网络学习资源

摘要： 网络学习资源的建设可以使学习者便捷地在互联网的环境下实现数据和资料的收集与共享,对更好地做好自我提升意义重大。目前,网络教学资源监管评估机制较差,存在大量重复、低质量的教学资源。文章指出通过整合、共享、优化教学资源,建设经过权威专家评价、审核、认证的网络学习资源,可最大限度地为自主学习者提供有效的服务,满足个性化学习需求,培养学习能力,激发学习热情。

摘要： 21世纪全球疾病不断演化发展,医学知识迅速革新,传统线下教学已不能满足医学教育及医疗卫生工作的发展需要,基于信息技术和移动设备的学习逐渐成为医学生的重要学习方式[1]。互联网技术发展的同时,各类教育APP及网络学习资源涌入医学课堂,线上与线下相结合的混合式教学得到空前发展。在远程教育或跨区域校外教学中,传统线下教学或混合式教学难以正常开展,如何充分有效地实施线上教学以完成教学任务成为国内外医学教育者最关注的问题。

摘要： 大规模开放协同环境给网络学习资源的高效管理带来了新挑战,基于浏览量与评分排名的传统管理方法难以保证高质量网络学习资源的生成与持续进化。如何建构智能化的网络学习资源进化预警模型,是大数据时代破解网络学习资源高效管理的核心问题。该研究以网络学习资源进化预警任务的实施流程为依据,在探讨资源进化态表征、资源进化要素项提取、资源进化态标注、资源进化预警任务的数学定义等问题的基础上,构建了网络学习资源进化预警的技术模型。通过学习元平台的两个数据集实验验证表明,研究提出的预警模型在预测精准率、F1和AUC等指标方面表现优于对比算法,能较好地完成网络学习资源进化预警的任务。

摘要： 为了了解预防医学专业学生网络学习资源的应用情况,探索其在网络学习平台使用过程中存在的问题,文章以广西医科大学2015—2019级预防医学专业学生为研究对象,开展电子问卷调查,并从学生的基本情况、日常学习情况、网络学习平台使用情况和对网络学习平台的评价四个方面的内容展开分析,结果显示预防医学专业学生网络学习平台的使用率虽然高,但存在不少问题,需要有关部门、学校及教师积极帮助学生解决,以充分发挥网络学习平台的作用,进而有效应用网络学习资源.

摘要： 随着社会的进步和科技的发展,互联网与人们的关系越来越密切,“互联网+教育”的理念也极大影响着我们的教育教学工作,推动着教育现代化的进程。近几年来,随着“互联网+”概念的深入人心,网络学习资源如雨后春笋般涌现,它们不仅拓宽了学生学习的渠道,也更有利于学生的自主学习和个性化学习。

摘要： 面对网络学习资源的信息过载问题,如何根据用户的偏好推荐其感兴趣的学习资源是网络教育智能化的关键应用.协同过滤推荐算法无需构建资源的特征描述,经常应用于形式多样的网络学习资源推荐,但传统协同过滤推荐算法具有评分矩阵稀疏和冷启动问题.针对这两个问题,提出基于改进型协同过滤的网络学习资源个性化推荐算法.该算法首先将用户对资源的学习行为转化成用户对资源的评分,缓解评分阵稀疏问题;其次引入用户初始化标签改进用户的相似度计算,解决新用户的冷启动问题;最后采用均方根误差(RMSE)进行推荐算法预测准确度衡量.实验结果表明,该改进算法提升了个性化资源推荐效果.

摘要： 随着互联网技术快速发展,"互联网+教育"这种深度融合的教育模式为大学生提供了丰富的网络学习资源.本文以安徽某地方高校为例,就大学生网络学习资源利用现状进行调查,通过分析大学生网络学习资源利用效率的主要因素,对如何提高大学生网络学习资源利用效率提出一些相关建议.

