面向智能教育的自适应学习关键技术与应用

来源 :智能系统学报 | 被引量 : 0次 | 上传用户:madeshabi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文是关于我们获得2020年度吴文俊人工智能科学技术奖主要工作的一个介绍.该成果针对自适应学习中面临的教学资源表示困难、学习状态诊断困难以及学习策略设计困难等关键技术难题,首先构建数据驱动的教学资源无监督表示新框架,提高了教学资源质量评估和内容检索的精度和效率.其次提出基于深度学习的学习者认知诊断新方法,突破了以量表为基础的教育测量理论研究范式.然后设计基于知识匹配的个性化推荐技术以及多目标匹配的自适应推荐技术,满足了智能教育场景的复杂约束与学习者的多样目标需求.最后,本文成果研发了面向基础教育的智能教育系统——智学网,已在全国推广使用,对我国智能教育发展具有积极意义.
其他文献
期刊
期刊
期刊
人工智能已经上升为国家战略,习近平总书记多次在重要讲话中明确指出:“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手,是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源”“人工智能是引领这一轮科技革命和产业变革的战略性技术,具有溢出带动性很强的\'头雁效应\'”.作为全球竞相争夺的科技制高点,人工智能将在人类未来发展进程中发挥不可替代的重要作用.
期刊
当前机器学习等算法的计算、迭代过程日趋复杂,充足的算力是保障人工智能应用落地效果的关键.本文首先提出一种适应倾斜数据的分布式异构环境下的任务时空调度算法,有效提升机器学习模型训练等任务的平均效率;其次,提出分布式异构环境下高效的资源管理系统与节能调度算法,实现分布式异构环境下基于动态预测的跨域计算资源迁移及电压/频率的动态调节,节省了系统的整体能耗;然后构建了适应于机器学习/深度学习算法迭代的分布式异构优化环境,提出了面向机器学习/图迭代算法的分布式并行优化基本方法.最后,本文研发了面向领域应用的智能分析