信息技術(shù)的發(fā)展深刻影響社會的方方面面,具體在教育領(lǐng)域,信息技術(shù)從最初的輔助作用發(fā)展為使教育信息化智能化,進(jìn)而引發(fā)教育模式的改變,智慧教育便由此建立起來。而通信技術(shù)以及互聯(lián)網(wǎng)的發(fā)展使得網(wǎng)絡(luò)視頻數(shù)量大大增加,也帶來了海量的課堂教學(xué)視頻,而現(xiàn)在對教學(xué),教師的評價評優(yōu)工作也大量依托于教學(xué)視頻,大大減少了時間和空間成本。智慧教育的發(fā)展也帶來了新的教學(xué)模式,近年來對于諸如翻轉(zhuǎn)課堂的啟發(fā)式教育研究十分火熱,而就目前的教育形勢和中國國情來說傳統(tǒng)的講授模式還是課堂教育的主體。本文著眼于本科生教育,針對本科生的教育教學(xué)中的交互活動設(shè)計了 一套基于視頻數(shù)據(jù)的課堂教學(xué)交互活動信息追蹤方法,具有重要的研究意義和實用性。對于本科生教學(xué),一般形式包含普通講授,研討課和實驗課。普通講授的交互活動主要為教師與學(xué)生的問答環(huán)節(jié),針對此環(huán)節(jié)設(shè)計了一種2DPCA+PCA+SVM的人臉識別方法進(jìn)行交互主體的識別,為了提高識別的精度在其基礎(chǔ)上引入全局競爭和隨機(jī)吸引的概念泛化了和聲搜索算法在復(fù)雜的多極值非線性支持向量機(jī)模型中進(jìn)行參數(shù)尋優(yōu)的能力。同時,對于普通講授方式的交互內(nèi)容進(jìn)行語音識別,并通過語音信息進(jìn)一步提高交互主體的識別效果。... 

【文章來源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１語音識別流程示意圖??Ｆｉｇｕｒｅ?２．１?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｃｌａｓｓｉｃａｌ?ｓｐｅｅｃｈ?ｒｅｃｏｇｎｉｔｉｏｎ?ｐｒｏｃｅｓｓ??

第二章理論基礎(chǔ)??損失添加一正則化項來實現(xiàn)結(jié)構(gòu)風(fēng)險表示，通過正則化項的約束防止過學(xué)習(xí)的發(fā)??生。??假設(shè)樣本數(shù)為ｎ，最小結(jié)構(gòu)風(fēng)險關(guān)系模型如下圖所示。??〃欠擬合｜?｜過擬合??＼?ｉ?？—風(fēng)險邊界—？?ｉ?／??＼＼?丨?置信風(fēng)險??經(jīng)驗風(fēng)險???１?１?１?？??ｈｉ?ｈｋ?ｈｎ?ＶＣ?維??圖２．２最小結(jié)構(gòu)風(fēng)險關(guān)系模型??Ｆｉｇｕｒｅ．２．２?Ｍｉｎｉｍｕｍ?ｓｔｒｕｃｔｕｒａｌ?ｒｉｓｋ?ｒｅｌａｔｉｏｎｓｈｉｐ?ｍｏｄｅｌ??一般在機(jī)器學(xué)習(xí)過程中通過平衡經(jīng)驗風(fēng)險與置信風(fēng)險來調(diào)整模型，減少過擬??合與欠擬合的可能，同時將該思想應(yīng)用于支持向量機(jī)，通過最大化分類邊界獲得??最小的ＶＣ維，從而降低學(xué)習(xí)系統(tǒng)的復(fù)雜性，進(jìn)而實現(xiàn)結(jié)構(gòu)風(fēng)險最小化。??支持向量機(jī)（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ，ＳＶＭ）是一種二分類模型，它的基本??模型是定義在特征空間上不同于感知機(jī)的間隔最大線性分類器；ＳＶＭ通過核函??數(shù)的使用使之處理非線性問題。ＳＶＭ的學(xué)習(xí)策略就是間隔最大化，其等價于一??個求解凸二次規(guī)劃的問題。基本思想是通過對學(xué)習(xí)樣本進(jìn)行非線性映射，將樣本??映射到高維空間中，然后在高維空間中求取幾何間隔最大的分離超平面，并利用??核函數(shù)實現(xiàn)內(nèi)積運算，這樣就使得在維數(shù)增加的情況下，計算復(fù)雜度卻沒有增加。??假設(shè)有訓(xùn)練樣本｛ｘｙｙｊ．ｙｆｔｌ，／＝１，?２，３，．．．，ｙ？，Ｘ，為向量機(jī)輸入，ｎ為??樣本數(shù)，ｙ，．輸出的１和－１代表正常和異常。ＳＶＭ的目標(biāo)就是尋求一個最優(yōu)分類??超平面使》＾?＋?６?＝?０，則滿足??７；．（?ｗｘ．?＋?Ｚ？）?－?１?＞?０???（２－１７）??的訓(xùn)練樣本成為支持

