检索结果-南通市图书馆

On co-teaching and Language Immersion

在线全文

学校读者我要写书评

暂无评论

疯狂英语（理论版） 2016年第2期 23-27页

作者：黄子艿海南外国语职业学院海南文昌571321

The purpose of this paper is to reflect upon a pedagogic experience that was conducted by the two authors.A typical image of teaching usually points to a teacher standing out alone before a class of 20 or 30 *** this case,we had two teachers working together in an English class with a group of 30 Chinese young boys and girls in a higher education institution in Hainan,*** experience meant assuming a non-traditional pedagogy,which was a challenge for us considering that we had never worked together before and that the group of students was unknown to *** tried to encourage the students to act within the concept of active learning as opposed to passive *** we tried to do this in an environment that could foster language immersion as much as *** task proved to be a challenging one.

关键词： co-teaching active learning good classroom community suggestions

co-teaching在英语翻译教学中的应用

在线全文

学校读者我要写书评

暂无评论

高教学刊 2015年第17期1卷 80-81页

作者：李力北京工业大学耿丹学院北京100000

本文在分析co-teaching教学模式的基础上,阐释了co-teaching在英语翻译课程教学中的应用,以期为翻译教学改革提供理论支持,提高翻译课程的教学质量。

关键词： co-teaching 翻译教学教学改革

牛津大学EMI co-teaching教学方法的研究与实践

在线全文

学校读者我要写书评

暂无评论

科教导刊 2020年第3期 11-12页

作者：卢选民王娟西北工业大学电子信息学院陕西西安710072 西北工业大学外国语学院陕西西安710072

在高等教育国际化发展如火如荼的今天,如何更好地开展英文媒介教学活动是高等教育工作者必须思考的重要问题.本文以牛津大学EMI(English Medium Instruction:英文媒介教学)中的co-teaching教学方法为研究对象,探讨如何把不同专业的教学... 详细信息

在高等教育国际化发展如火如荼的今天,如何更好地开展英文媒介教学活动是高等教育工作者必须思考的重要问题.本文以牛津大学EMI(English Medium Instruction:英文媒介教学)中的co-teaching教学方法为研究对象,探讨如何把不同专业的教学内容通过多种教学方式协作起来,促进学生的交叉学科学习和全面发展,激发学生的创新思维,以达到提高教学效果和培养复合型人才的目的.

关键词： EMI co-teaching 高等教育国际化交叉学科复合型人才

combating with extremely noisy samples in weakly supervised slot filling for automatic diagnosis

在线全文

学校读者我要写书评

暂无评论

Frontiers of computer Science 2023年第5期17卷 67-73页

作者： Xiaoming SHI Wanxiang CHE School of computer Science and Technology Harbin Institute of TechnologyHarbin 150001China

Slot filling,to extract entities for specific types of information(slot),is a vitally important modular of dialogue systems for automatic *** responses can be regarded as the weak supervision of patient *** this way,a large amount of weakly labeled data can be obtained from unlabeled diagnosis dialogue,alleviating the problem of costly and time-consuming data ***,weakly labeled data suffers from extremely noisy *** alleviate the problem,we propose a simple and effective co-Weakteaching *** method trains two slot filling models *** two models learn from two different weakly labeled data,ensuring learning from two ***,one model utilizes selected weakly labeled data generated by the other,*** model,obtained by the co-Weakteaching on weakly labeled data,can be directly tested on testing data or sequentially fine-tuned on a small amount of human-annotated *** results on these two settings illustrate the effectiveness of the method with an increase of 8.03%and 14.74%in micro and macro f1 scores,respectively.

关键词： dialogue system slot filling co-teaching

Student Centered Approach-An Experimental Report

在线全文

学校读者我要写书评

暂无评论

德宏师范高等专科学校学报 2006年第1期15卷 55-63页

作者：段丽芳德宏师范高等专科学校外语系

Student centered approach is a communicative teaching approach in foreign language teaching. With student centered approach, students obtain different English abilities, especially listening skill and speaking skill. In the way of co-teaching, the author used student centered as a way to teach in one of her non-major English classes as a professional exploration in terms of basic language teaching. Here, she would like to share her experience in this report, with the focuses on reflections on the lessons, how student centered affects learning to the students and student’s attitudes toward it.

关键词： student centered approach co-teaching reflection,students’ point of view

基于图卷积神经网络的运动想象脑电识别方法研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于图卷积神经网络的运动想象脑电识别方法研究

作者：张壹帆国防科技大学

学位级别：硕士

运动想象是主动式脑机接口技术应用最为广泛的范式之一。基于运动想象的脑机接口通过检测受试想象特定运动任务的脑电信号,将识别到的模式映射到控制指令上,进而实现人脑和外部设备之间的通信。因此,运动想象范式下脑电信号的可识别类... 详细信息

