E-Learning背景下基于深度学习CNN算法的"导学激趣"ACT-R模式研究

• 作者: 黄玲
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 导学激趣 深度学习 E-Learning ACT-R模式
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 信息化应用
• 页码范围: 136-137,139
• 页数: 3页
• 分类号: TP18
• 字数: 2748字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-4706.2018.09.051

摘要

"ACT-R"是一种类似OAR架构的网状结构认知模式,又叫做推理思维的自适应控制模型,它能在储存知识时按照情境的"模块"进行组装.模块化方式能帮助学习者快速分析问题,增加知识的数量,评价核心问题,提升认知深度,创新问题结构,促进知识迁移.在"导学激趣"ACT-R模式上运用深度学习CNN算法,使教者苦教与受教者苦学的状况得以改变.目前,深度学习算法运用比较成功的是CNN卷积神经网络算法,在"导学激趣"ACT-R模式过程中引入CNN,能在激发学习者学习兴趣的同时,增强学习的自信心,有助于促进学习的深入,学习者的思维也能得到启迪,潜能得到开发,有助于学习者发展自身的个性品质.本项目基于E-Learning时代背景,从深度学习的角度出发,探索研究"导学激趣"ACT-R模式的基本思路,帮助学习者捕获感知、行为和思想,组织生活语言情景产生智能行为,用以仿真并理解人的认知.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄玲	湖南信息学院电子信息学院	12	29	4.0	5.0