學習機

孫冰作業幫學習機學習機，可以說是一個很“古老”的品類了，在80后、90后的童年記憶里，“望子成龍就用小霸王”“步步高點讀機，哪里不會點哪里，媽媽再也不用擔心我的學習”的廣告語必然占有過一席之地，而一臺文曲星電子詞典在手，那感覺也毫不遜色于今天拿著最新款手機。但在相當長的時間里，以學習機為代表的教育硬件產品卻一直不溫不火，更談不上是熱門賽道或者風口品類。不過，如今有了人工智能技術的加持，學習機開始能提供過去無法想象的新價值，切中了消費者的真實痛點和強烈需求，

在這種情況下，學習機就成了剛需。學習機能在一定程度上幫助父母輔導孩子，甚至可以說家長教不了的，學習機可以幫忙教，家長本來會的內容，學習機也能提供一個優秀的補全。例如，海量正版英語繪本資源免費閱讀，為學齡前兒童創造沉浸式雙語學習環境，在生動有趣的閱讀體驗中，快速掌握語言學習、培養語言興趣、實現美育啟蒙，全方位成長。隨著產品的迭代發展，如今兒童學習機的內容已經十分豐富，涵蓋了自然、生活的各個方面，兒童可以根據自己的愛好選擇自己感興趣的內容，學習的積極性自然也會

）0 引言極限學習機（Extreme Learning Machine，ELM）自提出以來，已經成功應用于各種實際問題［1-5］，成為廣泛使用的機器學習工具之一。ELM 主要依賴于給定的訓練數據標簽，如基于L2范數損失函數的ELM［6］假設訓練標簽的誤差是一個正態分布；然而，實際問題中的訓練樣本不能保證誤差具有正態分布。此外，ELM 往往過分強調訓練過程中殘差較大的異常點，導致ELM 對異常點的敏感性和魯棒性較差。因此，構造能夠抑制異常點影響的魯棒極限學習

入與加權核極限學習機的網絡入侵檢測方法，它包含了稀疏主成分空間嵌入算法以及加權核極限學習機。網絡入侵數據的較多特征不僅會影響檢測速度，還會影響檢測精度。由于高維空間的信息數據是可以以非常小的信息損失在低維空間中進行表示的，因而降維可能會產生較低維度的數據，從而可以減少網絡入侵數據的特征，當前的降維算法有主成分分析法、局部線性嵌入法、核主成分分析法等等。由于網絡入侵數據中有很多是稀疏的，這些降維算法對網絡入侵數據處理效果不佳，難以很好地提取稀疏數據的信息。因

預期效果。極限學習機是Huang等人提出的一種采用類似于單隱含層神經網絡的結構，但有別于神經網絡的全新機器學習方法[3]?；谧钚《朔ū孀R輸出權值向量，對目標具備較好的全局逼近能力；不需要頻繁調整網絡參數，避免了多次迭代調整網絡參數帶來的計算復雜度，提高了網絡模型的學習效率，減少了模型訓練時間。為了解決存在耦合方式多變、糖膏物性不確定與高度非線性等復雜因素的煮糖制煉自適應控制難題，本文以煮糖制煉過程離散狀態控制轉移為核心，基于深度極限學習機研究了煮糖制煉

、錯漏多的平板學習機。 現場體驗騙局全流程 “您好，我是通信公司工作人員，由于您是我們的老用戶，您可以免費領取學習機……”日前，小胡接到自稱某通信公司工作人員的電話，通知其前往門店領取學習機。 記者陪同小胡前往手機專營店，親歷了一次“平板學習機騙局”。 第一步，先發小禮物穩住到店家長。記者發現，當日有不少家長來到這個門店。有人先向每位家長贈送一套玻璃碗，并告知他們隨后將進入贈送學習機環節。 第二步，大肆吹噓“學習機”?！白鳛榧议L，你們能一直輔導孩

xnet和極限學習機的網絡模型的研究◆李曉旭（瓦房店市融媒體中心 遼寧 116300）本文提出一種Alexnet與極限學習機相結合的網絡模型。Alexnet是一種很好的特征提取器，但是大量的網絡參數集中在后三層用作分類的全連接層中，同時要在調整和訓練參數上花費大量時間，而極限學習機具有訓練參數少，學習速度快的優點，所以本文運用Alexnet進行特征提取，再用極限學習機對圖片進行分類，結合了Alexnet和ELM的優點。本文方法能在CIFAR10數據集上有效

