成人遠(yuǎn)程教育中深度學(xué)習(xí)的可應(yīng)用性

成人遠(yuǎn)程教育中深度學(xué)習(xí)的可應(yīng)用性摘要：隨著科技的進(jìn)步，人工智能的發(fā)展與普及，作為以遠(yuǎn)程教育為主的成人高校不斷優(yōu)化網(wǎng)上學(xué)習(xí)資源在保證統(tǒng)一的學(xué)習(xí)環(huán)境下為每個(gè)學(xué)生打造適合自己的專屬課程不斷優(yōu)化教學(xué)模式是成人教育高校學(xué)習(xí)支持服務(wù)一直努力的方向針對(duì)學(xué)生用戶的個(gè)性特征需求差異推薦個(gè)性化教育資源是當(dāng)今智能化學(xué)習(xí)領(lǐng)域研究的重點(diǎn)之一，也是我們構(gòu)建個(gè)性化學(xué)習(xí)支持服務(wù)的關(guān)鍵。關(guān)鍵詞：機(jī)器學(xué)習(xí)；深度學(xué)習(xí)；推薦算法；遠(yuǎn)程教育深（prg，叫層習(xí)，機(jī)學(xué)領(lǐng)研的支它是學(xué)習(xí)本據(jù)表層和在律學(xué)的程獲某信于據(jù)的解有大助如文數(shù)的習(xí)網(wǎng)上獲關(guān)字對(duì)像據(jù)的學(xué)，行臉別等。一、度習(xí)展述深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域里一種對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法。一句話總結(jié)三者之間的關(guān)系就是：“機(jī)器學(xué)習(xí)，實(shí)現(xiàn)人工智能的方法；深度學(xué)習(xí)，實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)深度學(xué)習(xí)目前是機(jī)器學(xué)習(xí)和人工智能領(lǐng)域研究的主要方向?yàn)橛?jì)算機(jī)圖形學(xué)計(jì)算機(jī)視覺等領(lǐng)域帶來了革命性的進(jìn)步機(jī)器學(xué)習(xí)最早在1980年被提出，1984年分類與回歸樹出現(xiàn)，直到1986年，Rumelhart等人反向傳播（Baca-tion，BP）算法的提出，解決了感知模型只能處理線性分類的問題1989年出現(xiàn)的卷積神網(wǎng)絡(luò)（Cotneat-ws，N）也此得到了一定的發(fā)展。在1990年至2012年，機(jī)器學(xué)習(xí)逐漸成熟并施以應(yīng)用，n在2006年設(shè)出了度念絡(luò)決反向播法經(jīng)絡(luò)中梯消的題式出深學(xué)的念逐走深度習(xí)速展的時(shí)期。隨后，各種具有獨(dú)特神經(jīng)處理單元和復(fù)雜層次結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)不斷涌現(xiàn)，深度學(xué)習(xí)技術(shù)不斷提高人工智能領(lǐng)域應(yīng)用方面的極限。二、深度學(xué)習(xí)主要模型1（oiuwsN著。的，，取。，，后在N神，、。積，（r（r、全連接層（fr。卷積層是卷積神經(jīng)網(wǎng)絡(luò)的核心部分，通過一系列對(duì)圖像像素值進(jìn)行的卷積運(yùn)算得到圖像的特征信息同時(shí)不斷地加深節(jié)點(diǎn)矩陣的深度從而獲得圖像的深層特征池化層的本質(zhì)是對(duì)特征圖像進(jìn)行采樣除去冗雜信息增加運(yùn)算效率不改變特征矩陣的深度全連接將層間所有神經(jīng)元兩兩連接在一起對(duì)之前兩層的數(shù)據(jù)進(jìn)行分類處理CNN的訓(xùn)練過程有監(jiān)的，各種數(shù)在練的程中斷優(yōu)到得最好結(jié)果目卷神經(jīng)絡(luò)的改模型被廣研究全積神網(wǎng)（Flvtartrs，N（DnuartksCN等2、循環(huán)神經(jīng)網(wǎng)絡(luò)區(qū)別于卷積神經(jīng)網(wǎng)絡(luò)在圖片處理領(lǐng)域的應(yīng)用，循環(huán)神經(jīng)網(wǎng)絡(luò)（Rk，RN）主要應(yīng)用在自然語言處理領(lǐng)域。RNN最大的N是以序列的方式對(duì)數(shù)據(jù)進(jìn)行讀取，這也是RNN最為獨(dú)特的特征。