文摘

为了提高智能教学的效果,充分发挥智能技术在现代体育教育的作用,在本文中,云计算和深入学习方法用于全面评价高校的教学效果,并计算评价效果和精度。云计算和深入学习算法相结合的教学评价,教学内容,对不同学生特点制定教学计划,实现有针对性的教学评价。结果表明,本文提出的教学评价方法可以提高学生的学习兴趣约30%,增强学习积极性约20%,实际教学效果之间的匹配率和预期的要求是98%。因此,云计算和深入学习模式可以提高高校教学效果评估的准确性,为教学评价方案的制定提供支持,并促进高校智能教学的发展。

1。介绍

首次应用云计算和深度学习领域的权力,逐步发展到后期的教学领域。云计算和深度学习可以产生关键影响的改善学生的学习状况和教学内容,提高整体教学效果。2017年,中国教育委员会提出“全面素质教育”战略和“双下降,”的概念减少了大学网球教学时间从2020年到2012年的32小时,48小时减少30% (1]。结果如图所示1。摘要网球智能教学为例分析了智能教学的先进性和智能优势。同时,多媒体的增加,在线教学,实践课程也大大减少了体育学院网球教学时间。与连续减少教学时间,网球教师的教学压力增加,甚至影响课堂教学的效果。因此,“云计算和深度学习的教学优化”列入议事日程(2),已成为主要高校网球教学的研究重点。云计算是目前主流算法。通过数据的智能搜索网络,可以实现水平教学效果评价。深入学习是教学内容和方法的深入研究,实现垂直分析教学效果。云计算的整合和深度学习可以实现智能教学的综合分析和改进效果评价的准确性。尽管云计算和深度学习方法是传统的教学评价方法,本文将这两个和构造一个新的理论模型,它属于一种新的模式。第一次模拟考试的优势是非常明显的。它不仅可以扩大范围的智能教学效果的评估也增加评估的深度和有效地解决单一模型的不足。外国学者在2010年开始研究云计算和深入学习,并逐步引入到智能教学效果的评价。与此同时,国外取得了不错的研究成果在云计算的数据预处理和数据挖掘深度学习。 However, there is a gap between China and foreign countries in terms of intelligent devices and development procedures. Moreover, the national conditions and policies of foreign countries are different from those at home, so it is impossible to copy them. Therefore, domestic scholars should strengthen the research of cloud computing and deep learning, and integrate it with intelligent teaching.

目前,网球教学主要采用“统一”的形式教学,具有简单统一的教学内容和教学方法的优点,但它不能满足学生的“个性化”需求3]。的背景下减少教学时间,增加教学的压力,和提高素质教育的要求,将有问题的减少学习兴趣和缺乏学习法律知识。在此基础上,提出了一种云计算和深入学习模式将学生的学习数据,把学生的兴趣、学习和分析结果,为了提高网球教学的效果。

从数据可以看出1和2在大学体育教育,对网球课程的需求逐年增加,而实际的课程供给逐年减少。有一个2015年需求与供应之间的平衡,差距将会增加从2015年到2020年。因此,网球教学有很大潜力,需要更准确地解决。

2。文献综述

有许多研究在云计算和深入学习模式在网球教学中,但它主要停留在理论层面,缺乏实际案例研究(4]。一些学者认为,网球的内容的增加,信息技术的应用,减少教学时间影响网球教学的效果。一些学者也认为智能存储学生管理规模可以实现网球教学内容和管理可以提高网球的教学效果5]。一些学者认为,学生的分类和成就集成可以改善学生的潜力,实现个性化教学(6]。一些学者认为,教学理论与实践的整合和分工的成绩可以提高课堂教学效果7]。一些学者也认为智能评分管理规模,分年级,和潜在的发展网球教学效果评价的指标(8),可以实现学生的综合分析和网球教学。总之,国内外学者认为学生智能评分管理规模和云计算和深度学习方法可以提高教学效果,实现整合学生的潜力和教学需求,满足素质教育的要求(9]。然而,有一个缺乏国内外实际案例分析。在此基础上,本文结合理论和实践,分析云计算和深度学习的影响(10]。

3所示。研究模型

3.1。云计算和深入学习理论

云计算和深度学习能够满足学生学习的复杂需求和管理是由多个单位。云计算和深度学习可以实现学生的“个性化服务”和网球教学的资源共享11]。首先,网球教学计划把“虚拟文件”用于学生网球课程管理中心。然后,管理表是建立并存储在每个学生的客户机节点l形成小规模的数据搜索12]。最后,任何客户机节点_l计算相邻的客户管理表(节点l+ 1,节点l−1)找到所需的教学效果数据和返回的键值对应的客户端, 。

3.2。云计算的基本理论,深入学习

它是基于多变量差分方程,其数学表达式如下:

其中,A, B, C, D是网球教学中相应参数的系数值;f_e,f_年代,f_D收集到的数据,发送数据,反馈数据;P是数据放大系数,其目的是为了提高识别率的数据异常的学生,,T(k)是实际收到的数据中心。结果显示f_e,f_年代,f_D,也是衡量一个学生的网球教学的水平。如果 学生的网球教学是正常的,如果 极值附近,表明学生的网球教学是异常(13]。

3.3。在网球教学中云计算和深入学习的过程

(1)数据访问学生的教学档案。学生的教学档案数据的访问过程可以被描述为一个非线性拉格朗日方程14),数学公式如下: 其中,之间的差距是学生的学术成就;F₀代表了收集的学生效果数据量;F₀是一个非线性离散函数,哪个是教学资源的共享和个人需求的满足。(2)调整学生的文件的数量。学生文件的数量的调整是一个关键因素在云计算和深度学习水平,决定了网球教学的压力程度,及其数学计算公式如下: 在哪里K是网球的频率资源收购;是网球学习成绩变化的误差值;是学生的总数的调整系数(15]。(3)有效的数据传输。有效的数据传输F₀决定了网球教学的水平,它的数学计算公式如下: 其中,学生成就的是函数振幅变化,然后呢是教学的频率,确定数量的网球教学;教学效果等级=实际评估结果/预期的教学效果100%。(4)共享和个性化服务满意度。云计算和深入学习需要评估学生的网球学习效果和满足公共资源的共享和个人资源的满意度16),表达了一个函数,其数学计算公式如下: 在哪里米和n共享资源的比例和个人需要在虚拟文件,分别;和是一个资源共享功能和人格满意度函数,两者都是内部算法在网球教学计划(17]。(5)判断临界值。通过推导公式(5),可获得其拐点 在用公式(4),它显示的比例共享资源和个性化服务资源双向平衡, ,和网球教学实际需求和网球教学之间的比例是最好的。为了更好的分析学生的网球教学,它的影响将是有限的(−]。(6)识别异常的学生。放大系数是 ,这是添加在网球教学中识别学术表现的异常变化。如果有重大变化的分数的学生在网球教学的过程中,它表明,网球教学和学生之间的关系的学习是正常教学,否则,它是学生的正常学习,和相应的数据放大来识别异常的学生。

3.4。云计算和深度学习模型的约束

云计算和深度学习的网球教学,原来网球教学管理方法过于简单,使共享资源的分析和个性化服务资源教师,提高教师的工作压力,并减少学生的管理水平马丁斯et al。18]。针对上述问题,本文介绍了联合优化网球教学管理和转让一些学生的教学对学生的分析。

首先,大都市的约束,本文使用大都市约束学生信息的有效性判断,以减少无效信息的影响结果。如果结果是“0”,它表明该数据无效,消除,或值增大,否则,进行相应的计算。数据受到大都市,后一个值赋给它使约束结果“0”或“1”和标准化过程就完成了。根据上述分析,数学条件如下: 在哪里是大都市的判决函数约束。

其次,实际教学之间的匹配和预期的教学效果。实际教学之间的匹配和预期的教学效果是复杂和多维。网球的实际教学效果不仅影响学生的数量也由“共享程度”和“人格的需求程度。“假设匹配的“分享”程度和“个性的匹配程度” ,公式(5)可以优化如下: 在哪里和轴承匹配值的最大值和最小值的网球教学,个性化的调整系数匹配,匹配系数的共享程度。

第三,有效的评价和学生数量的云计算和深入学习。为了减少教学时间的过载影响网球教学的一部分,分析学生的教学效果进行了分析,并介绍了管理表来判断教学共享的程度。原始公式(2)和(3)优化为下面的公式: R在哪里访问教学资源的数量,和它的值为0,表明教学资源不访问,和学生可以使用学生管理列表搜索资源;U是用户访问的数量。学生的数量在预定时间与最大的网球教学所需的标准。如果比> 9/10,它表明,网络教学的效果很好,相应的教学内容和研究得到加强; 是学生的计算功能的误解率网球交付;是调整系数的误解。判断过程如图3。

第四,云计算的建设步骤和深度学习的优化模型。根据学生学习网球教学的规模和数据描述公式,建立了仿真模型。具体步骤如下:(1)在云计算和深度学习的规模,更频繁的社会团体内部的教学学生互访通过管理规模,越少的压力实际网球教学和网球教学效果越高。因此,首先需要是最好的临界值,这个值是作为整个网球教学的稳定的阈值。阈值的结果必须在(− , ]。(2)在网球教学中识别异常的学生。在云计算和数据的异常传播深度学习是一个重要的优化指标。异常数据的出现是由许多因素决定的,如管理表、DHT和网球教学的整合方案,虚拟空间的划分在网球教学中,字段类型,字节大小、访问时间、系统负载。的约束下 , 是数据传输相对稳定,网球教学和云计算之间的数据传输和深度学习是正常的。(3)建立一个仿真模型的网球教学效果。教学效果的最终结果是网球教学和学生的理解,影响素质教育的要求,教学时间、教学方法(多媒体、在线和离线),以及学生的自身利益。网球教学的实际效果与预期的一致要求,表明网球教学的效果符合要求。其中,教学效果的计算分为共享教学资源和个性化服务教学 。在计算过程中,访问的数量R和U学生在虚拟文件检查,教学水平和教学需求之间的一致性判断。