訊飛發布了AI學習機T10，通過多種AI技術在產品中的應用落地給學生的自主學習提供AI學習輔導服務，學習機覆蓋預習、復習、備考和作業輔導等多種學習場景，更有針對}生地解決孩子學習時遇到的問題。T（Top）系列作為訊飛學習機高端新旗艦，延續了此前X系列提分提效的一個定位，并從學習資源，屏幕、作答筆、攝像頭等內容端和硬件配置進行了全面升級，使得用戶體驗得到進一步提升。外觀和設計科大訊飛AI學習機T10適用于從小學到高中K12全學段使用，為了讓孩子更好地使用學習

的科大訊飛AI學習機T10，經過一番體驗后，發現這個AI學習機真可謂是給孩子補課的“神器”，我也不由驚呼“AI正在替代輔導班”。這完全是一臺高配的新時代學習機。一款高配的學習機，AI雙引擎八核芯片，8+256G的超大內存，10150毫安時的超大電池；13英寸護眼大屏幕，屏占比高達86%，通過萊茵護眼認證；前置升降式雙目旋轉鏡頭，像素為1600萬*2，后置為1600萬像素鏡頭。此外，還有一支可以隨意在屏幕上書寫的人工智能的AI作答筆，有了這支筆可以在T10上

卡片式幼兒趣味學習機。本文描述了學習機的工作流程，描述了卡片、模式、語音模塊、電源和外殼設計。試驗證明，該學習機學習內容豐富、趣味性強，能顯著提升兒童的專注力和學習能力。隨著技術水平的不斷發展，人們的生活、學習習慣也變得日新月異，其中兒童的學習方式也隨著時代的變遷不斷改變著。隨著移動互聯網的蓬勃發展和電子移動設備的普及，兒童也逐漸成為新一代移動用戶，各類創意十足的APP已經成為孩子成長的伙伴、父母教育的好幫手。然而，有研究表明，兒童長時間的電視暴露會增加邊

器大腦是媽媽的學習機讓我寫哪里就要寫哪里我是她組裝的半自動學習機別讓孩子變成機器學業，學業，壓抑了諸多激情，也催生了無數靈感?！段业南奶煸谀睦铩纷髡甙炎约罕茸饕粭l魚，有很多美好的事想做，卻被卡在作業的桎梏中，失去了“擺尾”的機會?！?span class="hl">學習機》一詩，作者又把自己變成不同的機器，以應對不同的學習壓力。一個是陳述，一個是想象，卻都是在發泄著內心的不滿，想要擺脫考試的束縛，回歸無憂無慮的生活。詩歌讀來稚嫩，是無忌的童言，卻吐露的是最真實的境況——減負，何時才能真正落

應用到新品網課學習機中，用獎勵和闖關的游戲形式提升了孩子的學習積極性。大屏可調節，使用更護眼希沃網課學習機的包裝采用了滿滿的宇宙元素，這些元素和學習機的操作界面有著很好的呼應。希沃網課學習機配置了15.6英寸的觸摸式顯示屏，比起學生常用的平板電腦要大不少，而且屏幕面板采用了AG防眩光玻璃，在不同的角度以及關照環境下依舊能夠保持一個很好的顯示效果，此外這塊屏幕還通過了德國萊茵護眼認證。作為給孩子使用的產品，從配置就可以看出在護眼以及屏幕使用方面希沃還是下不少