RNN的串聯(lián)式結(jié)構(gòu)適用于時(shí)間序列的數(shù)據(jù)可以完好保持?jǐn)?shù)據(jù)中的依賴關(guān)系循環(huán)神經(jīng)網(wǎng)絡(luò)主要有三層結(jié)構(gòu)輸入層隱藏層和輸出層隱藏層的作用是對(duì)輸入層傳遞進(jìn)來的數(shù)據(jù)進(jìn)行一系列的運(yùn)算并將結(jié)果傳遞給輸出層進(jìn)行輸出RNN可用于許多不同的地方下面是RNN應(yīng)用最的域1.語言建模和文本生成給出一個(gè)詞語序列試著預(yù)測(cè)下一個(gè)詞語的可能性這在翻譯任務(wù)中是很有用的因?yàn)樽钣锌赡艿木渥訉⑹强赡苄宰罡叩膯卧~組成的句子；2.語音識(shí)別；3.生成圖像描述，RNN一個(gè)非常廣泛的應(yīng)用是理解圖像中發(fā)生了什么從而做出合理的描述這是CNN和RNN相合用。CNN做圖割，RNN用分割后數(shù)據(jù)重描述。種應(yīng)用雖然基4.頻3（dwsDNN可絡(luò)DNN其實(shí)也是指的一個(gè)東西，DNN有時(shí)也叫做多層感知機(jī)（Mu-t-LaP。DNN內(nèi)部的神經(jīng)網(wǎng)絡(luò)層也是分為三類，輸入層，隱藏層和輸出層，一般來說第一層是輸入層，最后一層是輸出層，而中間的層數(shù)都是隱藏層。深度神經(jīng)網(wǎng)絡(luò)（DNN目作為許人工智應(yīng)用的礎(chǔ)并且語音識(shí)和圖像識(shí)上有突破性應(yīng)用。N的發(fā)展也非常迅猛，被應(yīng)用到工業(yè)自動(dòng)駕駛汽車、醫(yī)療癌癥檢測(cè)等領(lǐng)域在這許多領(lǐng)域中深度神經(jīng)網(wǎng)絡(luò)技術(shù)能夠超越人類的準(zhǔn)確率但同時(shí)也存在著計(jì)算復(fù)雜度高的問題因此那些能夠解決深度神經(jīng)網(wǎng)絡(luò)表現(xiàn)準(zhǔn)確度或不會(huì)增加硬件成本高效處理的同時(shí)又能提升效率和吞吐量的技術(shù)是現(xiàn)在人工智能領(lǐng)域能夠廣泛應(yīng)用DNN技術(shù)的關(guān)鍵。三、深度學(xué)習(xí)在教育領(lǐng)域的影響1學(xué)生學(xué)習(xí)方面通過網(wǎng)上學(xué)習(xí)的實(shí)時(shí)反饋數(shù)據(jù)對(duì)學(xué)生的學(xué)習(xí)模式進(jìn)行研究并修正現(xiàn)有教學(xué)模式存在的不足分析網(wǎng)絡(luò)大數(shù)據(jù)相對(duì)于傳統(tǒng)在線學(xué)習(xí)本質(zhì)區(qū)別過，等，的，學(xué)，很來，使教學(xué)工作良好發(fā)展更進(jìn)一步。2、教學(xué)方面學(xué)臺(tái)的數(shù)據(jù)能夠?qū)虒W(xué)模式的適應(yīng)度進(jìn)行預(yù)測(cè)通過學(xué)生的考試成績(jī)和對(duì)教師的線上評(píng)價(jià)等加以分析能夠預(yù)測(cè)出某一階段的教學(xué)方式發(fā)發(fā)是否可行影響如何通過學(xué)生與教師的在線互動(dòng)學(xué)生測(cè)驗(yàn)時(shí)完成的時(shí)間與完成的結(jié)果都會(huì)產(chǎn)生大量的有效的數(shù)據(jù)都可以為教師教學(xué)支持服務(wù)的更好開展提供幫助從而避免低效率的教學(xué)模式造成教學(xué)資源的浪費(fèi)。四、成人遠(yuǎn)程教育中深度學(xué)習(xí)技術(shù)的可應(yīng)用性深度學(xué)習(xí)方面的應(yīng)用在眾多領(lǐng)域都取得了成功比如電商商品推薦圖像識(shí)別、自然語言處理棋類博弈等等在遠(yuǎn)程教育方面深度學(xué)習(xí)的技術(shù)還有很大的發(fā)揮空間智能網(wǎng)絡(luò)教育的實(shí)現(xiàn)是人們的眾望所盼若要將深度學(xué)習(xí)技術(shù)應(yīng)用到遠(yuǎn)程教育平臺(tái)，首先要清楚學(xué)生的需求和教學(xué)資源如何分配。