人工智能视域下的宽度学习及在教育中的应用

被引:18
作者
袁利平
陈川南
机构
[1] 陕西师范大学教育学院
关键词
宽度学习; 人工智能; 机器学习; 教育大数据; 教育数据挖掘; 学习分析;
D O I
10.15881/j.cnki.cn33-1304/g4.2018.04.007
中图分类号
G434 [计算机化教学];
学科分类号
040110 ;
摘要
宽度学习是以随机向量函数链接神经网络为载体,并通过神经节点的增量以实现所设计网络横向扩展的一种随机向量单层神经网络学习系统。宽度学习神经网络系统不仅保留了深度学习的优势,而且弥补了深度学习的缺陷,能更高效地进行教育大数据的挖掘。基于宽度学习内部算法和系统结构,宽度学习在教育应用中主要可以通过分类、聚类、回归、时序预测等挖掘技术手段作用于教育大数据。未来,宽度学习可以在准确预测学生学业成绩、给予学生演示精准评价、提供小组个性学习支持、智能辅助教师进行教学和促进远程教学交互发展等方面发挥其优势,并助力于教育事业现代化和智能化的发展。
引用
收藏
页码:49 / 56
页数:8
相关论文
共 8 条
[1]   基于远程教学视点下的大数据挖掘模式问题研究 [J].
张琳 ;
李小平 ;
张少刚 ;
陈建珍 ;
孙志伟 ;
孙清亮 .
中国电化教育, 2018, (04) :41-49
[2]   教育人工智能(EAI)的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析 [J].
闫志明 ;
唐夏夏 ;
秦旋 ;
张飞 ;
段元美 .
远程教育杂志, 2017, 35 (01) :26-35
[3]   深度学习研究进展 [J].
郭丽丽 ;
丁世飞 .
计算机科学, 2015, 42 (05) :28-33
[4]   大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示 [J].
徐鹏 ;
王以宁 ;
刘艳华 ;
张海 .
远程教育杂志, 2013, 31 (06) :11-17
[5]  
Data-intensive applications, challenges, techniques and technologies: A survey on Big Data[J] . C.L. Philip Chen,Chun-Yang Zhang.Information Sciences . 2014
[6]  
Data mining in education[J] . Cristobal Romero,Sebastian Ventura.WIREs Data Mining Knowl Discov . 2012 (1)
[7]  
Machine Learning Explained in Simple Words .2 Natalia Konstantinova. http://nkonst.com/machine-learning-explained-simple-words/#more-115 . 2017
[8]   Multimedia [P]. 
英国专利 :GB9807406D0 ,1998-06-03