导读:本文包含了自适应学习论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:自适应,算法,人工智能,卷积,神经网络,超声,对比度。
自适应学习论文文献综述
苗晓锋,刘志伟[1]（2019）在《引入反向学习机制的自适应差分进化算法研究》一文中研究指出差分进化算法(DE)是一种着名的处理非线性复杂问题的优化技术,为改进其计算开销大,参数设置与问题本身特性过于相关等缺陷,提出了一种新的差分进化算法(MDE)。它结合了反向学习(OBL)和自适应控制机制来进行参数调整,从而能加速算法收敛,同时提高求解成功率。在Matlab环境中进行的测试实验结果表明,MDE在收敛速度、鲁棒性和计算开销等方面的性能在大部分测试用例上优于已有的多种算法,证明混合策略是一种行之有效的差分进化算法的研究路径。(本文来源于《计算机与数字工程》期刊2019年12期）
王妍[2]（2019）在《基于关联规则的自适应学习》一文中研究指出本文提出了基于关联规则的知识应学习理论,该理论将具体的人工智能算法引入到了自适应学习系统当中去。用关联规则理论,计算出学习内容的相关性,计算出置信度和支持度的阈值,从而智能的计算出相关知识点关联规则,为学习者安排更适合的学习内容,知识脉络,以更好的提高学习效率。(本文来源于《计算机产品与流通》期刊2019年12期）
陈伟,陈庆奎[3]（2019）在《面向深度学习训练任务的自适应任务分配方法》一文中研究指出随着深度学习的任务训练对计算资源的需求不断提高,采用GPU集群来训练深度学习任务成为首选.但基于集群的一些深度学习框架都需要手动设置训练方法以及环境资源,这样往往不能保证训练任务的耗时最短.本文针对该问题提出一种自适应任务分配方法,可以根据不同的训练模型,自动选择最佳的分配方案.本方法首先根据Roofline模型并结合训练模型,计算出每个计算节点的理论计算时间,然后再考虑不同训练方式过程中的通信时间和其它额外开销,最后根据组合优化的原理,从而确定深度学习任务的训练方式以及所涉及的计算节点.实验表明,本方法在异构GPU集群下训练Alexnet网络,可以表现出91. 6%的高准确率.(本文来源于《小型微型计算机系统》期刊2019年12期）
李巧红[4]（2019）在《自适应学习技术及其应用效果》一文中研究指出人工智能的蓬勃发展为教育改革注入了新的活力,使高效的个性化学习成为可能。作为实现个性化学习的一种可能途径,各类自适应学习工具应运而生。为了了解当前自适应工具在教学中的应用情况,文中通过文献调研的方式,从个性化学习的理论基础和政策需求、自适应学习技术概况等几个方面介绍了自适应学习技术,并重点分类梳理了教育科技市场上比较典型的几款自适应工具及其在教学中的应用效果。(本文来源于《教育与装备研究》期刊2019年12期）
王佳骏,林承勋,陈瑾,李文轩[5]（2019）在《基于强化学习的通信网络入侵自适应检测方法》一文中研究指出通信网络入侵检测是网络信息安全领域研究的重点。传统的通信网络入侵检测方法属于固定式检测,不能根据通信业务变化而自主升级,容易发生误判、漏判等问题。为此,提出了基于Q强化学习算法的通信网络入侵自适应监测方法。利用强化学习智能体与环境交互,不断更新智能体的特点,设计了自适应监测的方法。以该方法为核心,介绍了入侵检测系统设计,实际应用情况表明该方法较传统固定式检测方法具有更高的检测稳定性,对通信网络传输业务变化的适应性更强。(本文来源于《信息技术》期刊2019年11期）
王兰,谢达,董宜平,曹进德[6]（2019）在《基于准ARX多层学习网络模型的非线性系统自适应控制》一文中研究指出建立了准ARX多层学习网络预测模型,并用于非线性系统自适应控制问题.该模型的内核部分为一个改进的神经模糊网络(NFNs):一部分为叁层非线性网络结构,采用自联想网络进行离线训练;另一部分为叁层NFNs,采取在线调整.据此对参数进行分类,给出相应调整算法.然后,基于模型宏观结构的优势给出控制器设计方案.仿真分析给出该建模方法的有效性.(本文来源于《应用数学和力学》期刊2019年11期）
