成人遠程教育中深度學習的可應用性摘要：隨著科技的進步，人工智能的發(fā)展與普及，作為以遠程教育為主的成人高校不斷優(yōu)化網(wǎng)上學習資源在保證統(tǒng)一的學習環(huán)境下為每個學生打造適合自己的專屬課程不斷優(yōu)化教學模式是成人教育高校學習支持服務一直努力的方向針對學生用戶的個性特征需求差異推薦個性化教育資源是當今智能化學習領域研究的重點之一，也是我們構(gòu)建個性化學習支持服務的關(guān)鍵。關(guān)鍵詞：機器學習；深度學習；推薦算法；遠程教育深（prg，叫層習，機學領研的支它是學習本據(jù)表層和在律學的程獲某信于據(jù)的解有大助如文數(shù)的習網(wǎng)上獲關(guān)字對像據(jù)的學，行臉別等。一、度習展述深度學習是機器學習領域里一種對數(shù)據(jù)進行表征學習的方法。一句話總結(jié)三者之間的關(guān)系就是：“機器學習，實現(xiàn)人工智能的方法；深度學習，實現(xiàn)機器學習的技術(shù)深度學習目前是機器學習和人工智能領域研究的主要方向為計算機圖形學計算機視覺等領域帶來了革命性的進步機器學習最早在1980年被提出，1984年分類與回歸樹出現(xiàn)，直到1986年，Rumelhart等人反向傳播（Baca-tion，BP）算法的提出，解決了感知模型只能處理線性分類的問題1989年出現(xiàn)的卷積神網(wǎng)絡（Cotneat-ws，N）也此得到了一定的發(fā)展。在1990年至2012年，機器學習逐漸成熟并施以應用，n在2006年設出了度念絡決反向播法經(jīng)絡中梯消的題式出深學的念逐走深度習速展的時期。隨后，各種具有獨特神經(jīng)處理單元和復雜層次結(jié)構(gòu)的神經(jīng)網(wǎng)絡不斷涌現(xiàn)，深度學習技術(shù)不斷提高人工智能領域應用方面的極限。二、深度學習主要模型1（oiuwsN著。的，，取。，，后在N神，、。積，（r（r、全連接層（fr。卷積層是卷積神經(jīng)網(wǎng)絡的核心部分，通過一系列對圖像像素值進行的卷積運算得到圖像的特征信息同時不斷地加深節(jié)點矩陣的深度從而獲得圖像的深層特征池化層的本質(zhì)是對特征圖像進行采樣除去冗雜信息增加運算效率不改變特征矩陣的深度全連接將層間所有神經(jīng)元兩兩連接在一起對之前兩層的數(shù)據(jù)進行分類處理CNN的訓練過程有監(jiān)的，各種數(shù)在練的程中斷優(yōu)到得最好結(jié)果目卷神經(jīng)絡的改模型被廣研究全積神網(wǎng)（Flvtartrs，N（DnuartksCN等2、循環(huán)神經(jīng)網(wǎng)絡區(qū)別于卷積神經(jīng)網(wǎng)絡在圖片處理領域的應用，循環(huán)神經(jīng)網(wǎng)絡（Rk，RN）主要應用在自然語言處理領域。RNN最大的N是以序列的方式對數(shù)據(jù)進行讀取，這也是RNN最為獨特的特征。RNN的串聯(lián)式結(jié)構(gòu)適用于時間序列的數(shù)據(jù)可以完好保持數(shù)據(jù)中的依賴關(guān)系循環(huán)神經(jīng)網(wǎng)絡主要有三層結(jié)構(gòu)輸入層隱藏層和輸出層隱藏層的作用是對輸入層傳遞進來的數(shù)據(jù)進行一系列的運算并將結(jié)果傳遞給輸出層進行輸出RNN可用于許多不同的地方下面是RNN應用最的域1.語言建模和文本生成給出一個詞語序列試著預測下一個詞語的可能性這在翻譯任務中是很有用的因為最有可能的句子將是可能性最高的單詞組成的句子；2.語音識別；3.生成圖像描述，RNN一個非常廣泛的應用是理解圖像中發(fā)生了什么從而做出合理的描述這是CNN和RNN相合用。CNN做圖割，RNN用分割后數(shù)據(jù)重描述。種應用雖然基4.頻3（dwsDNN可絡DNN其實也是指的一個東西，DNN有時也叫做多層感知機（Mu-t-LaP。DNN內(nèi)部的神經(jīng)網(wǎng)絡層也是分為三類，輸入層，隱藏層和輸出層，一般來說第一層是輸入層，最后一層是輸出層，而中間的層數(shù)都是隱藏層。深度神經(jīng)網(wǎng)絡（DNN目作為許人工智應用的礎并且語音識和圖像識上有突破性應用。