，RF)、極限學習機(extreme learning machine，ELM)等[1-3]。極限學習機具有訓練簡便、結構簡單，不需要調整隱含層參數信息，僅通過控制最小化訓練誤差和輸出權重實現極限學習機分類器的生成，克服了傳統神經網絡的容易陷入局部最小、訓練速度慢的問題。楚恒等[4]提出多特征多核的ELM分類方法，該方法將影像對象的光譜、空間特征通過簡單多種核加權組合的方式進行融合，未能充分體現出不同特征在不同影像對象上的表達優勢。王明常等[5]提出利用極

的科大訊飛智能學習機新品線上發布會順利舉辦，會上重磅發布了訊飛智能學習機X2 Pro和Z1兩款人工智能新品，自主學習更智能，配置全面升級。作為旗艦機的訊飛智能學習機X2 Pro完整覆蓋了小學到高中的12年學習階段；而訊飛智能學習機Z1專為初高中學生打造，適合準備中高考的學生群體。據悉，2款新品在發布會當晚開啟預售，首發定金100抵400，軟件終身免費升級。此外，科大訊飛設立“訊飛智能學習機億元獎學金活動”，使用訊飛智能學習機X2 Pro堅持連續打卡150天

發布了訊飛智能學習機X2 Pro與Z1兩款新品。新發布的X2 Pro配有AI作答筆、AI指學鏡和支架配件，完整覆蓋了小學到高中的K12學習階段，而Z1則專為初、高中學生打造，適合準備中、高考的學生群體。據介紹，X2 Pro與Z1兩款智能學習機借助人工智能大數據分析技術，通過1對1的AI家庭教師的方式，可以幫助學生快速找到薄弱環節，進而有針對性地學習和鞏固，科學高效地提高學習成績。兩款訊飛智能學習機還提供覆蓋高頻考點和經典例題的AI專題互動課，課中可以實時互

在價值。傳統的學習機直接在原始數據上進行建模處理，由于計算資源有限、數據潛在特征復雜等原因，難以獲得問題的有效解，因此，研究適合規模較大的數據處理集成學習算法，科學高效地挖掘出數據中的隱含知識，充分利用數據隱含價值實現智能決策，是目前智能領域新的研究熱點[1]，對各個行業領域均具有指導作用和借鑒意義。極限學習機[2](Extreme Learning Machine)ELM是機器學習領域研究的一個前沿方向，具有結構簡單、學習速度快和良好的全局尋優能力，因此

0026)極限學習機由于其快速的訓練速度, 良好的泛化能力, 廣泛應用于各行業研究中, 例如面部識別、圖像分割和人類動作識別[1].在實際應用中, 為了達到理想的預測效果, 需要選取預測精度較高的機器學習方法.極限學習機的預測精度受到隱藏層節點數目、隱藏層的任意生成的輸入參數和數據噪聲的影響.這種不更新隱藏層參數, 通過最小二乘調整的輸出權重使極限學習機的抗錯能力較差, 容易夸大離群點和噪聲的影響得到不準確的結果.在一些應用中, 針對極限學習機隱藏層節點過

投影技術與兒童學習機相結合進行設計研究。用細小水粒子為投象載體，呈象立體效果，作直觀表達。創新的表達在兒童學習機器上的設計應用，致力于改變現在的學習課堂模式，將課本文化知識數據化，沉浸式課堂的氛圍新表達，可以提高兒童的學習興趣，以此對傳統學習方式進行革新，引領未來學習課堂的智能化。關鍵詞：全息投影技術;學習機;設計應用一、全息投影技術的普及應用全息技術是通過記錄被攝物體反射（或透射）光波中全部信息（振幅、相位）實現3D視覺效果"。當空氣中含有顆粒時，依據三