杨桐,张姗姗,江方舟,李奕飞,俞戈昊[7]（2019）在《基于深度学习与自适应对比度增强的臂丛神经超声图像优化》一文中研究指出现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。(本文来源于《计算机科学》期刊2019年S2期）
蔡连玉,韩倩倩[8]（2019）在《人工智能自适应学习及其在学校教育中的应用》一文中研究指出人工智能自适应学习是信息技术发展的产物,也是践行因材施教理念的一种技术路径,其在当前教育培训市场中备受关注。人工智能自适应学习应用到学校教育,因其在构筑智慧学习环境、实现学习者个性化发展、培育创新型人才等方面所具有的相对优势,而在泛在学习、深度学习和个性化学习等维度有较好的应用图景。与此同时,人工智能自适应学习在学校教育中应用应警惕系统自身不完善导致教育误判、过分强调技术带来技术崇拜、因资源可获得性不同加大城乡教育差距等风险,需要通过技术、理念和社会等层面的努力来规避风险。(本文来源于《浙江师范大学学报(社会科学版)》期刊2019年06期）
李慧慧[9]（2019）在《AI自适应学习系统应用于检测学生知识掌握情况——以人教版物理八年级第九章《压强》为例》一文中研究指出人工智能(AI)的快速发展为各领域都带来了新的机遇和挑战,AI加持下的自适应学习实现了真正的个性化教学,AI自适应学习系统应运而生。"压强"一直是初中物理学习的重难点,本文运用AI自适应学习系统检测某初二学生关于压强的知识点掌握情况,精准定位该生的知识薄弱点,生成检测报告。实例表明AI自适应学习系统在检测学生知识点掌握情况中有着显着作用。这为制定适合学生的学习路径,实现个性化学习提供了基础。(本文来源于《湖南中学物理》期刊2019年11期）
吴涤,彭力[10]（2019）在《结合学习速率调整的尺度自适应核相关滤波跟踪算法》一文中研究指出提出一种结合学习速率调整的尺度自适应核相关滤波目标跟踪算法。通过使用核相关滤波器获得目标的初步位置,使用低复杂度的尺度估计来提高算法对目标发生尺度变化的适应能力,同时也保证了跟踪速度;采用相邻两帧图像之间的平均差分析图像变化,并按平均差的大小来分段调整目标模型的学习速率,解决了目标发生严重遮挡时的跟踪失败问题。通过和5种经典的目标跟踪算法进行实验对比,结果表明:所提算法能够很好地适应目标发生尺度变化、严重遮挡、背景干扰等复杂环境,同时具有231帧/s的实时跟踪速度。(本文来源于《传感器与微系统》期刊2019年11期）
自适应学习论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文提出了基于关联规则的知识应学习理论,该理论将具体的人工智能算法引入到了自适应学习系统当中去。用关联规则理论,计算出学习内容的相关性,计算出置信度和支持度的阈值,从而智能的计算出相关知识点关联规则,为学习者安排更适合的学习内容,知识脉络,以更好的提高学习效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应学习论文参考文献
[1].苗晓锋,刘志伟.引入反向学习机制的自适应差分进化算法研究[J].计算机与数字工程.2019
[2].王妍.基于关联规则的自适应学习[J].计算机产品与流通.2019
[3].陈伟,陈庆奎.面向深度学习训练任务的自适应任务分配方法[J].小型微型计算机系统.2019
[4].李巧红.自适应学习技术及其应用效果[J].教育与装备研究.2019
[5].王佳骏,林承勋,陈瑾,李文轩.基于强化学习的通信网络入侵自适应检测方法[J].信息技术.2019
[6].王兰,谢达,董宜平,曹进德.基于准ARX多层学习网络模型的非线性系统自适应控制[J].应用数学和力学.2019
[7].杨桐,张姗姗,江方舟,李奕飞,俞戈昊.基于深度学习与自适应对比度增强的臂丛神经超声图像优化[J].计算机科学.2019
[8].蔡连玉,韩倩倩.人工智能自适应学习及其在学校教育中的应用[J].浙江师范大学学报(社会科学版).2019
[9].李慧慧.AI自适应学习系统应用于检测学生知识掌握情况——以人教版物理八年级第九章《压强》为例[J].湖南中学物理.2019
[10].吴涤,彭力.结合学习速率调整的尺度自适应核相关滤波跟踪算法[J].传感器与微系统.2019
论文知识图