N的發(fā)展也非常迅猛，被應用到工業(yè)自動駕駛汽車、醫(yī)療癌癥檢測等領域在這許多領域中深度神經(jīng)網(wǎng)絡技術(shù)能夠超越人類的準確率但同時也存在著計算復雜度高的問題因此那些能夠解決深度神經(jīng)網(wǎng)絡表現(xiàn)準確度或不會增加硬件成本高效處理的同時又能提升效率和吞吐量的技術(shù)是現(xiàn)在人工智能領域能夠廣泛應用DNN技術(shù)的關(guān)鍵。三、深度學習在教育領域的影響1學生學習方面通過網(wǎng)上學習的實時反饋數(shù)據(jù)對學生的學習模式進行研究并修正現(xiàn)有教學模式存在的不足分析網(wǎng)絡大數(shù)據(jù)相對于傳統(tǒng)在線學習本質(zhì)區(qū)別過，等，的，學，很來，使教學工作良好發(fā)展更進一步。2、教學方面學臺的數(shù)據(jù)能夠?qū)虒W模式的適應度進行預測通過學生的考試成績和對教師的線上評價等加以分析能夠預測出某一階段的教學方式發(fā)發(fā)是否可行影響如何通過學生與教師的在線互動學生測驗時完成的時間與完成的結(jié)果都會產(chǎn)生大量的有效的數(shù)據(jù)都可以為教師教學支持服務的更好開展提供幫助從而避免低效率的教學模式造成教學資源的浪費。四、成人遠程教育中深度學習技術(shù)的可應用性深度學習方面的應用在眾多領域都取得了成功比如電商商品推薦圖像識別、自然語言處理棋類博弈等等在遠程教育方面深度學習的技術(shù)還有很大的發(fā)揮空間智能網(wǎng)絡教育的實現(xiàn)是人們的眾望所盼若要將深度學習技術(shù)應用到遠程教育平臺，首先要清楚學生的需求和教學資源如何分配。1、針對學生的學習需求與學習特征進行分析美國斯坦福大學克里斯皮希研究團隊的研究成果顯示，通過對學生知識學習進行時間建模，可以精確預測出學生對知識點的掌握情況，以及學生在下一次學習中的表現(xiàn)深度學習的應用可以幫助教師推測出學生的學習能力發(fā)展水平通過學生與教學環(huán)境的交互行為分析其學習風格避免教師用經(jīng)驗進行推斷而產(chǎn)生的誤差。2、教學資源的利用與分配深度學習技術(shù)能夠形成智能的分析結(jié)論計算機實時采集數(shù)據(jù)集對學生的學習情況加以分析使教師對學生的學習狀態(tài)情緒狀態(tài)等有更加清晰準確的了解有了上面良好的教學模式教師對學生的學習狀態(tài)有了更準確的掌握對學生的學習結(jié)果就有了更科學的教學評價基于深度學習的人工智能技術(shù)還可以輔助教師實現(xiàn)智能閱卷，通過智能閱卷自動總結(jié)出學習中出現(xiàn)的問題幫助教師減少重復性勞動減輕教師負擔。作為成人高校，遠程教育是我們的主要教學手段，也是核心教學方式，學校的教學必定是在學生方便學習的同時以學生的學習效果為重通過深度學習技術(shù)可以科學地分析出學生的學習效果對后續(xù)教與學給予科學可靠的數(shù)據(jù)支撐我們可以在平臺上為每位同學建立學習模型根據(jù)學生的學習習慣為其將學生正式在線參加學習和考試的學習行為和非學習時間瀏覽網(wǎng)站的行為結(jié)合到一起，更加科學地分析出學生在學習網(wǎng)站上感興趣的地方。采用深度學習算法，根據(jù)學生學習行為產(chǎn)生的海量數(shù)據(jù)推算出學生當前狀態(tài)與目標狀態(tài)之間的差距，做到精準及時的學習需求反饋有助于幫助學生明確學習目標教師確立教學目標真正做好因材施教基于深度學習各種智能識別技術(shù)可以為教師的線上教學活動增光添彩在反饋學生學習狀態(tài)的同時采用多種形式的教學方法吸引學生的注意力，增強教學活動的互動性，達到良好的教學效果。人工智能是影響世界各領域的關(guān)鍵技術(shù)，它也必將與教育相互融合，也終將會改變教育的形態(tài)深度學習技術(shù)作為當前科技的前沿技術(shù)我們需要對深度學習技術(shù)在教育中的應用進行探討用技術(shù)完善教學過程優(yōu)化學習效果作為成人高校教師我們始終貫徹以學生為中心的教育理念對深度學習技術(shù)不斷學習與研究不斷豐富學校教育教學的手段為教育現(xiàn)代化最終目標的實現(xiàn)提供無限可能。參考文獻：[1]劉毅銘深學習研究與用綜述[J].綠色科技,2019,(6).[2]張曉芳，張論器學習其在教中的應用[J].信息與電腦,2015,(24).[3]董慧慧人工智能深度學習概念研究與綜[J].