第二章理論基礎(chǔ)??而當(dāng)下最為流行的模型，無疑就是長短期記憶神經(jīng)網(wǎng)絡(luò)（ＬＳＴＭ）與卷積神??經(jīng)網(wǎng)絡(luò)（ＣＮＮ）?了。聲音從本質(zhì)上講可以看成一組連續(xù)的信號，而ＬＳＴＭ本身??能夠很好地處理這類時序問題。ＬＳＴＭ的突出貢獻(xiàn)就是解決了循環(huán)神經(jīng)網(wǎng)絡(luò)??（ＲＮＮ）的長期依賴問題。其主要結(jié)構(gòu)如下：??？?？?？??Ｔ?ｔ?ｔ???？—－ｊ—??Ａ?．Ｕｉｆｉｌ?Ａ?＋??ｈ??Ｊ『??＠?（ｘ＾）??圖２．３長短期記憶神經(jīng)網(wǎng)絡(luò)模型??Ｆｉｇｕｒｅ．２．３?ｌｏｎｇ?ａｎｄ?ｓｈｏｒｔ?ｔｅｒｍ?ｍｅｍｏｒｙ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ??其通過細(xì)胞狀態(tài)保證在鏈?zhǔn)浇Y(jié)構(gòu)下信息傳輸?shù)臅惩�，通過遺忘門，輸入門和輸出??門決定信息的丟棄與添加。這樣的結(jié)構(gòu)使其成為時序問題中的經(jīng)典模型。??一般來說卷積神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于計算機(jī)視覺，但時下很多主流的語音識??別系統(tǒng)都使用其進(jìn)行聲學(xué)建模，例如科大訊飛的語音識別框架。卷積神經(jīng)網(wǎng)絡(luò)可??以提供在時間和空間上的平移不變性卷積，在聲學(xué)建模中可以利用卷積的不變性??來克服語音信號本身的多樣性，從這個角度來看，則可以認(rèn)為是將整個語音信號??分析得到的時頻譜當(dāng)作一張圖像一樣來處理。并且與ＬＳＴＭ相比ＣＮＮ更容易實??現(xiàn)大規(guī)模并行化運算，所以近年來卷積神經(jīng)網(wǎng)絡(luò)成為聲學(xué)建模的新寵。??傳統(tǒng)的語音識別使用語音模型，詞典，語言模型進(jìn)行實現(xiàn)，它們對于整個語??音識別系統(tǒng)都是分開優(yōu)化的，因此這兩個模型優(yōu)化的損失函數(shù)不是相同的，但是??語音識別本質(zhì)上是一個序列識別問題，如果模型中的所有組件都能夠聯(lián)合優(yōu)化，??很可能會獲取更好的識別準(zhǔn)確度，由此研究者們提出了端到端的語音識別。對于??端到端的

【參考文獻(xiàn)】：
期刊論文
[1]用于課堂教學(xué)評估的教師肢體動作檢測[J]. 閆曉煒,張朝暉,趙小燕,賈鸝宇.  中國教育信息化. 2019(16)
[2]課堂環(huán)境雙模態(tài)情感評價系統(tǒng)設(shè)計與效果分析[J]. 郭雯雯,楊鳳梅.  教學(xué)研究. 2019(03)
[3]智慧教育:價值引導(dǎo)與實踐操作的融合[J]. 劉偉.  電化教育研究. 2017(06)
[4]增強(qiáng)現(xiàn)實（AR）技術(shù)的教育應(yīng)用綜述[J]. 蔡蘇,王沛文,楊陽,劉恩睿.  遠(yuǎn)程教育雜志. 2016(05)
[5]基于PCA及機(jī)器學(xué)習(xí)的人臉識別應(yīng)用研究[J]. 沈萍.  計算機(jī)教育. 2016(06)
[6]全局競爭和聲搜索算法[J]. 夏紅剛,歐陽海濱,高立群,孔祥勇.  控制與決策. 2016(02)
[7]智慧教育的三重境界:從環(huán)境、模式到體制[J]. 黃榮懷.  現(xiàn)代遠(yuǎn)程教育研究. 2014(06)
[8]國際智慧教育發(fā)展戰(zhàn)略及其對我國的啟示[J]. 陳耀華,楊現(xiàn)民.  現(xiàn)代教育技術(shù). 2014(10)
[9]國內(nèi)語音識別研究綜述[J]. 于俊婷,劉伍穎,易綿竹,李雪,李娜.  計算機(jī)光盤軟件與應(yīng)用. 2014(10)
[10]智慧教育:教育信息化的新境界[J]. 祝智庭,賀斌.  電化教育研究. 2012(12)

碩士論文
[1]教育學(xué)視域下的智慧教育研究[D]. 劉偉.華中師范大學(xué) 2018



本文編號：3359462