摘要： “精准教学”和“个性化学习”是教育事业的发展趋势,个性化学习推荐在线上学习中也逐步受到重视。该研究通过构建“协优工程师认证”课程的知识图谱,结合习题推荐算法的研究,设计了基于知识图谱的学习资源推荐系统,实现了“协优工程师认证”课程知识图谱的可视化、知识点查询、知识路径查询及习题推荐功能,为学习者提供定制化的线上学习服务,提高学习效率。

摘要： "精准教学"和"个性化学习"是教育事业的发展趋势,个性化学习推荐在线上学习中也逐步受到重视.该研究通过构建"协优工程师认证"课程的知识图谱,结合习题推荐算法的研究,设计了基于知识图谱的学习资源推荐系统,实现了"协优工程师认证"课程知识图谱的可视化、知识点查询、知识路径查询及习题推荐功能,为学习者提供定制化的线上学习服务,提高学习效率.

摘要： 以往的教学将纸质的书本作为主要知识学习来源,将教师上课讲授作为知识主要传播途径,将学校课堂作为知识传播的主要场所.随着网络学习模式的出现,颠覆了以往的传统教学观念,碎片化学习成为大学生课外的主要学习方式.学生的学习不再受时间、空间与内容的局限,知识学习的广度和深度正在延展,而不可忽略的是,网络学习也出现了一系列的问题,如何解决这些问题,并创新大学生个性化学习体系,使网络学习紧跟时代成为亟待解决的问题.

摘要： 网络学习资源快速膨胀满足了成人自主学习要求和资源多样性,同时也出现了信息爆炸和选择迷航现象.为了提高资源的使用率,远程学习系统必须具有智能挖掘性和个性化服务.普通的个性化检索不能根据用户的知识水平层次提供难度适宜的资源.因此提出构建远程学习者档案资料库,依靠概念关系两次过滤学习资源,实现个性化检索.考虑了远程学习者理解能力差异性,从用户兴趣和资源难易度两方面智能筛选学习资源,满足学习者远程学习个性化检索要求.

摘要： 网络学习资源在促进高职学生的学习效果方面发挥着越来越重要的作用,为了解高职学生网络学习资源利用情况,通过问卷调查的方式,就高职学生对网络学习资源的使用频率、喜欢的类型、使用过程中遇到的问题、获取途径等进行了详细的调查与分析.调查结果表明高职学生已经认识到了网络学习资源的重要性,但对网络学习资源的使用频率、了解程度、资源使用目的、检索能力、资源管理等方面还有待于提高,针对存在的问题,结合访谈对如何提高高职学生的网络学习资源利用提出了一些相关建议,开设信息检索课程、院系开展讲座以及培养学生的学习兴趣等.

摘要： 移动学习是当前教育技术研究的热点领域，3G的发展给移动学习带来了新的契机。当前基于短信的移动学习及基于浏览连接的移动学习模式存在资源形式单一、功能简单、交互性差等不足。基于专家系统的移动学习模式依赖于3G技术，采用SOA架构，构建专家系统服务，整合当前已有的网络学习资源，发挥专家系统启发性、透明性、灵活性的特点，能够实现“一种模式，两种交互”的移动学习，具有灵活准确、资源丰富、交互性强、智能化等优点，是3G时代一种全新的移动学习实现模式。

摘要： 基于Internet的教学模式主要有讲授型、个别辅导型、讨论学习型、探索学习型、协作学习型等五种模式.基于Internet的教学模式在实施过程中应注意教师的作用、正确处理好和其他教学手段的关系、能否提供大量优秀的网络学习资源、教师和学生的素质要求及网络教学信息的安全等方面的问题.

摘要： 随着网络学习资料的日益增多,学习系统必须聚合各种开放学习资源,通过对它们进行语义标注建立语义关联,从而构建有完整知识体系支撑的学习资源库.提出了一种以自动标注为主、人工标注为辅的软件平台结构,通过领域本体自动识别、文档自动拆分、文本自动分类、专家人工干预等步骤,实现学习资源库的建立和持续更新.该平台结构既具有较高的的文档标注效率,同时也兼顾了标注精度.