教育類APP、學習機也是層出不窮。而學習機這個市場，也在今年發生了極大的變化。最早的學習機，其實可以追溯到“小霸王”和“文曲星”的時代，當時的產品幾乎可以說是被“壟斷”了，市面上幾乎沒有競品，唯一的區別就是同一品牌的不同型號。而現在，“學習平板電腦”才是學習機的主流，在此基礎上進行了非常多的衍生，發展出很多的品類。其中，入門級的準確來說應該叫做“早教機”，卡通的外觀+簡單的交互+對應的資源。這類產品更適用于學齡前的兒童，主要還是集中在認知和培養學習興趣上。

用于輔助學習的學習機。作為一名“80后”，同時也是一名6歲孩子的父親，無論是自己小時候使用的，還是近幾年給自己孩子購買的相關產品，其實是親眼見證了這一系列產品的。最早一代稱作學習機的是“小霸王”，只是內置了一些幫助學習的程序，可以用來訓練打字、拼讀、背誦等，但大部分時間仍然被學生用來玩游戲，“學習機”只是讓家長買單的理由。其實，上世紀90年代還有一種“學習機”——復讀機，這種用于訓練英語口語的設備可謂風靡校園，直到現在，還在網上炒起了“人類的本質其實是復讀

，需要引入極限學習機算法，通過改變權值的設定方式，達到提高計算精度的目的。1 基于極限學習機算法的定位導航流程圖像識別技術是農機導航視覺設計的核心。與定位導航原理不同，采用機器視覺進行導航時需要對大量圖像進行實時處理，以獲得果實或者果樹的位置坐標。特別是成熟果實的識別，在進行定位時采摘農機需要對成熟度較高的果實進行優先采摘，因此還需要根據顏色特征對圖像進行處理，最后根據對成熟果實圖像的位置識別實現自主定位。在農機導航系統中，成熟果實圖像的識別是定位導航的核

出了反饋式極限學習機優化算法,對缺失屬性進行估算填充。2 反饋式極限學習機估值算法研究2.1 反饋式極限學習機估值算法極限學習機是黃廣斌教授2003年提出一個新的神經網絡。這個框架是隨機選擇輸入權重的單層前饋網絡，用Moore-Penros廣義逆分析決定輸出權重，為解決訓練時間長且容易陷入局部極值的缺點，結合最小二乘法求最優的神經網絡,學習和泛化能力得到較大提升。本文反饋式極限學習機（FELM）對極限學習機進行改進的目的是為了估值并填充不完備數據集的缺失屬

爸媽媽拿出一臺學習機說：“你們又長大了一歲，生日快樂呀！這是爸爸媽媽送給你們的生日禮物，希望你們學習進步?！甭斅敽兔髅鹘舆^學習機，喜歡得不得了，兩人都對它愛不釋手。他們感覺這個生日過得真是太高興了！第二天放學后，兄弟倆都迫不及待地要用學習機聽故事、學習。于是，他們都著急地往家跑。聰聰說：“我先用用學習機，我用完了讓你用?！泵髅髡f：“那不行，我要先用。我讓你先玩我的游戲機?！薄拔也煌婺愕挠螒驒C，早玩膩了?！甭斅斠膊煌讌f?！安恍芯退懔?，反正我得先用學習機?！薄?/div>

小學生必讀(中年級版) 2019年10期2019-03-24

要的意義.極限學習機(extreme learning machine，ELM)由黃廣斌教授[7]等提出，是一種單隱含層前饋神經網絡模型.與BP人工神經網絡相比，ELM具有更快的學習速度、更高的訓練精度以及更簡單的操作方式，從而被廣泛地應用于分類、識別領域[8-9].2012年黃廣斌教授[10]提出將核函數引入極限學習機，構成核極限學習機(KELM)，核極限學習機具有更好的分類性能.目前，將核極限學習機應用到彩色圖像分割方面的文獻很少，考慮到核極限學習機作

