一种基于迁移学习的小样本图像分类方法

深度学习模型应用于小样本图像分类时,存在训练时间过长和过拟合的问题。鉴于此,提出了一种基于迁移学习的小样本图像分类方法。首先,将MobileNet-V2,Ineption-V3,Xception 3种深度卷积神经网络放在大型数据集中进行预训练,然后保留并冻结在源网络预训练过程中的基本参数,用数据增强的方法强化小样本数据后,再对小样本的目标数据集进行特征提取训练,最后对预训练的网络模型进行微调,并解冻部分层次,用于调整网络权重,并再次训练目标数据集。实验结果表明,迁移学习在小样本图像的应用中是有效的,可以构造出泛化性能很高的模型,大大减少了原深度模型训练时产生的过拟合问题。     

基于网络环境的大学英语自主学习监控策略研究

本文以网络环境下大学英语自主学习监控为切入点,探讨了自主学习监控的定义与特征,并分析了自主学习监控策略,包括内部监控策略和外部监控策略,旨在为基于网络环境的大学英语自主学习及学习管理提供借鉴。     

网络化自主学习质量监控模式的研究

本文阐述了网络环境下自主学习与学习监控的内涵与特征,并依据自主学习的心理活动机制,深入分析了影响英语自主学习质量的内外部因素,探讨了网络自主学习中的自我监控和外部监控过程,初步构建了一个以自我监控为核心,外部监控为保障的多方位网络自主学习的监控模式。     

创设网络环境教学促进大学生英语习得

在论述网络环境教学特点的基础上,分析了网络环境教学对大学生英语习得的重要意义,认为营造优良学习环境,以学生为中心,把支持和服务摆在第一位,重视质量监控是创设网络环境教学必须坚持的基本原则.     

基于网络环境的高职英语自主学习多元监控模式的构建

多媒体和网络技术在高职院校中的广泛使用,使各高职院校均积极探索实践基于网络的高职英语自主学习模式。网络环境下的在线学习虽能让高职学生汲取更多的知识,但网络上一些良莠不齐的信息也会随着网络这条渠道扎根在学生的脑海。基于这些,在网络环境的大背景下构建一个多元的监控系统对高职学生的英语学习进行监控,对于提高学生的网络自主学习质量是有很大帮助的。     

基于MPWPS主动学习的半监督协同分类算法

半监督学习和主动学习是机器学习的两个重要研究领域.半监督学习通过利用有标记样本训练分类器标注未标记样本,来增加标记样本的数量.那么,如果未标记样本被错误标注将会影响后续分类器的迭代训练,进而降低最终分类器的预测精度.因此,本文在半监督学习的基础上引入主动学习的思想,首先采用MPWPS算法选取最有可能预测错误的样本,交由专家进行标注,再结合已标记样本进行迭代协同训练,来提高分类器的性能和标注的正确率.本文实现了基于MPWPS主动学习的半监督协同分类算法,并在UCI数据集上的实验验证了该算法的有效性.     

基于边缘检测和肤色检测的人脸检测方法论

人脸识别系统由人脸检测和人脸识别两个关键环节组成。人脸检测已经成为人脸信息处理中的一项关键技术并且作为一个独立的课题受到了国内外研究人员的重视。在这个过程中,科技工作者们有着众多不同的尝试方式。本文就一些经典的算法公式,选择不同的算子,通过MATLAB语言表现出来;同时对结合肤色检测技术用以提高检测效率进行了阐述。     

基于无线传感器网络的小区安防监控系统设计

随着社会的进步,大多数的小区已经陆续的完成了小区安防监控系统,也有少数高档楼盘进行了一些更高层次的智能化建设,并逐步向前发展。本文主要研究无线传感器网络在小区安防监控系统设计的应用,整个安防监控系统中记录所有的视频、音频、报警数据,实时记录并在计算机中进行云存储以供日后检索,基于无线传感器网络的小区安防监控系统设计具有安全性、灵活性、网络性、智能性等特点。     

外语学习中本族语的迁移与干扰

本文从迁移理论的实质出发，阐述了外语学习过程中，本族语(母语)的语言特征、模式或语法形式对外语学习所产生的影响——促进或干扰。提出在外语学习中，要根据迁移理论，利用母语正迁移的作用，排除母语负迁移的干扰，更快、更好、更有效在学习和掌握外语。     

当代大学生自主学习现状调查与影响因素分析——以Z高校为例

自主学习是大学教育的重要内容之一,国家教育事业发展"十三五"规划中亦注重增强大学生自主学习能力。基于Z高校431名大学生的问卷调查数据,文章发现当代大学生的自主学习水平有待提升,大学生的学习动机日趋多样化,学习方法、学习监控与学习环境亟需优化。文章构建的二元Logistic回归模型表明,在控制人口统计变量后,学习监控、学习方法、学习动机与学习环境对大学生自主学习状况的影响强度依次递减。文章建议丰富大学生自主学习策略、多维度提升自主学习动机和充分发挥学生干部的头雁效应。