简介:目前,大学英语网络自主学习已成为我国大学英语教学的一个重要组成部分,然而学生自主学习热情并不高,自主学习能力比较薄弱。采用问卷调查和深度访谈的研究方法,就网络自主学习费时低效问题进行了实证研究。研究发现,影响自主学习效率既有学生自身原因,也有教师指导、网络平台、学习内容、评价体系等因素。基于以上发现,进一步探讨了自主学习能力培养途径及相关启示。
简介:为解决马铃薯图片的分类检测问题,提出了基于卷积神经网络的图像分类方法.利用卷积神经网络自动学习图像特征的优势解决马铃薯图像的分类问题,分别研究了基于ResNet、DenseNet和CaffeNet的神经网络模型图像分类方法,比较了不同分类方法的准确率,同时利用可视化工具提取网络中的特征图,结合测试结果对网络模型进行调整,降低图像分类的错误率,并且针对样本容量较小时易造成网络模型过拟合的缺点,采用留一法和其他方法来处理样本图片,以提高训练的网络精度.该次研究中训练的三种神经网络模型正确地对马铃薯图像特征进行了提取,网络的识别准确率较高,达到了生产检测的标准.
简介:为了解决当前工业仪表示数在采图环境恶劣和样本数据量大的情况下所导致的算法识别不准确的问题,分别从特征学习与机器学习识别的角度出发,提出了基于特征学习与支持向量机的工业仪表状态识别算法。首先,提取仪表图像区域字符的几何特征和颜色特征,对这些提取出的特征进行归一化处理,设计出特征提取分析算子,达到精准提取有用特征数据的目的。然后,基于支持向量机,计算出分类器的最优平面和约束条件,从而建立仪表识别算子,进一步精确识别仪表示数。最后,基于软件开发环境QT实现算法,并系统集成。实验测试结果显示:与当前仪表识别技术相比,此算法拥有更高的准确性与稳定性,能够准确地根据仪表数字识别出电压,从而确定仪表工作状态是否正常。