论文部分内容阅读
碎片化传播对大学生自主学习的影响研究
【摘 要】
：
在我国教育飞速发展进程中,自主性学习在各个教育阶段当中都有集中体现,而自主性学习也是目前大学生群体所采用的一种普遍学习方式。在“碎片化”时代飞速发展的背景下,人们日常生活、学习与工作过程中所接受到的信息也呈现出碎片化趋势,因此结合实际情况对“碎片化”时代大学生自主性学习问题加以深入研究就显得十分必要。从碎片化传播的外在表现看主要表现为传播内容、传播时空、受众注意力与传播载体碎片化,这种情况必然会对
【出 处】
：
黑龙江大学
【发表日期】
：
2021年09期
其他文献
计算机视觉是人工智能领域的一个重要分支,催生了许多实际应用,例如视频安全监控、交通违章车牌识别、人脸检测、自动驾驶等。然而雾对这些应用产生了严重的干扰。雾是一种常见的气象,它能够遮挡视频图像中的物体,从而影响机器对图片内容的解析。因此,如何将图像中的雾去除,把有雾图像还原成无雾图像,成为计算机视觉领域中被广泛讨论的问题。相比于其它的神经网络,卷积神经网络(Convolutional Neural
学位
深度学习的发展使得人工智能取得了很大的进步,伴随着人工智能技术走进我们的生活,具有良好人机交互性的聊天机器人也在不断发展。因此研究将深度学习技术应用于智能聊天机器人系统是很有价值和前景的。智能聊天机器人由文本预处理模块和自然语言生成模块两部分组成。文本预处理模块帮助模型理解自然语言,自然语言生成模块帮助模型学习人类对话的方式,两个模块均使用深度学习模型进行搭建。文本预处理模块包括获取数据、数据清洗
学位
为了更好地规制网络服务提供者怠于履行信息网络安全管理义务的行为,《刑法修正案(九)》中新增了一项罪名——拒不履行信息网络安全管理义务罪。但由于本罪主体类型认定模糊、义务界限不清晰、兜底性条款不明确、罪过形式有争议等问题,造成本罪在司法实践中陷入“适用难”的困境。本文在对拒不履行信息网络安全义务罪的基本理论进行探究的基础上,以朱某非法开展VPN业务一案引出的四个争议焦点为切入点,深入探讨本罪的构成要
学位
BERT是一种基于深度双向transformer的语言预训练模型。经过微调后,BERT能在不同任务中实现最先进的性能。BERT具有数亿个参数,训练和推理的时间长,限制了其在计算资源不充足的场景下的应用。最近的研究使用知识蒸馏(Knowledge Distillation)将BERT压缩成更小,更轻,推理更快的BERT模型。然而,通常模型尺寸减小也意味着性能降低。本论文的研究目的为:在蒸馏压缩BER
学位
互联网的高速发展使得我们早已步入“大数据”时代。但是海量数据也让人们面临严峻的“信息过载”问题,推荐系统作为有效的应对手段之一应用在现实生活中的众多场景中。因此,研究推荐系统十分有价值和意义。推荐系统的目的在于有效地挖掘用户兴趣并缓解信息过载的问题。目前主流的推荐系统倾向于从用户和商品的历史交互行为中挖掘出用户的兴趣爱好并形成推荐。但当交互数据比较稀疏时,这类推荐系统的性能会下降。目前常用的众多推
学位
在打井工作中,由于无法很好地实现各企业车辆要求的同步和协调,导致车辆利用率低。为了最大化车辆的利用率,本文采用工作块建模的方式,使得排程时尽量做到每个车辆的工作量均衡。这样就可以满足不同任务所需的时间、车辆数量和种类的约束,最终建立适用于不同打井生产队的车辆排程模型,并且通过对模型求解得出满足打井工作的最优车辆调度方案。将该系统用于某打井公司,验证了本文建立的车辆排程模型的合理性和优越性。车辆排程
学位