發(fā)布時(shí)間：2020-10-26 07:51

　　 隨著信息技術(shù)的發(fā)展,教材的形式不斷的變化,從單一的紙質(zhì)教材過(guò)渡到“教材+光盤(pán)”,再到現(xiàn)在流行的“教材+數(shù)字資源”的新媒體教材、復(fù)合教材。教材形式不斷發(fā)展的同時(shí),也伴隨著學(xué)習(xí)方式的不斷變革。教材從單一的紙質(zhì)教材到“教材+數(shù)字資源”的新媒體教材變化過(guò)程,同時(shí)也是學(xué)習(xí)方式的信息化程度不斷提高的過(guò)程。信息化程度的不斷提高,使得越來(lái)越來(lái)教材資源通過(guò)信息技術(shù)手段,復(fù)合到了原本的紙質(zhì)教材上,復(fù)合教材受到越來(lái)越多的關(guān)注。二維碼技術(shù)是新媒體教材中最常見(jiàn)的、用來(lái)連接教學(xué)資源的信息技術(shù)手段,也是數(shù)字化的學(xué)習(xí)方式中最廣泛使用的技術(shù),但是2017年4月,教育部明確提出,中小學(xué)教材中一律不得出現(xiàn)提供額外教學(xué)輔助資料的各類鏈接網(wǎng)址、二維碼等信息。在這種情況下,需要一種新的方式實(shí)現(xiàn)教學(xué)資源整合。筆者研究基于人工智能領(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)的教學(xué)資源整合方法。利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)的教學(xué)資源整合方法是借助卷積神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)發(fā)Arduino器件識(shí)別程序,學(xué)習(xí)者在學(xué)習(xí)過(guò)程中利用Arduino器件識(shí)別程序獲取器件相關(guān)的學(xué)習(xí)資源,進(jìn)而開(kāi)展學(xué)習(xí)。本文先是詳細(xì)陳述了課題的研究背景、研究現(xiàn)狀、研究問(wèn)題、研究方法以及預(yù)期研究結(jié)果和創(chuàng)新點(diǎn);然后闡述了文章運(yùn)用到的卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)理論基礎(chǔ);接著設(shè)計(jì)了基于卷積神經(jīng)網(wǎng)絡(luò)的教學(xué)資源整合方法,其中包括基于卷積神經(jīng)網(wǎng)絡(luò)的Arduino器件識(shí)別程序的設(shè)計(jì)和Arduino器件學(xué)習(xí)資源庫(kù)的建設(shè);之后依據(jù)基于卷積神經(jīng)網(wǎng)絡(luò)的教學(xué)資源整合方法設(shè)計(jì),對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行功能測(cè)試,同時(shí)也在實(shí)際教學(xué)活動(dòng)中進(jìn)行測(cè)試,并且通過(guò)與使用者的訪談了解使用者評(píng)價(jià);最后,根據(jù)測(cè)試結(jié)果和訪談結(jié)果優(yōu)化程序,然后對(duì)優(yōu)化后的程序再進(jìn)行一次測(cè)試。研究發(fā)現(xiàn),學(xué)習(xí)者在學(xué)習(xí)過(guò)程中,可以利用基于卷積神經(jīng)網(wǎng)絡(luò)的Arduino器件識(shí)別程序順利的開(kāi)展學(xué)習(xí),學(xué)習(xí)的效率更高;同時(shí)識(shí)別程序符合學(xué)習(xí)者的需求,學(xué)習(xí)者能接受并滿意這種方式;識(shí)別程序?qū)崿F(xiàn)直接通過(guò)器件來(lái)訪問(wèn)教學(xué)資源,創(chuàng)新了Arduino學(xué)習(xí)中的學(xué)習(xí)者與學(xué)習(xí)資源之間的交互方式,學(xué)習(xí)者在學(xué)習(xí)活動(dòng)中對(duì)使用的器件有疑問(wèn)時(shí),通過(guò)掃描器件的方式提出疑問(wèn),識(shí)別程序根據(jù)識(shí)別到的器件做出反饋,實(shí)現(xiàn)了學(xué)生與課程內(nèi)容的一種對(duì)話。
【學(xué)位單位】：上海師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：G434
【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 研究問(wèn)題及意義
    1.4 研究方法
    1.5 預(yù)期研究結(jié)果和創(chuàng)新點(diǎn)
第2章 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
    2.1 深度學(xué)習(xí)與人工智能
    2.2 深度學(xué)習(xí)模型
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)CNN
        2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN
    2.3 卷積神經(jīng)網(wǎng)絡(luò)常用結(jié)構(gòu)
        2.3.1 卷積層
        2.3.2 池化層
        2.3.3 全連接層
        2.3.4 激活函數(shù)
        2.3.5 損失函數(shù)
        2.3.6 過(guò)擬合問(wèn)題
    2.4 卷積神經(jīng)網(wǎng)絡(luò)優(yōu)點(diǎn)
    2.5 TensorFlow概述
    2.6 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的教學(xué)資源整合方法設(shè)計(jì)
    3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的教學(xué)資源整合方法總體設(shè)計(jì)
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的Arduino器件識(shí)別程序設(shè)計(jì)
        3.2.1 構(gòu)造流程
        3.2.2 模型設(shè)計(jì)
    3.3 識(shí)別準(zhǔn)確率的影響因素分析
        3.3.1 網(wǎng)絡(luò)層數(shù)
        3.3.2 迭代次數(shù)
        3.3.3 批處理圖片數(shù)
        3.3.4 基礎(chǔ)學(xué)習(xí)率
    3.4 Arduino器件學(xué)習(xí)資源庫(kù)建設(shè)
    3.5 本章小結(jié)
第4章 Arduino器件識(shí)別程序?qū)崿F(xiàn)與測(cè)試
    4.1 Arduino器件圖像采集
    4.2 卷積神經(jīng)網(wǎng)絡(luò)的搭建
        4.2.1 將圖像轉(zhuǎn)為T(mén)FRecord文件
        4.2.2 加載圖像
        4.2.3 模型構(gòu)建
        4.2.4 訓(xùn)練
    4.3 調(diào)用攝像頭實(shí)現(xiàn)器件識(shí)別
    4.4 Arduino器件識(shí)別程序在新采集圖片上的測(cè)試
    4.5 Arduino器件識(shí)別程序在實(shí)際教學(xué)環(huán)境中的測(cè)試一
    4.6 Arduino器件識(shí)別程序在實(shí)際教學(xué)環(huán)境中的測(cè)試二
    4.7 本章小結(jié)
第5章 Arduino器件識(shí)別程序優(yōu)化
    5.1 Arduino器件識(shí)別程序識(shí)別準(zhǔn)確率不高的原因分析
    5.2 Arduino器件識(shí)別程序優(yōu)化
        5.2.1 樣本數(shù)據(jù)集的擴(kuò)充
        5.2.2 參數(shù)的優(yōu)化
        5.2.3 學(xué)習(xí)資源推送方式的優(yōu)化
    5.3 Arduino器件識(shí)別程序優(yōu)化實(shí)現(xiàn)
    5.4 Arduino器件識(shí)別優(yōu)化程序測(cè)試一
    5.5 Arduino器件識(shí)別優(yōu)化程序測(cè)試二
    5.6 本章小結(jié)
第6章 研究總結(jié)與展望
    6.1 研究總結(jié)
    6.2 研究反思與展望
參考文獻(xiàn)
附錄
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董凱寧;孟津;;基于虛擬現(xiàn)實(shí)技術(shù)的職業(yè)院�？晒蚕斫虒W(xué)資源研究[J];教育現(xiàn)代化;2017年52期

