简介：复杂学习是一种为达成多种学习目标的综合学习。它不是孤立知识碎片的简单组合，而是将知识、技能和态度进行协调与综合从而成为一个整体，并使之能够灵活运用在真实情境中以解决实际问题。网络教学环境所具备的灵活、开放、可共享、支持个性化学习等优势对复杂学习的进行十分有利，但同时，这些优势本身并不能保证学习者适应这种学习形式。针对复杂学习特点，在网络教学环境的设计上应：有利于真实任务情境的呈现、有利于知识与教学资源的结构化组织、有利于多元化的知识表征和应用、有利于多用户角色的交流互动、有利于进度监控与反馈。

简介：摘要：电网规模随着我国经济的增长也随之出现不断扩大的态势，而且其结构也由简单变得复杂，所以这也就会使很多大型大网因此原因出现互联并引起低频振荡等问题，从而使电力设备或者电力系统出现损坏并影响正常的运行状态。所以，以确保电网安全运行为目标，本文基于深度学习算法对电力系统低频振荡进行了分析，以期可以证明深度学习算法在低频振荡模式中的辨识有效性。

简介：传统的直线制组织管理模式的思想基础是机械还原论,不能适应时代发展的要求.学习型组织是针对19世纪、20世纪组织管理的弊端,全球经济的新环境与组织管理的新要求而提出的,是更具人性的复杂性组织.学习型组织重在强调思维方式的变革,提升系统思维的能力,从机械观走向系统观,从简单性思维走向复杂性思维.

简介：本文横向考察了国内某重点大学英语专业四个年级口语句法复杂性的发展模式。句法复杂性包括句法多样化程度和句法复杂化程度，其中后者包括单位长度和子句密度（或内嵌度）两类。单位长度用T单位长度和子句长度指标测量；子句密度用T单位复杂性比率和从属句比率指标测量。研究发现，学习者的句法长度随年级的增加呈上升发展趋势，且发展速度较快；子句密度呈迂回式发展，三年级学习者在口语子句密度发展方面具有“高原效应”，呈现出大幅下降趋势；且长度指标的发展速度明显快于子句密度。

简介：

简介：引入＂学习效应＂的思想,构建了一类具有学习效应的有限理性古诺竞争模型,利用非线性动力系统的分支理论研究了该模型均衡点的存在性与稳定性,并进行了对比研究与数值仿真。研究结果表明学习效应对动态古诺竞争复杂性有显著影响：系统稳定域随着企业学习效应的增强而增大;系统到达均衡的速度随着企业学习效应的增强而加快;企业产量调整速度的变化对模型的稳定性有较明显的影响。

简介：采用个人关系类别间接性学习研究范式,设计关系复杂性不断增加的三种关系类别学习材料,通过功能预测任务和维度选择任务,探查了学习程度和关系复杂性对个人关系类别间接性学习的影响.结果发现：两种任务中关系复杂性影响效应不显著；维度选择任务中成绩组影响效应显著,且在选择性注意整体水平、指向性水平和集中性水平上表现不同.

简介：借鉴复杂的物理与社会系统（physicalandsocialsystems）的研究视角和方法,本文提出一个新的学习概念化框架来指导教育研究。我们认为,学习发生的情境是一个复杂系统,含有不同层次的元素与主体（agents）,包括神经、认知、个人、人际、文化等,这个系统在各个层次上都存在交互式反馈,从而使整个系统产生在个体或局部层次上不具备的集体复杂特征。我们分析了认知与情境理论长期以来的争论（debate）,并提出一个学习的复杂系统概念化框架（CSCFL）。我们最终总结了CSCFL可能对教育研究产生的广泛影响。

简介：以216名大学生为被试,使用关系复杂性变化的三种虚拟外星生物实验材料,创设个人功能预测的关系类别的间接性学习条件和参照性交流功能预测的关系类别的间接性学习条件,探讨关系复杂性对关系类别间接性学习的影响。结果发现：关系类别的功能预测间接性学习过程中,关系复杂性和学习条件的交互作用极其显著,具体来讲,关系复杂性对关系类别间接性学习的影响仅显著地表现在参照性交流关系类别间接性学习过程中;当学习材料为4特征复杂关系时,参照条件下被试功能预测成绩极其显著高于个人条件,当学习材料为6特征复杂关系加二阶同功能简单关系时,两种学习条件间不存在显著差异,当学习材料为6特征复杂关系加二阶异功能简单关系时,个人条件极其显著高于参照条件。

