文摘

公共英语教学侧重于语言技能的发展,同时也提高学生的业务专业知识和全面的指导下公共英语教学目标的能力。从知识的角度来看,公共英语教学包含大量的隐性知识,使其适合案例教学。分析knowledge-locking因素在传统案例教学基于深度学习的多峰性角度,构建了一个心理模型来弥补传统的案例教学的缺点。在这篇文章中,一个多维的心理模型,克服了传统方法的局限性。它是基于多通道的特征提取和模式选择算法在公共英语教学深度学习和多维心理学。本文提出的方法优于基准模型创建的三个评价指标和还演示了多峰性的好处。创建一个完全集成的多维思维模式的教学和活动情况,以便学生可以学习激情,变得更加从事练习他们的英语,并最终开发就业所需的语言技能。

1。介绍

随着社会经济的持续增长,各种工作引入了大量的新人才的专业能力要求更高的要求。高等学校也采取主动审查各种专业的人才培训计划根据社会发展的需要和要求进行改革大学英语教学,以提供更理想的服务培训的专业人才,提高学生就业,为社会培养大量的人才需求为导向(1,2]。与有力的促进教学改革近年来高等教育机构,在练习的过程中已经取得了一些进展,但仍有一些问题与教学内容、方法、和人才团队,大大阻碍了高等英语教学的健康和长远发展。公共英语教学应该提高学生的业务专业知识和全面的能力,同时也注重语言技能的发展按照公共英语教学目标(3]。公共英语教学适用于案例教学,因为从知识的角度来看,它包含大量的隐性知识。显性知识可以通过清晰的推理过程的系统化和标准化的知识。大多数的知识通过传统的教师指令或学生的独立研究属于显性知识的范畴。的一种教育活动,是基于教师输入和出于学生输出称为公共英语教学。学生的输出效果是用来评估教学效果。

本文考察的因素导致知识锁定在传统案例教学深入学习的基础上,构建案例教学的外部连接,显示一个多维和多维教学模式,发展心理模型来解决传统案例教学的缺点的多峰性(4]。学习历史上分离特性的问题(5,6从特征选择现在解决了深度学习提取功能的使用。我们可以直接学习高层抽象特征与语义属性从原始数据使用学习模式和深层结构。此外,我们可以直接学习抽象的语义特征使用较小尺寸的功能使用深模型直接实现降维的效果,同时学习功能。这个模型是至关重要的,以避免知识锁定和消除常见误区案例教学。多峰性描述不同配对的两个或两个以上的模式。形态和多峰性进一步定义为一个特定类型的信息或信息的表示,分别。一项研究或数据集有多通道属性包含多个模式。不可避免的副产品的进步多通道多通道深度学习机器学习这一点。多通道深度学习进步多通道机器学习(7- - - - - -9)与深度学习方法,也有了显著的进步。多通道深度学习继承之前的多通道的学习任务和学习目标机器学习。

深度学习从多元的角度探讨公共英语教学,创建一个多维的心智模型,结合传统案例教学为以下外部知识网络,和打开锁定知识融合在一起互补资源渠道的这个专业,其他专业的学生在我们学校,校外资源和网络技术,从而促进异构隐性知识的传播和转移和改善。大学英语教学的目标是为了提高学生的英语能力。教师可以创建灵活的、多维的心理模型为教学过程,实现教学基本原则的学生依照自己的能力,有效地促进教学和学习的积极性,并鼓励学生进行自主学习和个性化学习根据不同的教学内容之间的差异在深度学习(10]。除了实现显性知识共享、多通道的角度深度学习教师合作教学也认识到隐性知识的流动通过同事间的互动和交流。跨学科教育工作者有各种主题的特色和思维模式。一些教育工作者经常深入项目进行研究和分析,具体的实践经验。他们扮演了一个重要的角色是分散的知识载体(11]。加强情境教学对于学生,努力为他们的学习创造一个良好的职业环境深度学习的基础上,并充分整合多维思维模式的教学和活动情况,以便学生可以完全对学习感兴趣,提高他们的兴趣,积极参与练习,因此发展英语技能所需的就业。

本文我主要存在以下创新。(1)本文构造了一个多维的心智模型。多维心智模型通常用于图片文本注释。首先,使用一个编码器输入图像转换为多个向量,每个向量对应一个区域的图像,并选择一个向量与目标句子对齐的话,和其他的概率向量与目标句子单词设置调整为零。(2)多维心智模型理论之间的关系和公共英语教学进行了探讨。所有的公共英语教学模式以集体教学为主体,通过正式或非正式的渠道,他们交换知识的内部和外部多维思维模式。这个主要通过整合互补的资源,我们的学校,校外,和在线渠道,我们可以突破锁定知识渠道,促进隐性知识的传播和转移,从而提高案例教学的效果。

