导读:本文包含了学习模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,在线,深度,激酶,磷脂,神经网络,转录。
学习模型论文文献综述
祁欣学,覃锡忠,贾振红,常春,樊树铭[1]（2019）在《基于田口集成学习的最佳交通流量预测模型》一文中研究指出针对预测准确性对数据相关性和网络结构极为敏感的问题,采用田口方法选择集成学习的结构参数,在保证学习多样性的同时,提高选择过程的效率,保证预测的准确性。实验仿真计算结果表明,在多个路段的交通流量数据集上,该方法皆取得了满意的预测效果,模型具有较好的鲁棒性。将仿真结果与其它算法进行比较,比较结果表明,相比传统ARIMA、MLP模型,其预测精度分别提高了4.51%、11.23%。(本文来源于《计算机工程与设计》期刊2019年12期）
连超,李华,刘亚,韩家茂,阮宏玮[2]（2019）在《一种基于DBN-LR集成学习的异常检测模型》一文中研究指出目前企业所面临的运维环境往往是复杂系统的整合,因此,对多种数据源进行有效综合分析和异常检测,做到故障规避、及时止损,是企业在数字化转型道路上的关键.本文在分析云环境异常检测特点的基础上,提出了一种基于深度置信网络集成学习的异常检测模型.该模型解决了运维数据集正负样本不平衡问题,同时利用深度置信网络良好的特征提取功能,对多源时序KPI数据进行有效降维,并结合逻辑回归和受限玻尔兹曼机实现了异常检测,单个弱分类器对异常的识别率在99%以上.将多个弱分类器进行多数投票集成,提高了模型整体的泛化性,使异常检测模型的平均准确率达到了98. 35%.(本文来源于《小型微型计算机系统》期刊2019年12期）
屈相玲,朴春梅,熊成欢,李平,刘明[3]（2019）在《参蓉补脑胶囊对老年痴呆模型小鼠学习记忆能力的改善作用及机制研究》一文中研究指出目的:研究参蓉补脑胶囊对老年痴呆(AD)模型小鼠学习记忆能力的改善作用,并探讨其作用机制。方法:将72只小鼠随机分为空白对照组(生理盐水)、模型组(生理盐水)、吡拉西坦片组(阳性对照,0.80 g/kg)和参蓉补脑胶囊高、中、低剂量组(1.92、0.96、0.48 g/kg),每组12只;除空白对照组小鼠皮下注射等量生理盐水外,其余各组小鼠均每日皮下注射D-半乳糖(150 mg/kg)和腹腔注射亚硝酸钠(50 mg/kg)复制AD小鼠模型;并于造模同时灌胃相应药物,每天1次,连续60 d。末次给药1 h后,设计水迷宫实验测定小鼠逃避潜伏期和90 s内穿越平台位置的次数,苏木精-伊红(HE)染色后观察小鼠大脑皮层病理变化,并采用免疫组织化学法检测小鼠大脑皮层肿瘤坏死因子α(TNF-α)、核转录因子кB p65(NF-кB p65)、磷脂酰肌醇3-激酶(PI3K)和磷酸化蛋白激酶(Akt)蛋白的表达。结果:与空白对照组比较,模型组小鼠逃避潜伏期明显延长(P<0.01),90 s内穿越平台次数显着减少(P<0.01);大脑皮层神经细胞明显损伤,完整神经细胞数显着减少(P<0.01);大脑皮层TNF-α、NF-кB p65、PI3K、Akt蛋白表达水平显着升高(P<0.01)。与模型组比较,除参蓉补脑胶囊低剂量小鼠的逃避潜伏期和大脑皮层TNF-α、NF-кB p65、PI3K、Akt蛋白表达水平差异无统计学意义外(P>0.05),其余各给药组小鼠上述指标均明显改善(P<0.05或P<0.01)。结论:参蓉补脑胶囊能改善AD模型小鼠的学习记忆能力;其机制可能与其抑制小鼠大脑皮层TNF-α、NF-кB p65、PI3K、Akt蛋白的表达,减轻炎症损伤有关。(本文来源于《中国药房》期刊2019年23期）
