合定义,能够为实现非全日制与全日制研究生"同质等效"培养提供实践路径,在兼顾非全日制群体特征基础上实现针对性教学、提升碎片化时间利用、强化学习的连续性、持续性引导反馈等。本研究从双向在线学习理念出发,构建新的非全日制研究生课程教学模式,并在具体课程中实践探索,分析发现该模式在实践中表现出突破工学矛盾、增进师生合作关系等作用。最后,文章基于实践分析结果从教与学两方面提出四点优化建议。 展开更多

关键词 双向在线学习 非全日制研究生 课程教学模式 困境 创新

原文传递

太阳能热利用工程技术混合式教学有效性分析 被引量：1

5

作者 徐众 侯静 吴恩辉 《广东化工》 CAS 2021年第10期321-323,共3页

利用"清华在线"平台对"太阳能热利用工程技术"课程进行混合式教学,并对学习过程和教学效果进行分析。教学过程统计结果显示,适当增加线上教学,可以提升学生自主学习能力;学习结果统计显示,增加线上教学可以提升期... 利用"清华在线"平台对"太阳能热利用工程技术"课程进行混合式教学,并对学习过程和教学效果进行分析。教学过程统计结果显示,适当增加线上教学,可以提升学生自主学习能力;学习结果统计显示,增加线上教学可以提升期末成绩良好和优秀占比,降低不及格的占比,学习效率得到明显提升。 展开更多

关键词 混合式课程 自主学习 强制学习 在线学习时长 在线小测试

下载PDF 职称材料

多媒体传感网络学习监控实时反馈仿真 被引量：2

6

作者 陈智勇 《科技通报》 2019年第9期110-113,118,共5页

目前大多数多媒体传感网络学习监控实时反馈方法都是从学生行为监控的角度出发,将行为控制、实时反馈和成果评价统一于一体,这种方法没有对监控图像进行分解去噪,导致监控图像的质量较低,难以保证评估反馈的准确性。为此,提出一种基于... 目前大多数多媒体传感网络学习监控实时反馈方法都是从学生行为监控的角度出发,将行为控制、实时反馈和成果评价统一于一体,这种方法没有对监控图像进行分解去噪,导致监控图像的质量较低,难以保证评估反馈的准确性。为此,提出一种基于多尺度分析的多媒体传感网络学习监控实时反馈方法,先对多媒体传感网络学习监控实时反馈的整体模块进行设计,根据设计结果建立多媒体传感网络学习监控实时反馈模型,并对多媒体传感网络学习监控实时反馈的管理流程进行阐述。对多尺度分析方法进行描述,利用多尺度分析方法重建多媒体传感网络学习监控图像信号,实现多媒体传感网络学习监控的实时反馈。实验结果证明,所提方法能够有效提高监控图像质量和反馈的准确度。且监控反馈的时延较短,满足了监控反馈的实时性。 展开更多

关键词 多媒体 传感网络 网络学习 监控 实时反馈

下载PDF 职称材料

基于MOOC+SPOC平台的在线学习行为分析研究 被引量：2

7

作者 王文晶 《办公自动化》 2022年第16期55-58,共4页

为深入分析线上学习行为与学习成绩的关联,本文通过对MOOC和SPOC平台的在线学习行为数据进行分析研究,将在线学习的行为特征作为输入,构建基于BP神经网络和时间规律在线学习模型,成绩预测作为输出。同时提出学生在线学习成绩、教师评定... 为深入分析线上学习行为与学习成绩的关联,本文通过对MOOC和SPOC平台的在线学习行为数据进行分析研究,将在线学习的行为特征作为输入,构建基于BP神经网络和时间规律在线学习模型,成绩预测作为输出。同时提出学生在线学习成绩、教师评定成绩和期末成绩的综合评价机制,并从学生成绩和分析方法两个维度进行对比实验,模型预测成绩与学习者综合成绩情况基本一致,该模型能客观反映学生平时学习的状况,对在线学习、个性化推荐具有一定的参考价值。 展开更多