[8]。而極限學習機較適用于對大樣本數據進行預測，一般情況下，訓練數據越多，對樣本數據規律擬合得越好，預測誤差越小。為此，本研究結合糧食產量的數據特點，將灰色預測算法和極限學習機算法相結合，提出基于灰色極限學習機的糧食產量短期準確預測模型。1　灰色預測模型灰色預測模型的基本原理是對雜亂無章的原始數據列進行累加，生成新的單調遞增數據列，增加原始數據列的規律性，弱化其波動性；按照累加后序列的增長趨勢建立預測模型，得到1組單調遞增數據序列；然后對預測數據采用累減

0）基于核極限學習機的火災預警算法研究丁承君，張井超，何乃晨（河北工業大學 機械工程學院，天津 300130）火災信息處理算法的有效性影響著火災預警系統的準確性和可靠性，所以智能火災預警算法研究成為了火災預警技術的一個研究熱點.針對以往火災信息處理算法的不足，提出了一種基于核極限學習機（KELM）的火災預警算法.該算法利用核極限學習機對多種傳感器采集到的數據進行融合分析，實現火情識別.利用MATLAB對核極限學習機的火災預警算法進行仿真，通過與BP神經網絡

18)基于極限學習機的三維圖形重構虛擬仿真實驗研究陳 龍， 郄小美， 黃信靜(杭州電子科技大學 電子信息學院， 杭州 310018)針對極限學習機容易導致過擬合、泛化能力小等局限性，采用移動加權極限學習機和正則極限學習機優化算法，平衡原始極限學習機存在的結構風險和經驗風險，提高極限學習機的泛化能力；并用該算法對墨西哥帽子函數進行三維重構虛擬仿真實驗。實驗表明,這兩種算法能夠有效的降低重構誤差，提高算法的泛化能力。該仿真實驗可用于神經網絡及Matlab虛擬仿

媽給他買了一臺學習機。有了學習機的同步輔導，小金的學習成績進步了不少，有時，小金還喜歡在學習機上玩一些益智游戲……可一個學年下來，小金的視力卻急劇下降，作為爸爸媽媽，你怎么看？如果你是小金，你會怎么做？小宜媽媽：學習機同步輔導功課還是挺好的，但作為媽媽，對小孩的視力健康也要引起重視，建議每天控制使用學習機的時間，最多不超過一個小時。引導孩子多看書、少用學習機?？煽砂郑浩綍r工作忙，也沒有太多的時間陪伴小孩學習。孩子年紀還小，自我約束力還不夠，所以還是不用學習

傳統的在線極限學習機提出了一種帶遺忘因子的極限學習機，進行電網負荷響應能力的預測。極限學習機是近幾年應用較多的一種數學建模方法［1－3］，目前許多學者對其算法進行了拓展，如在線模型的建立［4］、進化極限學習機［5］等，并且其已開始有效地應用于大數據建模［6－7］、軟測量［8］與故障診斷［9］等眾多領域。該算法隨機產生輸入層和隱含層的連接權值及隱含層神經元的閾值，且在訓練過程中無需調整，只需要設置隱含層神經元的個數便可以獲得唯一的最優解。與傳統的訓練方法相比

尺度小波核極限學習機的圖像檢索仿真孫中華，楊曉迪，古麗米拉×克孜爾別克（新疆農業大學 計算機與信息工程學院，新疆 烏魯木齊 830052）闡述了核極限學習機原理。在此基礎上提出了一種多尺度小波核極限學習機，將多尺度小波核作為極限學習機的核函數，測試表明是其一種可實現的極限學習機核。同時在無訓練數據分布的空間也具備分類能力，同等條件下高斯核極限學習機卻不具備分類能力。在圖像檢索中應用多尺度小波核極限學習機，實驗表明，相比支持向量機學習機分類算法，該分類算法可