于震梁,孙志礼,曹汝男,张毅博[4]（2019）在《基于PC-Kriging模型与主动学习的齿轮热传递误差可靠性分析》一文中研究指出为提高齿轮热传递误差可靠性分析的计算效率和精度,提出了一种高效的基于PC-Kriging代理模型与主动学习函数LIF相结合的可靠性分析方法.采用多项式混沌展开(polynomial-chaos-expansion,PCE)替代传统Kriging模型的回归基函数来增强预测模型的全局近似精度,并利用Kriging模型来捕捉预测模型局部特征的能力.采用最小角回归(LAR)构建回归基函数的最优多项式数量集,同时用Akaike信息准则(AIC)来确定最优的截断集合.并采用一种主动学习函数LIF选择每次迭代的最佳样本点以提高模型收敛效率.通过齿轮热传递误差算例表明:与传统的Kriging代理模型相比,所提出方法在保证精度的同时可以极大地减少预测模型可靠性分析中的学习次数.(本文来源于《东北大学学报(自然科学版)》期刊2019年12期）
胡凡迪,张大为[5]（2019）在《基于ISM的在线学习参与度影响因素模型研究》一文中研究指出学习参与度不高是导致在线学习辍学率高和结业率低的重要原因,探究在线学习参与度影响因素对提高在线学习质量具有重大价值。首先采用文献分析法和访谈研究法确定在线学习参与度的18个影响因素。然后分析各因素之间的逻辑关系,建立邻接矩阵,计算可达矩阵,通过层级分解,绘制在线学习参与度影响因素的结构模型。研究发现,学习动机、学习氛围是影响在线学习参与度的直接原因;知识呈现方式、平台易用性、课程难度、课程时长以及活动安排是最基础因素;其余因素作为间接因素发挥作用。最后,尝试提出改善在线学习参与度的建议,以期为后续在线课程建设提供新思路。(本文来源于《软件》期刊2019年12期）
李昕,祖峰[6]（2019）在《物流专业教学中非正式学习环境模型的构建研究》一文中研究指出物流专业教学中通常存在着专业实践教学要求高、行业涉及面广、专业性强、课程内容枯燥、缺乏高质量教材、师生沟通不足等特点,文章提出了非正式学习的方式是解决目前物流专业教学问题的有效途径,进行了可行性论证。并在此基础上归纳了进行非正式学习的形式,分别为:应用网络工具进行个人在线学习、组建虚拟社区进行团队学习、微型学习,进而形成了专业教师引导和学生自主学习的双层面物流专业教学非正式学习环境模型。(本文来源于《物流科技》期刊2019年12期）
胡月,蒋运兰,楚鑫,许强,张琼月[7]（2019）在《基于深度学习的医养结合养老资源配置优化模型构想》一文中研究指出医养结合养老模式是改善老年人就医及养老问题的有效模式,而合理的资源配置是"医""养"高效结合的关键环节。资源配置问题可视为以"配置要素"为输入、"配置结局"为输出的高维复杂函数。本研究提出将深度学习这种人工智能共性技术用于解决医养结合下资源配置问题,构建养老资源配置优化模型,为解决养老资源配置的优化问题提供思路。(本文来源于《护理研究》期刊2019年23期）
李方方,刘盛峰,丁亚元,郭允建[8]（2019）在《远程学习者学业胜任力模型的质性研究》一文中研究指出胜任力是与卓越的工作绩效相联系的个体潜在特征。对远程学习者学业胜任力模型进行探索,不仅有助于远程学习者对照模型自我反思与提高,也可为远程教育机构设计教学支持服务策略和学习者流失应对措施提供借鉴。采用质性研究方法,以行为事件访谈法(BEI)收集资料,选择8名优秀远程学习者作为访谈对象,运用扎根理论的一般流程,使用质性分析软件Nvivo11对文本进行编码与分析。研究表明:远程学习者学业胜任力由学业能力、学业品质、学业动机3个维度构成,3个维度相互关联、彼此作用。经检验,模型具有良好的信效度。该模型不仅拓展了胜任力研究的领域与内容,也为提高远程学习者的学业胜任力水平指出了实践路径。(本文来源于《安徽广播电视大学学报》期刊2019年04期）