关键词 在线学习行为 综合评价机制 时间规律 模型预测

下载PDF 职称材料

基于Cholesky分解的LSSVM在线学习算法 被引量：1

8

作者 蒋星军 周欣然 唐钊轶 《湖南科技大学学报（自然科学版）》 CAS 北大核心 2013年第4期74-77,共4页

针对最小二乘支持向量机(LSSVM)用于在线建模时存在的计算复杂性问题,提出一种LSSVM在线学习算法.首先引入了基于Cholesky分解求LSSVM的方法,接着根据在线建模期间核函数矩阵的更新特点,将分块矩阵Cholesky分解用于LSSVM的在线求解,使... 针对最小二乘支持向量机(LSSVM)用于在线建模时存在的计算复杂性问题,提出一种LSSVM在线学习算法.首先引入了基于Cholesky分解求LSSVM的方法,接着根据在线建模期间核函数矩阵的更新特点,将分块矩阵Cholesky分解用于LSSVM的在线求解,使三角因子矩阵在线更新从而得出一种新的LSSVM在线学习算法.该算法能充分利用历史训练结果,减少计算量.仿真实验显示了这种在线学习算法的有效性. 展开更多

关键词 最小二乘支持向量机 在线学习 CHOLESKY分解 滚动时间窗 系统在线辨识

原文传递

基于聚类的协作学习分组方法

9

作者 祁天龙 任美睿 +1 位作者 赵建宇 郭龙江 《计算机技术与发展》 2023年第6期189-193,201,共6页

协作学习能够促进在线学习平台中学习者之间的沟通交流。同一小组内学习者共同协作完成既定任务过程中,不仅可以巩固已有知识,也能通过互相学习,获得新知识和新技能,在提高个人表现的同时,增加学习兴趣,从而有效地降低辍学率。近年来已... 协作学习能够促进在线学习平台中学习者之间的沟通交流。同一小组内学习者共同协作完成既定任务过程中,不仅可以巩固已有知识,也能通过互相学习,获得新知识和新技能,在提高个人表现的同时,增加学习兴趣,从而有效地降低辍学率。近年来已提出了很多协作学习分组方法。然而,现有分组方法没有兼顾主题意愿、学习时间规律和小组规模这三个对小组沟通效率有重要影响的因素。该文依据学习者的主题意愿预分组,然后依据学习时间规律迭代地调用聚类算法将学习者划分到满足上下限的小组中,结果表明,上述方法形成的协作学习小组在满意度和时间重合度上均优于IFST和随机分组方法。最后,以XuetangX平台上的1754名学习者为实验对象进行协作学习分组,实验结果表明,形成的小组有充分的协作学习时间,指派的主题能够很好地满足学习者的意愿,且各个小组之间成员数均衡。 展开更多

关键词 协作学习 在线学习 分组方法 聚类 满意度 时间重合度

下载PDF 职称材料

基于在线学习与误差修正的珠江河口区盐度预报

10

作者 周凡涵 刘丙军 《水文》 CSCD 北大核心 2022年第1期59-66,共8页

受潮汐、径流、风速风向、地形变化等多种海陆要素交互作用,河口区盐水入侵呈高度不确定性与非线性特征,盐度预报难度较大。利用在线学习算法与误差自回归修正方法在水文预报中时效性更强的优点,构建一种耦合在线序列极限学习机-误差修... 受潮汐、径流、风速风向、地形变化等多种海陆要素交互作用,河口区盐水入侵呈高度不确定性与非线性特征,盐度预报难度较大。利用在线学习算法与误差自回归修正方法在水文预报中时效性更强的优点,构建一种耦合在线序列极限学习机-误差修正(OSELM-EC)盐水入侵预报模型,选取珠江河口区磨刀门水道为典型研究区进行逐日盐度预报。结果表明:OSELM-EC模型能充分利用实时数据更新模型参数并对预报结果进行误差修正,从而有效提升盐度预报精度;预见期越长,OSELM-EC模型优势越明显,当预见期为1 d、3 d和5 d时,其相对于传统极限学习机(ELM)模型使纳什效率系数(NSE)分别提升0.50%、10.73%和18.67%,相对于在线序列极限学习机(OSELM)模型使NSE分别提升0.35%、4.55%和16.54%。 展开更多

关键词 盐水入侵 珠江河口区 误差修正 在线学习 实时预报

下载PDF 职称材料

基于CNN-LSTM网络的在线多任务销售预测模型

11

作者 王旭 廖涛 张顺香 《阜阳师范大学学报（自然科学版）》 2021年第2期85-91,共7页

有效的销售预测利于企业制定正确的营销策略,针对当前销售预测研究中存在无法进行实时在线多任务销售预测、稳定获取序列数据中的时序特征等问题,提出了一种基于CNN-LSTM网络的在线多任务销售预测模型。该模型上层CNN网络抽取得到重要... 有效的销售预测利于企业制定正确的营销策略,针对当前销售预测研究中存在无法进行实时在线多任务销售预测、稳定获取序列数据中的时序特征等问题,提出了一种基于CNN-LSTM网络的在线多任务销售预测模型。该模型上层CNN网络抽取得到重要的时序数据特征,进而输入到下层LSTM网络中进一步抽取复杂的不规则特征进行建模,最终得到预测结果。实验结果表明:CNN-LSTM模型不仅能在测试集上取得12.61%的最小平均绝对百分比误差,同时在长时间销售预测中,在线模型预测效果优于离线模型。 展开更多

