-
题名人工智能助力教学创新的路径研究
被引量：30
- 1
-
-
作者
贺相春
郭绍青
-
机构
西北师范大学互联网教育数据学习分析技术国家地方联合工程实验室
-
出处
《国家教育行政学院学报》
CSSCI
北大核心
2021年第9期31-38,共8页
-
基金
国家自然科学基金资助项目“基于多源信息融合的中小学教师数据素养智能测评关键技术研究”(62167007)。
-
文摘
以人工智能技术为代表的新兴信息技术与课程融合正在走向深水区,对教师教学创新提出新的挑战。智能时代由"互联网"、"教与学终端"、"资源"以及"平台"构成了教师教学环境的技术生态体系,师生通过"教与学终端"获取多样化的"资源"服务与多类态的"平台"服务。教师教学环境的变革对教师理性认知技术、驾驭智能教学环境、创新教学、适应人机协同教学、提升数据素养等提出了更高要求。智能技术助力教师在大单元教学、基于资源的个性化学习、规模个性化教学、教师专业发展、综合素质评价以及家校协同共育等方面开展教学创新。在此过程中,加强"互联网+教育"大平台的建设并充分发挥数据要素的作用,提升教学应用的智能化、个性化水平,推动教师智能教育素养培养值得重点关注。
-
关键词
人工智能
教学创新
个性化教学
智能研训
-
Keywords
Artificial intelligence
Teaching innovation
Personalized teaching
Intelligent training
-
分类号
G40-057
[文化科学—教育学原理]
-
-
题名注意力残差模型的语音抑郁倾向识别方法
被引量：3
- 2
-
-
作者
鲁小勇
石代敏
刘阳
原静仪
董强利
马秀云
-
机构
西北师范大学物理与电子工程学院
互联网教育数据学习分析技术国家地方联合工程实验室
甘肃省行为与心理健康重点实验室
兰州大学第二医院心理卫生科
-
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第8期1602-1608,共7页
-
基金
国家自然科学基金项目(31860285,31660281)资助.
-
文摘
采用语音信号进行抑郁倾向识别具有重要的现实意义.针对语音抑郁倾向识别使用深度神经网络方法结构复杂和传统机器学习方法需要手动提取特征及识别率低的问题.本文提出了一种结合残差思想和注意力机制的模型,首先基于心理学自我参照效应(Self-reference Effect,SRE)实验范式设计了抑郁语料,进行语音数据集标注;然后将注意力模块引入残差单元中,利用通道注意力学习其通道维度上的特征,空间注意力反馈其空间维度的特征,并将两者结合得到注意力残差单元;最后堆叠单元构建基于注意力残差网络的语音抑郁倾向识别模型.实验结果表明,与传统机器学习方法相比,该模型在抑郁倾向识别上获得了更优的结果,可满足抑郁倾向识别应用的需求.
-
关键词
抑郁倾向识别
残差神经网络
注意力机制
Mel频率倒谱系数(MFCC)
-
Keywords
depression tendency recognition
residual neural network
attention mechanism
Mel frequency cepstrum coefficient(MFCC)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多分类器的藏文文本分类方法
被引量：15
- 3
-
-
作者
王莉莉
杨鸿武
宋志蒙
-
机构
西北师范大学物理与电子工程学院
甘肃省智能信息技术与应用工程研究中心
互联网教育数据学习分析技术国家地方联合工程实验室
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2020年第1期102-110,共9页
-
基金
国家自然科学基金(11664036,61263036)
甘肃省高等学校科技创新团队项目(2017C-03)资助项目。
-
文摘
文本分类是信息检索与数据挖掘领域的关键技术,可以有效解决信息杂乱问题并定位有效信息。提出了基于深度学习的卷积神经网络、循环神经网络、长短时记忆网络和双向长短时记忆网络的藏文文本分类方法。首先提出长短时记忆加条件随机场模型的方法对藏文分类文本进行分词,接着去除停用词、计算词频、提取特征词构建词向量空间模型获得词向量,然后将该词向量传输给分类模型训练藏文文本分类器,最后使用训练好的分类器对待分类藏文文本进行分类。实验数据表明,数据量较大时,深度神经网络模型分类效果均比传统机器学习模型分类效果好,且其中双向长短时记忆网络分类器得到的藏文文本分类效果最好;当数据量较少时,支持向量机分类效果较好。
-
关键词
藏文文本分类
文本表示
词向量空间模型
深度神经网络
机器学习模型
-
Keywords
Tibetan text classification
text representation
word vector space model
deep neural network
machine learning model
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名手语到情感语音的转换
- 4
-
-
作者
王伟喆
郭威彤
杨鸿武
-
机构
西北师范大学物理与电子工程学院
西北师范大学教育技术学院
互联网教育数据学习分析技术国家地方联合工程实验室
-
出处
《计算机工程与科学》
CSCD
北大核心
2022年第10期1869-1876,共8页
-
基金
国家自然科学基金(62067008,31860285)
甘肃省自然科学基金(21JR7RA117)
甘肃省教育科学“十三五”规划2020年度重点课题GS[2020]GHBZ190。
-
文摘
为了解决语言障碍者与健康人之间的交流障碍问题,提出了一种基于神经网络的手语到情感语音转换方法。首先,建立了手势语料库、人脸表情语料库和情感语音语料库;然后利用深度卷积神经网络实现手势识别和人脸表情识别,并以普通话声韵母为合成单元,训练基于说话人自适应的深度神经网络情感语音声学模型和基于说话人自适应的混合长短时记忆网络情感语音声学模型;最后将手势语义的上下文相关标注和人脸表情对应的情感标签输入情感语音合成模型,合成出对应的情感语音。实验结果表明,该方法手势识别率和人脸表情识别率分别达到了95.86%和92.42%,合成的情感语音EMOS得分为4.15,合成的情感语音具有较高的情感表达程度,可用于语言障碍者与健康人之间正常交流。
-
关键词
手势识别
人脸表情识别
情感语音合成
神经网络
手语到语音转换
语言障碍者
-
Keywords
gesture recognition
facial expression recognition
emotional speech synthesis
neural network
sign language to speech conversion
speech-impaired people
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN912.33
[电子电信—通信与信息系统]
-