1、針對(duì)學(xué)生的學(xué)習(xí)需求與學(xué)習(xí)特征進(jìn)行分析美國斯坦福大學(xué)克里斯皮希研究團(tuán)隊(duì)的研究成果顯示，通過對(duì)學(xué)生知識(shí)學(xué)習(xí)進(jìn)行時(shí)間建模，可以精確預(yù)測(cè)出學(xué)生對(duì)知識(shí)點(diǎn)的掌握情況，以及學(xué)生在下一次學(xué)習(xí)中的表現(xiàn)深度學(xué)習(xí)的應(yīng)用可以幫助教師推測(cè)出學(xué)生的學(xué)習(xí)能力發(fā)展水平通過學(xué)生與教學(xué)環(huán)境的交互行為分析其學(xué)習(xí)風(fēng)格避免教師用經(jīng)驗(yàn)進(jìn)行推斷而產(chǎn)生的誤差。2、教學(xué)資源的利用與分配深度學(xué)習(xí)技術(shù)能夠形成智能的分析結(jié)論計(jì)算機(jī)實(shí)時(shí)采集數(shù)據(jù)集對(duì)學(xué)生的學(xué)習(xí)情況加以分析使教師對(duì)學(xué)生的學(xué)習(xí)狀態(tài)情緒狀態(tài)等有更加清晰準(zhǔn)確的了解有了上面良好的教學(xué)模式教師對(duì)學(xué)生的學(xué)習(xí)狀態(tài)有了更準(zhǔn)確的掌握對(duì)學(xué)生的學(xué)習(xí)結(jié)果就有了更科學(xué)的教學(xué)評(píng)價(jià)基于深度學(xué)習(xí)的人工智能技術(shù)還可以輔助教師實(shí)現(xiàn)智能閱卷，通過智能閱卷自動(dòng)總結(jié)出學(xué)習(xí)中出現(xiàn)的問題幫助教師減少重復(fù)性勞動(dòng)減輕教師負(fù)擔(dān)。作為成人高校，遠(yuǎn)程教育是我們的主要教學(xué)手段，也是核心教學(xué)方式，學(xué)校的教學(xué)必定是在學(xué)生方便學(xué)習(xí)的同時(shí)以學(xué)生的學(xué)習(xí)效果為重通過深度學(xué)習(xí)技術(shù)可以科學(xué)地分析出學(xué)生的學(xué)習(xí)效果對(duì)后續(xù)教與學(xué)給予科學(xué)可靠的數(shù)據(jù)支撐我們可以在平臺(tái)上為每位同學(xué)建立學(xué)習(xí)模型根據(jù)學(xué)生的學(xué)習(xí)習(xí)慣為其將學(xué)生正式在線參加學(xué)習(xí)和考試的學(xué)習(xí)行為和非學(xué)習(xí)時(shí)間瀏覽網(wǎng)站的行為結(jié)合到一起，更加科學(xué)地分析出學(xué)生在學(xué)習(xí)網(wǎng)站上感興趣的地方。采用深度學(xué)習(xí)算法，根據(jù)學(xué)生學(xué)習(xí)行為產(chǎn)生的海量數(shù)據(jù)推算出學(xué)生當(dāng)前狀態(tài)與目標(biāo)狀態(tài)之間的差距，做到精準(zhǔn)及時(shí)的學(xué)習(xí)需求反饋有助于幫助學(xué)生明確學(xué)習(xí)目標(biāo)教師確立教學(xué)目標(biāo)真正做好因材施教基于深度學(xué)習(xí)各種智能識(shí)別技術(shù)可以為教師的線上教學(xué)活動(dòng)增光添彩在反饋學(xué)生學(xué)習(xí)狀態(tài)的同時(shí)采用多種形式的教學(xué)方法吸引學(xué)生的注意力，增強(qiáng)教學(xué)活動(dòng)的互動(dòng)性，達(dá)到良好的教學(xué)效果。人工智能是影響世界各領(lǐng)域的關(guān)鍵技術(shù)，它也必將與教育相互融合，也終將會(huì)改變教育的形態(tài)深度學(xué)習(xí)技術(shù)作為當(dāng)前科技的前沿技術(shù)我們需要對(duì)深度學(xué)習(xí)技術(shù)在教育中的應(yīng)用進(jìn)行探討用技術(shù)完善教學(xué)過程優(yōu)化學(xué)習(xí)效果作為成人高校教師我們始終貫徹以學(xué)生為中心的教育理念對(duì)深度學(xué)習(xí)技術(shù)不斷學(xué)習(xí)與研究不斷豐富學(xué)校教育教學(xué)的手段為教育現(xiàn)代化最終目標(biāo)的實(shí)現(xiàn)提供無限可能。參考文獻(xiàn)：[1]劉毅銘深學(xué)習(xí)研究與用綜述[J].綠色科技,2019,(6).[2]張曉芳，張論器學(xué)習(xí)其在教中的應(yīng)用[J].信息與電腦,2015,(24).[3]董慧慧人工智能深度學(xué)習(xí)概念研究與綜[J].