4所示。云计算的案例分析和深度学习模式在网球教学效果评价

4.1。案例介绍

在48小时网球教学课程的大学为例,32类的离线管理学生。网球教学评价需要1服务器,4个人电脑、手机和12。虚拟档案的存储模式学生的磁盘和固态的结合,以及存储空间是723 t。具体的电路图如图3。每个学生进行无线通信终端和建立自己的局域网。教师接受学生的实时数据和历史数据。数据接口是过滤信号接口,信号接口,AD转换接口和数据计量端口。

4.2。网球教学效果的判断和比较云计算和深入学习

模型由仿真软件MATLAB软件用于分析,结果如图所示4。首先,数据符合。在云计算和深度学习网球教学、实际教学和预期教学之间的拟合程度是一个重要的管理评价指标。结果如图所示4。

从图可以看出4智能的模拟教学是由计时器和输入波形设备使用时间;中间值,最大值和最小值进行了分析。其中,实际教学之间的匹配率数据和期望如图5。

从图可以看出5预期的评估需求的智能教学基本上是符合实际需求,表明所构造的仿真模型可以分析云计算和深入学习。简而言之,本文建立的仿真模型是有效的,可用于实际的案例分析。从数据可以看出4和5的拟合程度p实际教学和预期的教学要求是好的。原因是在判断之前,进行网球教学效果,放大系数p管理表中用于识别异常的学生,并采取有针对性的教学和培训。此外,教学数据图6相对稳定和斜率变化更少。同时,实际的教学数据的变化范围是相对稳定的,这表明,该数据处理的实际教学是相对稳定的,这进一步显示了算法的有效性。原因是“小组”由学生自己和网球教学资源的共享可以实现学生的自主学习和更有效的了解网球的内容,并不断提高自己的知识结合线下教学内容。

其次,网球教学效果的水平。网球教学水平是云计算和深度学习的重点,其中包括学生实践操作和理论的内容。与传统的集中式模式相比,云计算和深入学习模式有一个更高层次的教学效果。总的来说,实际教学效果的评价数据变化小,和整体比较过程满足评价要求的学习效果。原因是由于自助学习在学生和教学资源的有效利用。结果如图所示7。

从图可以看出7云计算下,教学水平和深度学习方法比较高,教学水平也高于原来的评价方法。与此同时,这两个算法的波动幅度是不同的。本文提出的算法的波动幅度很小,满足教学效果评价的要求。教学水平的不同方法的比较如图8。

从图可以看出8,云计算和深度学习方法比原有的管理方法的个性化服务/资源。与原方法相比,本文提出的算法能更有效地评价教学效果。主要原因是云计算的横向分析和纵向分析深度学习的综合判断,实现智能教学的效果。个性化的服务/资源共享率的比较不同的方法显示在图9。

从数据可以看出9和10这两种算法的计算结果更高的服务和资源共享。与原方法相比,本文提出的算法主要集中在核心区域的x光照片。因此,算法的个性化策略和资源共享提出了比原始算法分享比例。这表明在同样的教学时间,云计算和深入学习方法可以提供一个更高比例的个性化服务。我们都知道,个性化服务是素质教育的重要内容之一。云计算和深学习方法提高网球教学有关教学内容的处理效率,减少网球教学时间根据管理表等优化方法,以便更好地为学生提供个性化的管理服务。

5。结论

云计算和深度学习可以评估高校网球教学的效果(19]。云计算和深度学习可以弥补单一教学的不足,提高网球教学效果评估的准确性。与此同时,云计算和深度学习可以缩短教学效果的评估时间,使网球教学更好地满足智能需求。云计算和深入学习是一种基于中学教学管理方法。该方法综合评估网球教学效果通过预处理网球教学评价数据,使评价结果更符合实际要求。云计算和深度学习方法减少预处理数据和评估效果更快通过识别”异常数据。“MATLAB仿真结果表明,在云计算和深入学习,拟合程度p之间实际的网球教学效果和预期的教学效果更好,和网球教学效果水平和个性化的服务/资源共享的比例高于原来的教学方法。因此,在有限的教学时间和复杂的教学内容、云计算和深度学习的方法可以有效地提高网球教学效果,实现学生的个性化培训。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由黑龙江省艺术科学规划项目(2020 b069);哈尔滨商业大学的关键项目的2021学校教学改革和教学研究项目(HSDJY202129 (Z))。