简介：摘要当前的深度学习方法使用在基于大型图形处理单元（GPU）的计算机上训练的卷积神经网络（CNN）非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中，评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构，高性能计算(HPC)来自动确定网络拓扑结构，以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制，实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明，量子计算机可以在网络复杂度增加的情况下，在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中，神经形态计算机可以表示其他结构的复杂拓扑结构和权值。

简介：摘要当前的深度学习方法使用在基于大型图形处理单元（GPU）的计算机上训练的卷积神经网络（CNN）非常成功。该方法的三个局限性是1)基于简单的分层网络拓扑结构;2)网络采用人工配置以达到最优效;3)神经元模型的实现在成本和功耗上都比较昂贵。在本文中，评估了使用三种不同的计算架构来解决这些问题的深度学习模型量子计算来训练复杂的拓扑结构，高性能计算(HPC)来自动确定网络拓扑结构，以及低功耗硬件的神经形态计算。由于目前量子计算机的输入尺寸限制，实验中使用MNIST数据集。结果显示了将这三种架构结合使用来解决上述深度学习限制的能力。结果表明，量子计算机可以在网络复杂度增加的情况下，在可控制的时间内找到高质量的层内连接权值;高性能计算机可以找到最优的基于层的拓扑结构;在低功耗记忆硬件中，神经形态计算机可以表示其他结构的复杂拓扑结构和权值。

简介：摘要：在面向超高维、多工况的复杂装备优化问题时，现有优化算法求解效率低，本文提出了增强学习驱动的精确制导武器总体方案智能生成技术，主要设计工作由“高维耦合设计变量的协调”转变为“总体方案综合性能的评价”；设计人员的视角由“参数空间”转向“环境空间”，实现导弹方案与环境交互自学习生成，形成增强学习驱动的精确制导武器总体方案智能生成模型构建技术和理论方法，为拦截弹等复杂武器装备的核心性能和设计能力提升提供新手段和工具。

简介：1总则1.1《复杂系统与复杂性科学》是经国家科学技术部批准,由青岛大学主办的全国性学术刊物,季刊,国内外公开发行,为中国自动化学会系统复杂性专业委员会会刊、中国科技核心期刊、中国科学引文数据库来源期刊。

简介：

简介：1总则1．1《复杂系统与复杂性科学》是经国家科学技术部批准，由青岛大学主办的全国性学术刊物，季刊，国内外公开发行，为中国自动化学会系统复杂性专业委员会会刊。

简介：1总则1.1《复杂系统与复杂性科学》是经国家科学技术部批准,由青岛大学主办的全国性学术刊物,季刊,国内外公开发行,为中国自动化学会系统复杂性专业委员会会刊、中文核心期刊、中国科技核心期刊、中国科学引文数据库来源期刊。1.2本刊秉承科教兴国,百花齐放,百家争鸣的方针。主要发表复杂系统与复杂性科学在不同领域的最新理论及应用研究成果,也适当刊登综述与评论、学术动态等文章。1.3来稿要求主题明确、数据可靠、逻辑严密、文字精练。

简介：1总则1.1《复杂系统与复杂性科学》是经国家科学技术部批准,由青岛大学主办的全国性学术刊物,季刊,国内外公开发行,为中国自动化学会系统复杂性专业委员会会刊。1.2本刊秉承科教兴国,百花齐放,百家争鸣的方针。主要发表复杂系统与复杂性科学在不同领域的最新理论及应用研究成果,也适当刊登综述与评论、学术动态等文章。

简介：

简介：1总则1．1《复杂系统与复杂性科学》是经国家科学技术部批准，由青岛大学主办的全国性学术刊物，季刊，国内外公开发行，为中国自动化学会系统复杂性专业委员会会刊、中文核心期刊、中国科技核心期刊、中国科学引文数据库来源期刊。

简介：