2。相关工作

本章引入了多维心理学的相关工作在公共英语教学,分析所涉及的方法的优点和缺点,然后导致本文的工作内容。本文所做的工作是基于理论和实践的基础上提供的这些现有的研究。

拉马钱德兰等人提出,实施多维的过程中心理改革英语教学在高等学校就业取向的基础上,从各个方面积极合作是必需的,比如领导人重视它的大学,学术事务办公室提供的大力支持,并与英语教学每个学院的合作,因此,它是非常必要的进行多维心理管理高等学校的英语教学通过多样化的教学管理模式(12]。黄等人提出了多维心理学基于web的公共英语教学,不仅打破了传统课堂教学在时间和空间上的瓶颈,但也突破了时间和空间的局限性的知识溢出(13]。Bayoudh等人提出的多维心理过程的公共英语教学中,教师总是把学生放在中心位置。具体来说,他们可以选择的综合教学方法教学、学习和做“有效教学调动学生的主动性、积极性。学习的安排,他们应该考虑课外自主学习和课堂学习,有效地加强对学生的指导,这样他们就可以成功地进行课外英语学习,以培养他们的自主学习能力14]。Adwaith等人提出了与传统案例教学相比,多维案例教学在公共英语教学有利于探索性学习。与传统的案例教学模式相比,多维案例教学的整合多个知识资源在多个情况。它要求学习者不断学习思考,分析、探索、发现、和使用新知识在更大的范围内,以刺激和促进学习者的创新能力的培养15]。香等人提出了支持多维当地学校的公共英语教学心理学通过义务,这不仅提高了资源配置,而且还通过多维互动和沟通与教学组织心理教学与学校合作,加速异构知识的流动和转换,从而实现知识的螺旋上升(16]。生等人提出的多维心理过程专业英语模块教学,针对学生的实际特点的学习意愿在情境教学氛围,英语实践教学应强调在教学过程中反映的培养学生的专业英语应用能力(17]。谢勒等人提出,大部分的大学教师在教学和科研第一线很长一段时间,缺乏第一手接触社会和企业,和相对缺乏“实用的”知识。通过积极吸收这些机构,积极参与案例教学,不仅有利于提高多维心理学专业教师的实践教学能力,还能使案例教学是嵌入到外部知识网络(18]。Mitra等人提出了加强指导学生学习战略和经验知识,一方面,教学生如何应用多维英语心理学;另一方面,让他们掌握学习方法,所以学生可以学习如何更好地使用专业英语(19]。赛德勒等人提出,在过去,学生的采集通道的公共英语教学知识相对单一,大部分来自于教师的教学中,也就是说,教师首先建立相关的多维为学生心理模型,在此基础上,修订了对新知识的理解,并不断补充和集成20.]。他等人提出的多维心理内容公共英语教学改革的指导下工作,这是英语教学改革的关键。当设置多维心理内容的教学,我们应该强调工作的适应性。较高的适应性和更科学的内容选择、更一致的与课程改革的方向。与此同时,它将使学生顺利适应未来工作要求(21]。

探讨多通道deep-learning-based公共英语教学,构建一个多维的心智模型。心智模型具有以下重要的认知特征:知识思想的基本组织形式,或心智模型,是认知主体的知识结构。这个抽象的知识结构是由大大小小的类的知识,或“知识集,”抽象的知识。为了防止知识锁定和消除案例教学的普遍误解,多维案例教学结合多通道深度学习公共英语教育至关重要。深度学习有重大的积极影响的开发和增强学生的综合能力以及扩大他们的业务知识。多模式教学大大弥补了传统案例教学的缺点。根据多维心理模型中使用深度学习公共英语教学案例研究,合作教师分享知识,相互沟通,讨论主题相关课程的教学。这使他们来弥补差距在商务英语教师的专业知识和填补知识空白。自多通道心智模型理论的发展,语言学家开始使用多维心智模型理论探讨语用推理的目标在不同的交际环境中进行深入研究人类交际活动和改善人类交流。除了谈判团队成员的选择,每个团队成员的责任和卓越的标准为团队成员都应该被包括在教师与学生的心理模型在实际的教学活动。 In the course of continuous learning and communication, teachers from various fields will establish a regular system of in-depth communication that will encourage their heterogeneous knowledge to be shared covertly, enhancing and promoting the development of cooperative teachers’ abilities and enabling the internalisation of knowledge.