摘要： 随着网络学习资料的日益增多,学习系统必须聚合各种开放学习资源,通过对它们进行语义标注建立语义关联,从而构建有完整知识体系支撑的学习资源库.提出了一种以自动标注为主、人工标注为辅的软件平台结构,通过领域本体自动识别、文档自动拆分、文本自动分类、专家人工干预等步骤,实现学习资源库的建立和持续更新.该平台结构既具有较高的的文档标注效率,同时也兼顾了标注精度.

摘要： 随着网络学习资料的日益增多,学习系统必须聚合各种开放学习资源,通过对它们进行语义标注建立语义关联,从而构建有完整知识体系支撑的学习资源库.提出了一种以自动标注为主、人工标注为辅的软件平台结构,通过领域本体自动识别、文档自动拆分、文本自动分类、专家人工干预等步骤,实现学习资源库的建立和持续更新.该平台结构既具有较高的的文档标注效率,同时也兼顾了标注精度.

摘要： 本发明涉及用于增强与用户设备和移动通信网络之间的环境相关信息的传输有关的用户设备资源和/或网络资源的使用的方法，其中所述移动通信网络包括基站实体，其中所述用户设备包括至少一个无线接口，其中所述用户设备和所述基站实体之间的上行无线连接至少能够使用所述用户设备的所述至少一个无线接口被建立，其中所述方法包括如下步骤：--在第一步中，从所述移动通信网络向所述用户设备传送测量配置信息，其中所述移动通信网络的控制通道被用于所述测量配置信息的传输，并且其中所述测量配置信息包括由所述用户设备执行并且与所述测量配置信息相关的被请求的测量是可选的，--在第一步之后的第二步中，决定所述用户设备是否执行所述被请求的测量，--在第二步之后的第三步中，如果第二步中决定是否执行所述被请求的测量的结果为肯定，则通过执行所述被请求的测量获取本地网络信息，并且--在第三步之后的第四步中，如果在第三步中已经执行了所述被请求的测量，则通过使用所述用户设备的所述至少一个无线接口将所述本地网络信息传送给所述基站实体。

摘要： 本发明提供了一种5G网络中面向多任务联邦学习的资源分配方法及系统，所述方法包括以下步骤：获取每个设备训练每个任务相应的设备运行参数、本地训练数据量和传输数据量；结合网络环境参数、每个设备的发射功率和设备参数，确定每个设备传输每个任务所需的时延和能耗；进行每轮训练任务时，根据每个设备向基站传输每个任务所需的时延和能耗，对参与本轮联邦学习的设备进行筛选；在对选中的设备发送功率进行限制的前提下，进行数据传输的资源分配。本发明基于网络通信环境、设备时延和能耗限制条件，针对联邦学习的每一轮均进行参与学习的设备选择和网络传输资源分配，保证了联邦学习的效率和准确性。

摘要： 本发明公开了一种基于联邦学习的异构无线网络频谱资源感知方法及系统，包括以下步骤：S1、将全局模型发送至所属区域内所有基站；S2、选取部分基站，并利用全局模型对所选基站的本地模型进行随机梯度下降训练，得到最终本地模型；S3、获取最终本地模型与全局模型的参数差值，联邦聚合更新全局模型；S4、重复步骤S1‑S3对全局模型进行迭代训练，直至收敛，得到最终全局模型；S5、利用最终全局模型的参数预测该区域内所有可用频谱资源当前的占用情况。本发明大幅降低通信开销且有效预防数据的泄露和非法篡改。

摘要： 本发明涉及基于机器学习的5G网络切片资源分配方法，包括：通过机器学习算法建立单结点决策树，并对接入用户通过决策树模型分配网络切片。本发明的有益效果是：本发明可以根据当前无线通信系统中多用户请求的业务需求与以及服务器可分配给用户的网络切片资源，通过机器学习的方法建立决策树模型，并按需地调整各层次结点特征与分类参数。基于此结果，系统可以动态地调整对供给于各用户网络切片的类型与数目，使得系统内各个用户在获得专用网络切片资源的基础上，各项业务的服务质量(QoS)需求在总体上最大化满足。

