实时性远程答疑系统

主要探讨远程教育中实时性远程答疑系统的特点、功能、组成及其实现.它在远程教育中是非常重要的一环,对远程教育效果的提高起着重要的作用.     

基于RBF神经网络的在线分类挖掘系统

模式分类是RBF神经网络应用的一个重要方面.在线环境中数据集是经常变动的,采用批量式学习算法(如OLS算法)训练RBF网络会产生大量的重复训练,从而导致学习效率不高.为弥补这种不足,从梯度下降方法推导出一种增量式学习算法,用于在线环境中的RBF神经网络训练.最后将基此算法构建的在线分类系统用于IRIS分类问题.结果表明,该算法有较快的收敛速度,网络的在线分类性能良好.     

基于在线地图交通状态的关键道路动态识别方法

交通拥堵问题日趋严重,关键道路识别成为了交通领域的研究重点. 以在线地图的交通状态数据为基础,利用时空相关性理论计算道路交通状态的预测值和波动影响值,并通过Moran 散点图划分道路类型,提出了基于在线地图交通状态的关键道路动态识别方法. 首先,调用在线地图开发者平台API 采集路网的交通状态数据,利用集成学习动态预测交通状态;其次,分析交通状态波动的传播结构,以此量化道路对其近邻道路的影响值;然后,结合道路交通状态的预测值和波动影响值划分道路类型,进而识别出关键道路;最后,以实际路网为例,论证方法可行性.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

多模式公交网络中考虑定制公交的活动与出行建模

近年来,由于一些新型交通服务的出现与迅速发展,多模式公交网络包含了更多的交通模式.定制公交作为一种创新的公共交通服务,在中国许多城市引起了人们的广泛关注. 针对包含定制公交的多模式公交网络,本文提出了基于活动的模型以模拟出行者的活动与出行行为.本模型探究了由于定制公交的出现,人们在多模式公交网络中的行为决策变化,并采用了超级网络以同时模拟用户的活动与出行行为.为研究定制公交的容量约束与预约机制,在模型中有效模拟了用户的逐日学习与调整过程.本文通过实例验证了所提出模型的有效性,结果显示,定制公交的运营显著影响了出行者的活动与出行行为.     

建构主义学习理论及其倡导的教学模式

本文简要分析了建构主义全新的学习理论以及受其理论影响而形成的教学模式,并结合其基本理论阐述了对大学英语教学的启示。文章认为,教学模式和教学方法的改革离不开现代外语教学理论的指导,建构主义学习理论对传统的教学理论和观念提出了挑战,为大学英语教学模式的转变提供了理论依据。     

基于语料库数据驱动学习模式的外语教学

数据驱动学习(DDL)是一种基于语料库的发现式学习方法,是语言学习者自身在对大量真实语料观察和分析的基础上将问题解决的自主式学习,它是语料库在外语教学与学习中运用的产物,开辟了英语教学的新视野。本文浅析了语料库DLL在外语教学中的具体运用,希望能引起更多学者的探讨,丰富和改善外语教学的内容和质量。     

第二语言学习的认知策略分析

成功的外语学习者在学习中善于使用必要的认知策略。外语教师在外语教学中,应利用学生的主观能动性,培养学生认知策略能力,提高他们分析解决问题的能力,从而有效地促进了学生学习的内在动力,使学习主体的建构成为可能。     

Impact of an electrified parkade on the built environment: An unsupervised learning approach

Proposed legislation in British Columbia would require 30 percent of new car sales to be zero-emission vehicles by 2030, and 100 percent by 2040. The growing amount of energy demand and usage data from smart meters or internet of things (IoT) devices enables new research areas. We reporton machine learning approaches to reevaluate the impacts of battery electric vehicles (BEV) on the built environment. We developed a daily power profile analysis based on unsupervised learning, to understand the underlying structure of building and BEV charging station demand data. In addition, we have implemented a load aggregation method based on the features revealed by a clustering process. This aggregation method simulates the electricity demand of an arbitrary number of charging stations, all of which are connected to the main feeder of a building. Several scenarios are simulated using charging stations and building demand data from the University of British Columbia campus in Vancouver. Results for 150 charging stations revealed that the feeder load could increase from a peak load scenario of 300 kW to more than 1000 kW during a high-consumption weekday.     

学习体验主导型教学评价指标体系构建与应用--以广州大学华软软件学院为例

有效的学习体验有助于调动学生的学习积极性。对大学来说,学习体验是学生提升专业能力的有效途径。从发达国家教学评价的发展历程来看,以学生学习体验为主导将纳入教学评价内容。本文对我国教学评价的现状和存在的问题,阐述了学习体验的内涵,构建了以学习体验为主导的教学评价指标体系,以期为我国高校的教学评价提供参考。