运动想象是主动式脑机接口技术应用最为广泛的范式之一。基于运动想象的脑机接口通过检测受试想象特定运动任务的脑电信号,将识别到的模式映射到控制指令上,进而实现人脑和外部设备之间的通信。因此,运动想象范式下脑电信号的可识别类别数目与分类准确率直接关系到脑机接口技术的应用。本文以运动想象脑电识别任务为背景,探索适用于该任务的特征提取和分类方法。论文主要工作包括以下三个方面的内容:面向运动想象脑电识别任务的时空图建模。本文引入基于脑电信号的功能连接分析方法,对不同脑区计算连接系数,结合时间序列构建成时空图。时空图可以看作是空间上为图的时间序列,即每个时间采样点上,观测值均为一个具有空间依赖的图。本文将运动想象脑电信号识别问题转换成时空图分类问题。面向运动想象脑电识别任务的图卷积神经网络模型。随着深度学习的发展,目前已有较多学者在运动想象脑电识别任务中引入深度神经网络模型,例如卷积神经网络和循环神经网络。深度神经网络的结构特性使得端到端分类成为可能性,但由于脑电信号在空间上并非规则排列,本文将其抽象成时空图。在对时空图特征的提取和分类方面,本文构建基于图卷积运算的神经网络模型实现端到端的分类算法。为提高图卷积神经网络模型的特征表达能力,本文进一步引入残差连接和注意力机制,构建深度注意力图卷积神经网络模型。在实验过程中,本文兼顾网络模型的离线特征提取能力和部署在实时脑机接口系统中的可行性,提出了两种数据集划分协议。将模型在两种协议下分别测试,验证了所提出模型在离线和在线、单受试和多受试、二分类和多分类等多个尺度上的性能,给运动想象脑电识别任务带来了显著的性能提升。面向含噪声运动想象脑电数据集的训练框架。针对脑电信号噪声高的特性,为避免深度网络在噪声样本上过拟合,本文首次提出一种基于co-teaching的抗噪学习框架,在多受试上学习到一个具备通用运动想象知识的预训练模型。该预训练模型可以作为新受试的先验知识,在脑电信号采集周期长和终端设备计算能力受限的情况下,能够有效降低算法部署的代价,具有实际应用价值。

关键词：运动想象脑电识别时空图深度图卷积 co-teaching

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于协同教学的带噪声标签图像分类方法研究

基于协同教学的带噪声标签图像分类方法研究

作者：魏启亮南京理工大学

学位级别：硕士

深度学习自问世以来就备受关注,因其由数据驱动无需手动设计特征,故被广泛应用于目标检测与分割、图像超分辨重建、图像恢复与增强等计算机视觉相关领域中,而图像分类作为其他计算机视觉任务的基础是深度学习领域的研究热点之一。深度... 详细信息

深度学习自问世以来就备受关注,因其由数据驱动无需手动设计特征,故被广泛应用于目标检测与分割、图像超分辨重建、图像恢复与增强等计算机视觉相关领域中,而图像分类作为其他计算机视觉任务的基础是深度学习领域的研究热点之一。深度学习为图像分类任务带来了新方案同时也将面临无法避免的挑战:深度学习处理分类任务主要以监督学习为主,需要大量被准确标注的数据集,然而数据集在收集过程中则不可避免的会出现错误标注的情况。这种未能准确标注样本类别信息的标签被称为“噪声标签”,噪声标签的存在会显著影响深度模型的性能。本文深入总结和分析了噪声标签条件下的深度图像分类算法研究现状,以协同教学(co-teaching)方法为基础,研究了如何降低噪声标签对深度模型性能的影响以提升图像分类的准确度。本文的主要贡献如下:(1)提出鉴别协同教学方法(Discerning coteaching,DC),其为一种能自主分辨噪声标签的协同教学方法,解决了噪声标签难以分离的问题。传统的co-teaching方法需要使用噪声标签的比例作为先验知识以辅助训练,然而噪声标签的比例在实际应用中几乎无法获取。针对该问题,本文结合深度学习与交叉熵损失函数的特点,并根据损失值分布特征将噪声标签和非噪声标签分离,噪声标签对应的样本直接抛弃,而剩余样本则用于更新网络参数,以此来提升模型的性能。实验结果表明本文方法能有效分离噪声标签和非噪声标签,并且进一步提升了模型的分类精度。(2)提出带有标签修正的鉴别协同教学方法(Discerning coteaching with Label correction,DCLC),解决了因抛弃噪声标签对应的样本而造成的数据浪费问题。无论是co-teaching方法还是本文提出的鉴别协同教学方法,噪声标签对应样本的处理方法均为直接抛弃,这样造成了资源浪费。因此本文设计了一种修正噪声标签的机制,在训练的过程中使用模型的预测值代替原本应该被抛弃的噪声标签,以此来增加参与模型更新的样本数量,以达到提升模型性能的目的。实验结果表明,本方法能大幅降低噪声标签的比例并提升模型分类的精度。(3)提出带有标签修正和dropout机制的鉴别协同教学方法(Discerning coteaching with Label correction and Dropout,DCLCD),解决了标签分离与修正不准确的问题。本文提出的DCLC方法在分离噪声标签和纯净标签时少量的标签会被误分,后续训练也无法纠正该类标签。同样一旦标签修正发生错误,后续训练也无法纠正。针对这两个问题本文在样本选择和标签修正时引入dropout机制,使模型具有更强的鲁棒性,样本分离和标签修正机制都有更多次机会。实验表明,本方法能得到更好的分类和修正结果。(4)将(1)、(2)、(3)中提出的方法应用到高光谱遥感图像(Hyperspectral Image,HSI)分类领域中,验证了本文所提出方法在处理三维的HSI分类任务时同样有效。实验证明本文提出的方法能增强模型的鲁棒性,改善噪声标签带来的影响,提高分类的准确度。

关键词：图像分类噪声标签标签修正 co-teaching