·關于增量極限學習機的逼近階估計崔新月，王 博，張 瑞，呂曉麗(西北大學 數學學院, 陜西 西安 710127)增量極限學習機;貪婪算法;字典集;逼近階近年來,人工神經網絡已成功應用于自動控制、模式識別、機械工程以及生物醫學等領域中,其中單隱層前向神經網絡(Single-Hidden layer feedforward networks,SLFNs)由于結構簡單、學習能力強、能解決傳統學習算法無法解決的問題等特性,是目前為止研究最為廣泛的一類神經網絡模型。

：老師，萬晟的學習機不見了。一下子教室亂成了一鍋粥?？僧斕煳抑活欀瓢?，竟然忽略了這么真實的寫作題材，等第二天我想起來的時候，“同學們，昨天萬晟的學習機不見了，你們一定有很多話說，誰來說說”，教室竟然鴉雀無聲。我快速轉動腦筋，我一定要留住他們的真實體驗，也許是有些孩子過于關心自己了，沒注意昨天的細節，我決定：一、演一演好玩好動是孩子的天性，中年級學生又具有很強的表演欲望。如果把這次的體驗通過玩玩演演的形式表現出來，妙趣橫生的表演一定會成為孩子們無拘無束的表

式決定。而網絡學習機因為其能體現“教師為主導,學生為主體”的思想,所以在英語課堂教學中有著巨大的作用。所以,利用網絡學習機能幫助小學英語課堂創設更好的有效學習情境。關鍵詞: 網絡學習機小學英語教學有效學習情境幫助策略有效學習情境是新課程的內容之一,更是課堂教學的一個根本。因此,本文分別從教師主導和實踐應用兩個方面來分析網絡學習機對創設有效學習情境的教學方法與策略。具體如下:一、教師以自身為主導,利用學習機創設英語有效學習情境(一)音、形、義聯系策略,創設形

該和我一樣，對學習機有一份特殊的感情，因為在他們的學生時代，很多人的電腦啟蒙始于小霸王、步步高之類的學習機。他們從學習機中學會了基本的電腦操作，學會了打字、文檔處理和基本的Basic編程，為以后的“電腦生涯”做好了基本的知識和技能儲備，掌握了當時電腦應用中的接近70％的操作。學習機是基于任天堂之類的游戲機的變種，它創造性地在游戲機的基礎上加入了鍵盤、文檔處理和編程能力，從而巧妙避開了家長們對游戲緊繃的神經，讓他們欣然接受并為孩子甚至是自己購置了學習機。學習

利稅、高利潤的學習機行業，面臨著國人對外語學習的熱衷，崇尚“再窮不能窮教育，再苦不能苦孩子”的家長們不斷加大孩子學習費用的投入，以及整體經濟環境穩定發展等種種機遇，同時又處在一個競爭激烈的，呈現產品功能高度同質化、產品實際使用效果與廣告宣傳相去甚遠、廣告費用成為產品成本的主要構成等等征兆的市場中，如何擴大自己的市場份額，分得更大的一塊“蛋糕”是每個學習機生產企業都面臨的重要課題。關鍵詞：學習機行業；發展狀況縱觀這個在六年多的時間里，整個學習機市場的發展大致

忙不動聲色地把學習機放在英語書上，作出認真查單詞的樣子?！皨?，你心臟不好，快去睡吧，我再從學習機上查幾個單詞背熟了就睡?！蔽倚奶摰乜粗÷暤卣f?！鞍?，你也不要太刻苦了，要注意身體，你爸爸前些天打電話回來還擔心你身體吃不消呢！”她撫摩著我的頭，發現了我手中的學習機，“這是學習機吧？”“是的?！蔽尹c點頭，“我向同學借來學英語用的?！蔽已a充道，聲音有點顫抖?！鞍?！難為你了，等你爸爸回來我叫他也給你買一個?！彼龥]有發現我內心的慌張，憐惜地說?！暗劝职只貋碓僬f，你