关键词 在线学习 多时间序列 卷积神经网络 长短期记忆网络 销售预测

下载PDF 职称材料

学习分析视域下教师在线学习社区实时社会网络分析研究——以《英语教学理论与实践》课程为例 被引量：5

12

作者 赵艳 赵蔚 +1 位作者 姜强 刘东亮 《现代远距离教育》 CSSCI 2016年第1期37-43,共7页

在基于Moodle网络学习平台的中小学教师在线学习社区中,从学习分析的视角运用SNAPP获取在线学习社区的数据进行实时社会网络分析可以帮助教师在线学习的辅导者、管理者更好地了解在线学习社区的结构特点以及参与者的情况,进而对在线学... 在基于Moodle网络学习平台的中小学教师在线学习社区中,从学习分析的视角运用SNAPP获取在线学习社区的数据进行实时社会网络分析可以帮助教师在线学习的辅导者、管理者更好地了解在线学习社区的结构特点以及参与者的情况,进而对在线学习社区的发展做出适当的指导与干预,促进讨论的深入有序发展,最终为提升教师在线学习效果,促进教师的在线自主学习提供实践参考。 展开更多

关键词 学习分析 SNAPP 教师在线学习社区 实时社会网络分析

下载PDF 职称材料

屏幕上的课堂:在线教与学体验研究 被引量：12

13

作者 闻凌晨 尼古拉斯·布尔布勒斯 +1 位作者 范国睿 童欣 《开放教育研究》 CSSCI 北大核心 2020年第5期88-98,共11页

疫情期间,居家隔离政策改变了传统教学形态,在线教与学走进师生的生活世界。本研究从时间、空间、身体与关系等维度出发,利用质性研究方法收集师生线上教与学的“鲜活体验”。研究发现,师生遭遇消失的时空边界、恐慌的身体、沉默的互动... 疫情期间,居家隔离政策改变了传统教学形态,在线教与学走进师生的生活世界。本研究从时间、空间、身体与关系等维度出发,利用质性研究方法收集师生线上教与学的“鲜活体验”。研究发现,师生遭遇消失的时空边界、恐慌的身体、沉默的互动。基于上述发现,本研究指出教师需要具备一种在线教学机智,关切师生身体性、时空性、关系性等需求:呵护身体,保持对屏幕前后身体的敏感性;规划时空距离,重构在线生活世界的时间结构与空间布置;认识技术的限制,反思技术背景下的师生关系与教育范畴下的人机关系。 展开更多

关键词 在线教与学 身体 生活体验 时空性 关系性

下载PDF 职称材料

大专护生时间管理倾向对在线学习投入和深度学习的调节效应 被引量：1

14

作者 刘童 贡睿 《中国临床护理》 2023年第5期297-301,共5页

目的探讨大专护生时间管理倾向对在线学习投入和深度学习的调节作用。方法采用便利抽样法,于2021年6月-11月选取江苏省某大专院校241名在校大专护生作为研究对象,使用一般情况调查表、在线深度学习量表、在线学习投入量表和时间管理倾... 目的探讨大专护生时间管理倾向对在线学习投入和深度学习的调节作用。方法采用便利抽样法,于2021年6月-11月选取江苏省某大专院校241名在校大专护生作为研究对象,使用一般情况调查表、在线深度学习量表、在线学习投入量表和时间管理倾向量表对其进行调查。结果大专护生在线深度学习得分为(90.35±10.35)分,在线学习投入得分为(57.26±4.82)分,时间管理倾向得分为(146.49±28.99)分。大专护生在线学习投入、时间管理倾向与深度学习之间均呈正相关(r=0.372,P<0.001;r=0.323,P<0.001),调节效应检验显示,时间管理倾向与在线学习投入的交互项对在线学习深度具有显著预测作用(β=0.253,P=0.017),表明时间管理倾向对在线学习投入和深度学习具有调节效应,调节效应边界值为120分。结论大专护生在线学习投入对在线深度学习产生较大的影响,时间管理倾向在二者之间存在调节效应,大专护生较高的时间管理倾向能够提升学习投入对深度学习的作用,进而促进其深度学习效果。 展开更多