巴桑旺堆,平措占堆,朱彦宾,达娃央拉,俄广鑫[9]（2019）在《线性模型与机器学习模型对牦牛体重预测的比较》一文中研究指出本研究测定革吉那布地区102头2岁龄的牦牛相关体尺性状(体高、体长和胸围)与体重,按不同比例划分训练集和测试集,利用传统的一般线性模型方法和机器学习方法(高斯过程回归、支持向量机)分别构建体尺性状与体重之间的回归预测模型,比较线性回归模型与机器学习模型在利用体尺性状预测体重时的准确性。结果表明,随着训练集数据的增加,线性回归模型的预测结果较稳定在0.71～0.80之间,而机器学习方法的预测准确性最高可达0.91。在训练集数据充足的情况下,相比于一般线性模型的方法,利用机器学习方法进行预测具有更高的准确性。(本文来源于《现代农业科技》期刊2019年23期）
朱婷,马洁,王宏勇[10]（2019）在《基于分形插值与机器学习模型的股指分析和预测》一文中研究指出股票市场预测一直是金融市场分析中的热点和难点,一些传统的预测模型很难对股票市场做出有效的预测;针对这一问题,将分形插值方法与机器学习算法相结合,提出了分形插值与SVM以及分形插值与BP神经网络两种混合模型;所提的混合模型利用机器学习算法首先计算出分形插值所需要的插值点,然后建立分形插值外推模型对所需其他值进行预测;实证结果发现两个混合模型的预测效果均比单独使用分形插值模型预测效果更佳,预测精度更高;因此分形插值方法与机器学习算法相结合所得到的混合模型,能较好地预测诸如股票市场指数等非平稳金融时间序列。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年06期）
学习模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前企业所面临的运维环境往往是复杂系统的整合,因此,对多种数据源进行有效综合分析和异常检测,做到故障规避、及时止损,是企业在数字化转型道路上的关键.本文在分析云环境异常检测特点的基础上,提出了一种基于深度置信网络集成学习的异常检测模型.该模型解决了运维数据集正负样本不平衡问题,同时利用深度置信网络良好的特征提取功能,对多源时序KPI数据进行有效降维,并结合逻辑回归和受限玻尔兹曼机实现了异常检测,单个弱分类器对异常的识别率在99%以上.将多个弱分类器进行多数投票集成,提高了模型整体的泛化性,使异常检测模型的平均准确率达到了98. 35%.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
学习模型论文参考文献
[1].祁欣学,覃锡忠,贾振红,常春,樊树铭.基于田口集成学习的最佳交通流量预测模型[J].计算机工程与设计.2019
[2].连超,李华,刘亚,韩家茂,阮宏玮.一种基于DBN-LR集成学习的异常检测模型[J].小型微型计算机系统.2019
[3].屈相玲,朴春梅,熊成欢,李平,刘明.参蓉补脑胶囊对老年痴呆模型小鼠学习记忆能力的改善作用及机制研究[J].中国药房.2019
[4].于震梁,孙志礼,曹汝男,张毅博.基于PC-Kriging模型与主动学习的齿轮热传递误差可靠性分析[J].东北大学学报(自然科学版).2019
[5].胡凡迪,张大为.基于ISM的在线学习参与度影响因素模型研究[J].软件.2019
[6].李昕,祖峰.物流专业教学中非正式学习环境模型的构建研究[J].物流科技.2019
[7].胡月,蒋运兰,楚鑫,许强,张琼月.基于深度学习的医养结合养老资源配置优化模型构想[J].护理研究.2019
[8].李方方,刘盛峰,丁亚元,郭允建.远程学习者学业胜任力模型的质性研究[J].安徽广播电视大学学报.2019
[9].巴桑旺堆,平措占堆,朱彦宾,达娃央拉,俄广鑫.线性模型与机器学习模型对牦牛体重预测的比较[J].现代农业科技.2019
[10].朱婷,马洁,王宏勇.基于分形插值与机器学习模型的股指分析和预测[J].重庆工商大学学报(自然科学版).2019
论文知识图
