發(fā)布時間：2020-10-26 07:51

　　 隨著信息技術的發(fā)展,教材的形式不斷的變化,從單一的紙質教材過渡到“教材+光盤”,再到現(xiàn)在流行的“教材+數(shù)字資源”的新媒體教材、復合教材。教材形式不斷發(fā)展的同時,也伴隨著學習方式的不斷變革。教材從單一的紙質教材到“教材+數(shù)字資源”的新媒體教材變化過程,同時也是學習方式的信息化程度不斷提高的過程。信息化程度的不斷提高,使得越來越來教材資源通過信息技術手段,復合到了原本的紙質教材上,復合教材受到越來越多的關注。二維碼技術是新媒體教材中最常見的、用來連接教學資源的信息技術手段,也是數(shù)字化的學習方式中最廣泛使用的技術,但是2017年4月,教育部明確提出,中小學教材中一律不得出現(xiàn)提供額外教學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現(xiàn)教學資源整合。筆者研究基于人工智能領域的卷積神經(jīng)網(wǎng)絡技術實現(xiàn)的教學資源整合方法。利用卷積神經(jīng)網(wǎng)絡技術實現(xiàn)的教學資源整合方法是借助卷積神經(jīng)網(wǎng)絡技術開發(fā)Arduino器件識別程序,學習者在學習過程中利用Arduino器件識別程序獲取器件相關的學習資源,進而開展學習。本文先是詳細陳述了課題的研究背景、研究現(xiàn)狀、研究問題、研究方法以及預期研究結果和創(chuàng)新點;然后闡述了文章運用到的卷積神經(jīng)網(wǎng)絡的相關理論基礎;接著設計了基于卷積神經(jīng)網(wǎng)絡的教學資源整合方法,其中包括基于卷積神經(jīng)網(wǎng)絡的Arduino器件識別程序的設計和Arduino器件學習資源庫的建設;之后依據(jù)基于卷積神經(jīng)網(wǎng)絡的教學資源整合方法設計,對卷積神經(jīng)網(wǎng)絡模型進行功能測試,同時也在實際教學活動中進行測試,并且通過與使用者的訪談了解使用者評價;最后,根據(jù)測試結果和訪談結果優(yōu)化程序,然后對優(yōu)化后的程序再進行一次測試。研究發(fā)現(xiàn),學習者在學習過程中,可以利用基于卷積神經(jīng)網(wǎng)絡的Arduino器件識別程序順利的開展學習,學習的效率更高;同時識別程序符合學習者的需求,學習者能接受并滿意這種方式;識別程序實現(xiàn)直接通過器件來訪問教學資源,創(chuàng)新了Arduino學習中的學習者與學習資源之間的交互方式,學習者在學習活動中對使用的器件有疑問時,通過掃描器件的方式提出疑問,識別程序根據(jù)識別到的器件做出反饋,實現(xiàn)了學生與課程內(nèi)容的一種對話。
【學位單位】：上海師范大學
【學位級別】：碩士
【學位年份】：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 研究問題及意義
    1.4 研究方法
    1.5 預期研究結果和創(chuàng)新點
第2章 卷積神經(jīng)網(wǎng)絡理論基礎
    2.1 深度學習與人工智能
    2.2 深度學習模型
        2.2.1 卷積神經(jīng)網(wǎng)絡CNN
        2.2.2 循環(huán)神經(jīng)網(wǎng)絡RNN
    2.3 卷積神經(jīng)網(wǎng)絡常用結構
        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 過擬合問題
    2.4 卷積神經(jīng)網(wǎng)絡優(yōu)點
    2.5 TensorFlow概述
    2.6 本章小結
第3章 基于卷積神經(jīng)網(wǎng)絡的教學資源整合方法設計
    3.1 基于卷積神經(jīng)網(wǎng)絡的教學資源整合方法總體設計
    3.2 基于卷積神經(jīng)網(wǎng)絡的Arduino器件識別程序設計
        3.2.1 構造流程
        3.2.2 模型設計
    3.3 識別準確率的影響因素分析
        3.3.1 網(wǎng)絡層數(shù)
        3.3.2 迭代次數(shù)
        3.3.3 批處理圖片數(shù)
        3.3.4 基礎學習率
    3.4 Arduino器件學習資源庫建設
    3.5 本章小結
第4章 Arduino器件識別程序實現(xiàn)與測試
    4.1 Arduino器件圖像采集
    4.2 卷積神經(jīng)網(wǎng)絡的搭建
        4.2.1 將圖像轉為TFRecord文件
        4.2.2 加載圖像
        4.2.3 模型構建
        4.2.4 訓練
    4.3 調用攝像頭實現(xiàn)器件識別
    4.4 Arduino器件識別程序在新采集圖片上的測試
    4.5 Arduino器件識別程序在實際教學環(huán)境中的測試一
    4.6 Arduino器件識別程序在實際教學環(huán)境中的測試二
    4.7 本章小結
第5章 Arduino器件識別程序優(yōu)化
    5.1 Arduino器件識別程序識別準確率不高的原因分析
    5.2 Arduino器件識別程序優(yōu)化
        5.2.1 樣本數(shù)據(jù)集的擴充
        5.2.2 參數(shù)的優(yōu)化
        5.2.3 學習資源推送方式的優(yōu)化
    5.3 Arduino器件識別程序優(yōu)化實現(xiàn)
    5.4 Arduino器件識別優(yōu)化程序測試一
    5.5 Arduino器件識別優(yōu)化程序測試二
    5.6 本章小結
第6章 研究總結與展望
    6.1 研究總結
    6.2 研究反思與展望
參考文獻
附錄
致謝

【參考文獻】

相關期刊論文 前10條

1 董凱寧;孟津;;基于虛擬現(xiàn)實技術的職業(yè)院校可共享教學資源研究[J];教育現(xiàn)代化;2017年52期

2 王少華;;基于二維碼技術開發(fā)新媒體教材的研究——以觀海衛(wèi)太極拳教材開發(fā)為例[J];寧波廣播電視大學學報;2017年04期

3 孫立會;葛興蕾;陳張兼;;技術在未來高等教育中的應用圖景——基于《地平線報告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;;構筑“人工智能+教育”的生態(tài)系統(tǒng)[J];遠程教育雜志;2017年05期

6 程瓊;;教學資源應用VR技術的優(yōu)劣勢分析[J];當代教研論叢;2017年09期

7 趙群;;VR全景技術在信息化教學中應用可行性研究[J];無線互聯(lián)科技;2017年16期

8 ;大智能時代的關鍵之舉——五問AI國家戰(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;;運用二維碼建立慕課學習平臺[J];教育現(xiàn)代化;2017年34期

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

相關碩士學位論文 前2條

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

2 王前程;基于深度學習的水果圖像識別算法研究[D];河北大學;2016年

本文編號：2856722