一种网络导航学习路径生成方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种网络导航学习路径生成方法

李孟, 曹晟, 秦志光, 邱丹

文章导航 > 电子科技大学学报 > 2014 > 43(4): 596-600

李孟, 曹晟, 秦志光, 邱丹. 一种网络导航学习路径生成方法[J]. 电子科技大学学报, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

引用本文:

李孟, 曹晟, 秦志光, 邱丹. 一种网络导航学习路径生成方法[J]. 电子科技大学学报, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

LI Meng, CAO Sheng, QIN Zhi-guang, QIU Dan. Network Navigation Learning Method Based on Feedback Mechanism[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

Citation:

LI Meng, CAO Sheng, QIN Zhi-guang, QIU Dan. Network Navigation Learning Method Based on Feedback Mechanism[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

一种网络导航学习路径生成方法

doi: 10.3969/j.issn.1001-0548.2014.04.022

1.
电子科技大学计算机科学与工程学院成都 611731

基金项目:

国家自然科学基金(61133016,61103205,61103206);国家863项目(2011AA010706);教育部中国移动科研基金(MCM20121041)

作者简介:
李孟(1981-),女,博士生,主要从事计算机网络和知识工程方面的研究.

中图分类号: TP391.6

Network Navigation Learning Method Based on Feedback Mechanism

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 611731

摘要: 该文提出了一种基于反馈的、满足全局优化和充分必要条件的网络导航学习路径生成方法。将知识单元及其依赖关系作为知识地图的顶点和边,全部存储于广义表中。测试学习者已经学过的知识单元,根据知识单元中心度和难度量化计算方法,生成知识地图总路径集合,基于不同的学习基础,学习者在集合中“按需所取”知识单元。该方法产生的知识地图导航不再是海量知识单元的不完备近似集合,而具有全局精确性;解决了学习路径的充分性和必要性难以同时满足的缺陷;针对学习者个性化要求,有效提高学习效率,具有教育学和计算机科学的双重价值。
- 反馈机制 /
- 知识地图 /
- 学习路径 /
- 网络导航学习
Abstract: A novel method on network learning is proposed. It can optimize the knowledge map in the global conditions and the necessary and sufficient requirements. All the knowledge units and their relations, stored in a generalized list, are viewed as the vertices and edges in the knowledge map. After testing the knowledge units which have been learned by users before, we can get the knowledge levels corresponding with each user. The sort sets of knowledge units can be deduced according to the algorithms of knowledge unit central and degree of difficulty, and then the complete sets of knowledge map paths are achieved. The approximation is substituted by the precision in the proposed method, and the defect that the necessary and sufficient conditions cannot be satisfied simultaneously is solved as well. The network navigation paths in our knowledge map can be used to avoid the problems of disorientation and information overloading, which can improve the efficiency of user learning on the network.
- feedback mechanism /
- knowledge map /
- learning path /
- navigation network learning