关键词 护理 大专护生 时间管理倾向 学习投入 深度学习

下载PDF 职称材料

“学习过程跟踪”系统中在线时间统计功能的设计与实现 被引量：1

15

作者 李振华 程国忠 《中国西部科技》 2010年第11期25-26,14,共3页

目前大部分的远程教育系统都采用了学习跟踪的模块对学习者的学习数据进行收集和加工,其中学生的在线学习时间是一个重要的记录项目。本文对常见的在线学习时间记录的原理和方法做了介绍并分析了其优缺点,并针对这些缺点提出了自己的解... 目前大部分的远程教育系统都采用了学习跟踪的模块对学习者的学习数据进行收集和加工,其中学生的在线学习时间是一个重要的记录项目。本文对常见的在线学习时间记录的原理和方法做了介绍并分析了其优缺点,并针对这些缺点提出了自己的解决方法。 展开更多

关键词 远程教学 在线学习时间 学习过程跟踪

下载PDF 职称材料

泛函网络在线增量式学习算法及应用

16

作者 周永权 罗淇方 +1 位作者 吕咏梅 赵斌 《应用科学学报》 CAS CSCD 北大核心 2009年第4期409-413,共5页

给出了一类泛函网络的数学模型,并分析了它的拓扑结构特点和离线学习过程。在此基础上根据分块矩阵计算方法和泛函网络基函数矩阵本身的特点,给出了泛函网络的两种在线增量式学习算法。该算法能充分利用历史训练结果,具有学习、修正和... 给出了一类泛函网络的数学模型,并分析了它的拓扑结构特点和离线学习过程。在此基础上根据分块矩阵计算方法和泛函网络基函数矩阵本身的特点,给出了泛函网络的两种在线增量式学习算法。该算法能充分利用历史训练结果,具有学习、修正和应变功能。最后,以H(?)non时间序列为例进行仿真。仿真结果表明这两种学习算法是可行和有效的。 展开更多

关键词 基函数簇 泛函参数 LAGRANGE乘数法 在线增量式学习 Henon时间序列

下载PDF 职称材料

在线字典学习形变模型的疲劳状态识别方法

17

作者 王辉 童丽峰 +2 位作者 于立君 贲浩然 游江 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2017年第6期892-897,共6页

针对现有驾驶疲劳状态识别算法中存在疲劳特征维数高、识别效率低下、计算量大等问题,本文提出一种基于在线字典学习形变模型的疲劳状态识别方法。采用红外疲劳人脸图像中关键变形区域LBP特征构建人脸形变模型;将在线字典学习算法引入... 针对现有驾驶疲劳状态识别算法中存在疲劳特征维数高、识别效率低下、计算量大等问题,本文提出一种基于在线字典学习形变模型的疲劳状态识别方法。采用红外疲劳人脸图像中关键变形区域LBP特征构建人脸形变模型;将在线字典学习算法引入到形变模型中,采用过完备基函数矩阵代替训练样本整体对待测样本进行线性表示,利用其组合系数的稀疏性进行人脸疲劳状态识别;采用时间窗结合贝叶斯方法对识别算法进行优化。实验结果表明,与传统的识别方法相比,本文所提算法可以降低系统的运算量,提高疲劳状态识别的鲁棒性和准确率,在实际驾驶环境中能够取得良好的识别效果。 展开更多

关键词 疲劳状态识别 变形区域 LBP特征 形变模型 在线字典学习 过完备基函数矩阵 时间窗 贝叶斯方法

下载PDF 职称材料

具有广义正则化与遗忘机制的在线贯序超限学习机 被引量：6

18

作者 郭威 徐涛 +1 位作者 汤克明 于建江 《控制与决策》 EI CSCD 北大核心 2017年第2期247-254,共8页

针对非平稳时间序列预测问题,提出一种具有广义正则化与遗忘机制的在线贯序超限学习机算法.该算法以增量学习新样本的方式实现在线学习,以遗忘旧的失效样本的方式增强对非平稳系统的动态跟踪能力,并通过引入一种广义的l2正则化使其具有... 针对非平稳时间序列预测问题,提出一种具有广义正则化与遗忘机制的在线贯序超限学习机算法.该算法以增量学习新样本的方式实现在线学习,以遗忘旧的失效样本的方式增强对非平稳系统的动态跟踪能力,并通过引入一种广义的l2正则化使其具有持续的正则化功能,从而保证算法的持续稳定性.仿真实例表明,所提出算法具有较同类算法更好的稳定性和更小的预测误差,适用于具有动态变化特性的非平稳时间序列在线建模与预测. 展开更多

关键词 在线贯序超限学习机 广义正则化 遗忘因子 时间序列预测

原文传递