摘要： 本发明提供了一种基于深度强化学习的空天地一体化网络资源分配方法。由于传统地基网络所面临的基站损坏、通信故障等一系列问题，本发明基于空天地一体化网络，利用深度强化学习技术，对网络中的资源问题进行了优化。通过网络建模、属性设置、策略网络的搭建、特征提取以及训练与测试完成网络资源的分配过程。本发明提供的技术方案在空天地一体化网络领域具有重要的研究意义，并在虚拟请求接受率、长期平均收益、收益成本比等方面具有良好性能。

摘要： 本发明公布了一种知识迁移强化学习网络切片通感算资源协同优化方法，旨在针对移动边缘网络切片用户差异化服务需求，在考虑网络切片通感算资源、用户设备时延和能耗等约束限制基础上，以用户设备总吞吐量最大化为优化目标，建立网络切片通感算资源协同优化问题模型。在此基础上，将上述优化问题建模为多智能体随机博弈过程，研究多智能体间知识迁移强化学习算法，提升协同优化策略探索效率和可扩展性，实现多样化业务场景下网络切片通感算资源协同优化。

摘要： 本发明公开一种基于贝叶斯学习的端到端网络资源分配方法，属于计算、推算或计数的技术领域。该方法采用基于博弈框架的解决方案，提出一个反映服务商需求信息的网络资源定价策略，通过对网络资源状态和服务商行为的分析，实现更加合理的网络资源定价和分配。该方法先建立多个服务商与运营商的博弈模型，运营商根据有限的需求信息选择第一阶段的单位网络切片价格；在第二阶段中更新需求信息确定价格。仿真结果表明该系统模型纳什均衡点的存在性，并提出一种响应式网络资源切片分配的方案，避免服务商集中请求资源时导致的资源短缺和网络拥塞，从而实现网络资源的合理分配。

摘要： 本发明公开了一种基于机器学习的5G网络切片容灾池资源管理方法及装置。其中，方法包括：获取预设时间段内切片网络容灾池中多个切片实例的属性信息及运行信息；生成与切片网络容灾池对应的运行状态拓扑图；计算与运行状态拓扑图对应的切片邻接矩阵及切片特征矩阵；将切片邻接矩阵及切片特征矩阵输入至预先训练好的容灾池资源管理模型中；根据容灾池资源管理模型输出的资源调整动作，对切片网络容灾池中的资源进行调整。采用本方案，能够准确地获得针对切片网络容灾池的资源调整动作，提升切片网络容灾池的资源管理精度；并能够实时地根据当前的网络状态动态地调整切片网络容灾池的资源。

摘要： 本发明公开了一种基于深度强化学习的网络切片资源优化方法及装置，其中，所述方法包括：设置软硬混合策略的网络切片框架；基于所述网络切片框架在网络切片窗口内保障网络切片SLA的基础上，最大化频谱效率，获得网络切片优化问题；基于所述网络切片优化问题在给定初始资源分配的情况下，利用DQN网络进行在线网络切片资源优化调整处理，获得网络切片资源优化结果。在本发明实施例中，可以基于统一的优化框架对任性QoS要求的网络切片进行资源分配；能够在保障不同切片SLA的基础上，提升频谱效率。

摘要： 本申请公开了一种基于深度强化学习的蜂窝异构网络资源分配方法，包括如下步骤：S1：构建三层异构网络模型，获得三层异构网络模型的参数信息，其中，参数信息至少包括：可选行动列表、索引集合、信干噪比、下行链路容量和总传输容量；S2：完成构建后，通过MAPD3QN算法完成三层异构网络模型中的用户关联和信道分配的联合优化。本申请的能够在没有CSI的情况下进行优化，同时也能在大量用户和基站的情况下完成策略收敛。