[1]	罗琴, 杨根, 刘智, 唐宾徽. 结合主动学习的威胁情报IOC识别方法 . 电子科技大学学报, 2023, 52(1): 108-115. doi: 10.12178/1001-0548.2022090
[2]	郁湧, 钱天宇, 高悦, 艾合买提尼牙孜, 刘金卓. 基于结构平衡理论和高阶互信息的符号网络表示学习算法 . 电子科技大学学报, 2023, 52(5): 780-788. doi: 10.12178/1001-0548.2022168
[3]	朱献超, 侯晓凯, 吴绍君, 祝峰. 基于情景记忆的量子深度强化学习 . 电子科技大学学报, 2022, 51(2): 170-175. doi: 10.12178/1001-0548.2022043
[4]	高远翔, 罗龙, 孙罡. 基于强化学习的多阶段网络分组路由方法 . 电子科技大学学报, 2022, 51(2): 200-206. doi: 10.12178/1001-0548.2021260
[5]	刘楠, 张凤荔, 王瑞锦, 张志扬, 赖金山. 融合元路径学习和胶囊网络的社交媒体谣言检测方法 . 电子科技大学学报, 2022, 51(4): 608-614. doi: 10.12178/1001-0548.2021219
[6]	林粤伟. 基于强化学习的LTE与WiFi异构网络共存机制 . 电子科技大学学报, 2021, 50(3): 375-381. doi: 10.12178/1001-0548.2019303
[7]	韩仪, 冯鑫, 周金连, 吴晔, 肖井华. 知识标签网络生成机制研究 . 电子科技大学学报, 2021, 50(2): 294-302. doi: 10.12178/1001-0548.2020084
[8]	. 一种自适应在线学习测评方法 . 电子科技大学学报, 2020, 49(5): 1-7. doi: 10.12178/1001-0548.2019259
[9]	吴涢晖, 赵子天, 陈晓雷, 邹士亚. 大气低频声信号识别深度学习方法研究 . 电子科技大学学报, 2020, 49(5): 758-765. doi: 10.12178/1001-0548.2019297
[10]	谭俊杰, 梁应敞. 面向智能通信的深度强化学习方法 . 电子科技大学学报, 2020, 49(2): 169-181. doi: 10.12178/1001-0548.2020040
[11]	秦爽, 赵冠群, 冯钢. 基于多智体强化学习的接入网络切片动态切换 . 电子科技大学学报, 2020, 49(2): 162-168. doi: 10.12178/1001-0548.2020049
[12]	毛远宏, 贺占庄, 马钟. 重构迁移学习的红外目标分类 . 电子科技大学学报, 2020, 49(4): 609-614. doi: 10.12178/1001-0548.2019162
[13]	邵杰, 黄茜, 曹坤涛. 基于深度学习的人体解析研究综述 . 电子科技大学学报, 2019, 48(5): 644-654. doi: 10.3969/j.issn.1001-0548.2019.05.001
[14]	刘飚, 潘扬, 许盛伟, 李佳丽, 封化民. 基于集成学习的功耗分析研究 . 电子科技大学学报, 2019, 48(2): 253-258. doi: 10.3969/j.issn.1001-0548.2019.02.015
[15]	刘志刚, 许少华, 肖佃师, 杜娟. 极限学习脊波过程神经网络及应用 . 电子科技大学学报, 2019, 48(1): 110-116. doi: 10.3969/j.issn.1001-0548.2019.01.018
[16]	何海江. 基于排序学习算法的软件错误定位模型研究 . 电子科技大学学报, 2017, 46(3): 577-582. doi: 10.3969/j.issn.1001-0548.2017.03.016
[17]	李彦冬, 雷航, 郝宗波, 唐雪飞. 基于多尺度显著区域特征学习的场景识别 . 电子科技大学学报, 2017, 46(3): 600-605. doi: 10.3969/j.issn.1001-0548.2017.03.020
[18]	唐贤伦, 周家林, 张娜, 刘庆. 基于极限学习机的非线性内模控制 . 电子科技大学学报, 2016, 45(1): 96-101. doi: 10.3969/j.issn.1001-0548.2016.01.016
[19]	杨利英, 张军英, 覃征. 元学习算法选择机制及关联对性能的影响 . 电子科技大学学报, 2007, 36(2): 278-280,290.
[20]	武妍, 王守觉. 一种并联抑制神经网络结构及学习算法 . 电子科技大学学报, 2006, 35(3): 399-402.

WeChat

点击查看大图

计量

文章访问数: 3435
HTML全文浏览量: 126
PDF下载量: 71
被引次数: 0

一种网络导航学习路径生成方法

doi: 10.3969/j.issn.1001-0548.2014.04.022

1. 电子科技大学计算机科学与工程学院成都 611731

基金项目:

国家自然科学基金(61133016,61103205,61103206);国家863项目(2011AA010706);教育部中国移动科研基金(MCM20121041)

作者简介:
李孟(1981-),女,博士生,主要从事计算机网络和知识工程方面的研究.

收稿日期: 2013-11-18
修回日期: 2014-05-22
刊出日期: 2014-08-15

中图分类号: TP391.6

关键词:

摘要: 该文提出了一种基于反馈的、满足全局优化和充分必要条件的网络导航学习路径生成方法。将知识单元及其依赖关系作为知识地图的顶点和边,全部存储于广义表中。测试学习者已经学过的知识单元,根据知识单元中心度和难度量化计算方法,生成知识地图总路径集合,基于不同的学习基础,学习者在集合中“按需所取”知识单元。该方法产生的知识地图导航不再是海量知识单元的不完备近似集合,而具有全局精确性;解决了学习路径的充分性和必要性难以同时满足的缺陷;针对学习者个性化要求,有效提高学习效率,具有教育学和计算机科学的双重价值。

English Abstract

李孟, 曹晟, 秦志光, 邱丹. 一种网络导航学习路径生成方法[J]. 电子科技大学学报, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

引用本文:

李孟, 曹晟, 秦志光, 邱丹. 一种网络导航学习路径生成方法[J]. 电子科技大学学报, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

LI Meng, CAO Sheng, QIN Zhi-guang, QIU Dan. Network Navigation Learning Method Based on Feedback Mechanism[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

Citation:

LI Meng, CAO Sheng, QIN Zhi-guang, QIU Dan. Network Navigation Learning Method Based on Feedback Mechanism[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(4): 596-600. doi: 10.3969/j.issn.1001-0548.2014.04.022

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发