2 王少華;;基于二維碼技術(shù)開(kāi)發(fā)新媒體教材的研究——以觀海衛(wèi)太極拳教材開(kāi)發(fā)為例[J];寧波廣播電視大學(xué)學(xué)報(bào);2017年04期

3 孫立會(huì);葛興蕾;陳張兼;;技術(shù)在未來(lái)高等教育中的應(yīng)用圖景——基于《地平線報(bào)告2017(高等教育版)》的分析[J];電化教育研究;2017年12期

4 張新新;劉華東;;出版+人工智能:未來(lái)出版的新模式與新形態(tài)——以《新一代人工智能發(fā)展規(guī)劃》為視角[J];科技與出版;2017年12期

5 吳永和;劉博文;馬曉玲;;構(gòu)筑“人工智能+教育”的生態(tài)系統(tǒng)[J];遠(yuǎn)程教育雜志;2017年05期

6 程瓊;;教學(xué)資源應(yīng)用VR技術(shù)的優(yōu)劣勢(shì)分析[J];當(dāng)代教研論叢;2017年09期

7 趙群;;VR全景技術(shù)在信息化教學(xué)中應(yīng)用可行性研究[J];無(wú)線互聯(lián)科技;2017年16期

8 ;大智能時(shí)代的關(guān)鍵之舉——五問(wèn)AI國(guó)家戰(zhàn)略[J];云南教育(視界綜合版);2017年08期

9 徐海璐;王嘉俊;戎新萍;韓雪;;運(yùn)用二維碼建立慕課學(xué)習(xí)平臺(tái)[J];教育現(xiàn)代化;2017年34期

10 ;中小學(xué)教材不得出現(xiàn)額外教輔資料二維碼[J];語(yǔ)文教學(xué)與研究;2017年18期

相關(guān)碩士學(xué)位論文 前2條

1 姜新猛;基于TensorFlow的卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[D];華中師范大學(xué);2017年

2 王前程;基于深度學(xué)習(xí)的水果圖像識(shí)別算法研究[D];河北大學(xué);2016年

本文編號(hào)：2856722