成人远程教育中深度学习的可应用性

成人远程教育中深度学习的可应用性摘要：随着科技的进步，人工智能的发展与普及，作为以远程教育为主的成人高校不断优化网上学习资源在保证统一的学习环境下为每个学生打造适合自己的专属课程不断优化教学模式是成人教育高校学习支持服务一直努力的方向针对学生用户的个性特征需求差异推荐个性化教育资源是当今智能化学习领域研究的重点之一，也是我们构建个性化学习支持服务的关键。关键词：机器学习；深度学习；推荐算法；远程教育深（prg，叫层习，机学领研的支它是学习本据表层和在律学的程获某信于据的解有大助如文数的习网上获关字对像据的学，行脸别等。一、度习展述深度学习是机器学习领域里一种对数据进行表征学习的方法。一句话总结三者之间的关系就是：“机器学习，实现人工智能的方法；深度学习，实现机器学习的技术深度学习目前是机器学习和人工智能领域研究的主要方向为计算机图形学计算机视觉等领域带来了革命性的进步机器学习最早在1980年被提出，1984年分类与回归树出现，直到1986年，Rumelhart等人反向传播（Baca-tion，BP）算法的提出，解决了感知模型只能处理线性分类的问题1989年出现的卷积神网络（Cotneat-ws，N）也此得到了一定的发展。在1990年至2012年，机器学习逐渐成熟并施以应用，n在2006年设出了度念络决反向播法经络中梯消的题式出深学的念逐走深度习速展的时期。随后，各种具有独特神经处理单元和复杂层次结构的神经网络不断涌现，深度学习技术不断提高人工智能领域应用方面的极限。二、深度学习主要模型1（oiuwsN着。的，，取。，，后在N神，、。积，（r（r、全连接层（fr。卷积层是卷积神经网络的核心部分，通过一系列对图像像素值进行的卷积运算得到图像的特征信息同时不断地加深节点矩阵的深度从而获得图像的深层特征池化层的本质是对特征图像进行采样除去冗杂信息增加运算效率不改变特征矩阵的深度全连接将层间所有神经元两两连接在一起对之前两层的数据进行分类处理CNN的训练过程有监的，各种数在练的程中断优到得最好结果目卷神经络的改模型被广研究全积神网（Flvtartrs，N（DnuartksCN等2、循环神经网络区别于卷积神经网络在图片处理领域的应用，循环神经网络（Rk，RN）主要应用在自然语言处理领域。RNN最大的N是以序列的方式对数据进行读取，这也是RNN最为独特的特征。RNN的串联式结构适用于时间序列的数据可以完好保持数据中的依赖关系循环神经网络主要有三层结构输入层隐藏层和输出层隐藏层的作用是对输入层传递进来的数据进行一系列的运算并将结果传递给输出层进行输出RNN可用于许多不同的地方下面是RNN应用最的域1.语言建模和文本生成给出一个词语序列试着预测下一个词语的可能性这在翻译任务中是很有用的因为最有可能的句子将是可能性最高的单词组成的句子；2.语音识别；3.生成图像描述，RNN一个非常广泛的应用是理解图像中发生了什么从而做出合理的描述这是CNN和RNN相合用。CNN做图割，RNN用分割后数据重描述。种应用虽然基4.频3（dwsDNN可络DNN其实也是指的一个东西，DNN有时也叫做多层感知机（Mu-t-LaP。DNN内部的神经网络层也是分为三类，输入层，隐藏层和输出层，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。深度神经网络（DNN目作为许人工智应用的础并且语音识和图像识上有突破性应用。N的发展也非常迅猛，被应用到工业自动驾驶汽车、医疗癌症检测等领域在这许多领域中深度神经网络技术能够超越人类的准确率但同时也存在着计算复杂度高的问题因此那些能够解决深度神经网络表现准确度或不会增加硬件成本高效处理的同时又能提升效率和吞吐量的技术是现在人工智能领域能够广泛应用DNN技术的关键。三、深度学习在教育领域的影响1学生学习方面通过网上学习的实时反馈数据对学生的学习模式进行研究并修正现有教学模式存在的不足分析网络大数据相对于传统在线学习本质区别过，等，的，学，很来，使教学工作良好发展更进一步。2、教学方面学台的数据能够对教学模式的适应度进行预测通过学生的考试成绩和对教师的线上评价等加以分析能够预测出某一阶段的教学方式发发是否可行影响如何通过学生与教师的在线互动学生测验时完成的时间与完成的结果都会产生大量的有效的数据都可以为教师教学支持服务的更好开展提供帮助从而避免低效率的教学模式造成教学资源的浪费。四、成人远程教育中深度学习技术的可应用性深度学习方面的应用在众多领域都取得了成功比如电商商品推荐图像识别、自然语言处理棋类博弈等等在远程教育方面深度学习的技术还有很大的发挥空间智能网络教育的实现是人们的众望所盼若要将深度学习技术应用到远程教育平台，首先要清楚学生的需求和教学资源如何分配。1、针对学生的学习需求与学习特征进行分析美国斯坦福大学克里斯皮希研究团队的研究成果显示，通过对学生知识学习进行时间建模，可以精确预测出学生对知识点的掌握情况，以及学生在下一次学习中的表现深度学习的应用可以帮助教师推测出学生的学习能力发展水平通过学生与教学环境的交互行为分析其学习风格避免教师用经验进行推断而产生的误差。2、教学资源的利用与分配深度学习技术能够形成智能的分析结论计算机实时采集数据集对学生的学习情况加以分析使教师对学生的学习状态情绪状态等有更加清晰准确的了解有了上面良好的教学模式教师对学生的学习状态有了更准确的掌握对学生的学习结果就有了更科学的教学评价基于深度学习的人工智能技术还可以辅助教师实现智能阅卷，通过智能阅卷自动总结出学习中出现的问题帮助教师减少重复性劳动减轻教师负担。作为成人高校，远程教育是我们的主要教学手段，也是核心教学方式，学校的教学必定是在学生方便学习的同时以学生的学习效果为重通过深度学习技术可以科学地分析出学生的学习效果对后续教与学给予科学可靠的数据支撑我们可以在平台上为每位同学建立学习模型根据学生的学习习惯为其将学生正式在线参加学习和考试的学习行为和非学习时间浏览网站的行为结合到一起，更加科学地分析出学生在学习网站上感兴趣的地方。采用深度学习算法，根据学生学习行为产生的海量数据推算出学生当前状态与目标状态之间的差距，做到精准及时的学习需求反馈有助于帮助学生明确学习目标教师确立教学目标真正做好因材施教基于深度学习各种智能识别技术可以为教师的线上教学活动增光添彩在反馈学生学习状态的同时采用多种形式的教学方法吸引学生的注意力，增强教学活动的互动性，达到良好的教学效果。人工智能是影响世界各领域的关键技术，它也必将与教育相互融合，也终将会改变教育的形态深度学习技术作为当前科技的前沿技术我们需要对深度学习技术在教育中的应用进行探讨用技术完善教学过程优化学习效果作为成人高校教师我们始终贯彻以学生为中心的教育理念对深度学习技术不断学习与研究不断丰富学校教育教学的手段为教育现代化最终目标的实现提供无限可能。参考文献：[1]刘毅铭深学习研究与用综述[J].绿色科技,2019,(6).[2]张晓芳，张论器学习其在教中的应用[J].信息与电脑,2015,(24).[3]董慧慧人工智能深度学习概念研究与综[J].