本文论述了Learning by Doing,Learning by Abstracting,Learning by Analogy,Learning byTeaching以及Learing by Simulating等教学模式。分析了其优点,并介绍了我们将其应用于嵌入式软件开发导论和系统结构等课程的效果。文中尤其强调...本文论述了Learning by Doing,Learning by Abstracting,Learning by Analogy,Learning byTeaching以及Learing by Simulating等教学模式。分析了其优点,并介绍了我们将其应用于嵌入式软件开发导论和系统结构等课程的效果。文中尤其强调了Learning by Abstracting的重要性。展开更多
长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测,为长期预警、规划和决策提供支持。现有方法在进行长期预测时,普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换架...长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测,为长期预警、规划和决策提供支持。现有方法在进行长期预测时,普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换架构LPPIEA(Legendre polynomial projection and information exchange architecture)。引入可逆实例数据归一化,降低长期时间序列中分布偏移对预测的影响。使用勒让德多项式投影来处理复杂的时间模式,获取数据的高维特征表示以增强模型推理长期时间序列的能力。为了有效捕获长期时间依赖关系,构建轻量化的信息交换架构来高效捕获长期时间依赖关系,从而实现准确高效的长期时间序列预测。在4个常用的公开数据集上的实验结果表明,LPPIEA的预测误差相比于基线方法平均降低11.4%,同时还具有较高的计算效率。展开更多
间隔重复学习方法在辅助学生自主学习方面发挥了重要的作用;然而传统的间隔重复算法在间隔控制上过于僵化,导致学生每日的学习任务量差异明显,进而影响学习效率。为了提升自主学习效率,提出了一种基于ACT-R(Adaptive Control of Thought...间隔重复学习方法在辅助学生自主学习方面发挥了重要的作用;然而传统的间隔重复算法在间隔控制上过于僵化,导致学生每日的学习任务量差异明显,进而影响学习效率。为了提升自主学习效率,提出了一种基于ACT-R(Adaptive Control of Thought-Rational)的认知间隔重复学习方法。首先,基于ACT-R规划学习过程,模拟学生学习行为并提取主导模型记忆变化的激活参数;其次,提出了遗忘曲线切割算法,将遗忘特性反映到学习规划之中,并提取记忆留存率与推荐复习间隔等参数;最后,基于二者所得学习参数,针对特定的学习任务动态地生成间隔重复学习规划。实验结果表明,相较于传统的间隔重复学习算法,基于ACT-R的认知间隔重复学习方法可以合理有效地安排自主学习任务,每日学习任务量更加均衡,每个任务的学习时间分布也更加合理。展开更多
文摘本文论述了Learning by Doing,Learning by Abstracting,Learning by Analogy,Learning byTeaching以及Learing by Simulating等教学模式。分析了其优点,并介绍了我们将其应用于嵌入式软件开发导论和系统结构等课程的效果。文中尤其强调了Learning by Abstracting的重要性。
文摘长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测,为长期预警、规划和决策提供支持。现有方法在进行长期预测时,普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换架构LPPIEA(Legendre polynomial projection and information exchange architecture)。引入可逆实例数据归一化,降低长期时间序列中分布偏移对预测的影响。使用勒让德多项式投影来处理复杂的时间模式,获取数据的高维特征表示以增强模型推理长期时间序列的能力。为了有效捕获长期时间依赖关系,构建轻量化的信息交换架构来高效捕获长期时间依赖关系,从而实现准确高效的长期时间序列预测。在4个常用的公开数据集上的实验结果表明,LPPIEA的预测误差相比于基线方法平均降低11.4%,同时还具有较高的计算效率。
文摘间隔重复学习方法在辅助学生自主学习方面发挥了重要的作用;然而传统的间隔重复算法在间隔控制上过于僵化,导致学生每日的学习任务量差异明显,进而影响学习效率。为了提升自主学习效率,提出了一种基于ACT-R(Adaptive Control of Thought-Rational)的认知间隔重复学习方法。首先,基于ACT-R规划学习过程,模拟学生学习行为并提取主导模型记忆变化的激活参数;其次,提出了遗忘曲线切割算法,将遗忘特性反映到学习规划之中,并提取记忆留存率与推荐复习间隔等参数;最后,基于二者所得学习参数,针对特定的学习任务动态地生成间隔重复学习规划。实验结果表明,相较于传统的间隔重复学习算法,基于ACT-R的认知间隔重复学习方法可以合理有效地安排自主学习任务,每日学习任务量更加均衡,每个任务的学习时间分布也更加合理。