3所示。多通道深度学习

众多研究机构不断探索和创新现有模型,提高数据集,加快多通道深度学习的操作模型,并提高产量预测的精度,因为这是一个深学习拥有巨大发展潜力的研究领域。“单模深度学习表示”这一术语指的是单模的线性或非线性映射数据产生高阶语意特征数据(22]。主要处理对象在单模表示句子,图像,视频,声音,和其他模式。不同的模式有不同的神经网络模型,适用于他们。多峰性有能力准确判断信息根据其内存,但它是难以准确地描述多通道感知语言。多通道表示模态信息的处理使用模态交互语义表示或模态约束语义表示,导致表征结果相同或相似的模态信息具有相同或相似的语义23]。大学英语教学相结合的听、说、阅读、写作和翻译通过多通道深度学习有利于自然输出和输入之间的联系。用另一种方式,多通道深度学习教学鼓励无限和零距离互动新知识通过多通道交互和基于长期记忆或现有的语言材料输入知识,这样学生就可以合并或设计单位实际情况用英语做事情基于阅读文本和听力材料,或实现多通道信息处理和解码的帮助下多通道深度学习教学。

3.1。单峰表示

三个类别可以用来归类的表示句子模式:词的袋子表示序列模式,文字序列模式的低维表示,独特的词表示模式。声音的表现模式分为声音特征向量的提取和提取的高阶表示特征向量。视觉形态的表象下深度学习分为图像的表示形式和代表性的视频模式。在现实世界中许多数据集聚集在常规单模环境中表现出高维非结构化特征。这些原始数据从深入学习不能直接用于模型计算;相反,他们必须首先经过数据清洗过程中,非结构化的原始数据结构处理,删除无效数据,原始数据的形式表示,可以用于计算。进一步要求这个数据是模态表示语言能够反映词或词的语义信息(24,25]。词的独特表现方式只执行一个简单的向量化替换单词或单词句子中包含的模式。文字序列模式在低维空间中表示。词的语义表示的序列模式,或者这个词序列映射到语义空间,被称为词序列的低维空间表示方法。传统方法处理高维数据的问题深入学习是第一个使用手动创建单一的特征提取,特征提取规则处理因过高问题维度基于这些提取的主要特性和处理因过高问题基于特征空间的维度通过使用一个方法降维映射的变化。卷积神经网络,一种深度学习技术创建专门为图像多层神经网络的基础上,在图像处理结果优秀。神经网络获取视频的结构模态表示如图1。

卷积神经网络过程连续图像帧作为视频。它使用一个卷积神经网络融合这连续图像中的时间和空间信息并生成的向量表示这连续图像帧之前的全部连接层卷积神经网络。深度图的图像转换为三维点云数据通过坐标变换,和生成的3 d点深度映射集合在一起,和协方差矩阵的以下几点由特征值分解。 在哪里三维质心的吗最近的点 , 。

简单的计算,调整正常方向的一致性。 在哪里 代表之间的内积和 ,它反映了夹角,象征性的函数是用来调整是一致的方向。

当深度学习的原始数据维度过高和训练数据集的数量是巨大的,大量的计算是不可接受的,这些方法很难应用于大数据环境。此外,这种方法仍然是基于原始的非结构化数据,的主要特征提取及其算法本身不能直接应用到原始数据。

3.2。多通道表示

single-modal表示作为多模式表示的基础,和连接所有模态表示串联是最快和最简单的方式。多通道研究最近越来越受欢迎,拥有先进的技术来获得多通道表示很快。模态交互语义表示和模态约束组成的多通道表示语义表示深刻的学习。约束语义表示与协调的语义表示的不同之处在于,其他形式的陈述都受制于一个形态的single-modal表示为了让那些表示包含语义数据的形态。深度学习注意力模型的模型不断更新的整个开发过程。全球关注模型的基础上,当地的注意力模型,静态注意力模型和动态注意力模型开发。在深水中的各种数据形式的异质性学习任务多通道特性是最重要的问题之一。大多数多模式学习方法的主要目标是项目不同形式到相同的子空间,尽管各种形式的原始数据在不同的功能空间。在揭示了隐性分层特性表达式和改变原始数据,深度学习模型演示了突出的优势。本文构建一个多维心智模型基于深度学习的公共英语教学从多通道的角度来看,它仔细检查每个元素之间的连接在输入模式和特定的元素在目标模式。 In Figure2,显示多维思维模式。

多维心智模型通常用于图片文本注释。首先,编码器用于将输入图像转换为多个向量,每个向量对应一个区域的图像,选择一个向量与目标一致的句子的词,和其他调整的概率向量与目标句子字设置为0。

假设有一个没有阶级的输入向量 ,由非线性激活函数映射得到隐层表示 在网络参数 和 是功能。 矩阵和重量吗 是偏移向量。地图再次重构向量

为了减少训练参数的数量,网络参数 可以是有限的 ,在哪里是权重矩阵的转置 ,通过培训和网络参数可以调整。

所有训练样本的平均激活,

数据的稀疏表示的稀疏限制参数添加,相对熵作为惩罚因子,它可以表示为

因此,实施后稀疏限制和添加惩罚因子,总成本函数可以表示为 在那里,矩阵和重量吗是偏移向量。输入训练数据集训练,权重矩阵和偏移向量调整配方达到最小。

为了得到一个编码表示,可以揭示数据的内部结构尽可能优化的目标是重建原始输入和重建之间的输入错误。

当整个网络调整监督下,反向传播算法用于优化模型。损失函数的定义 在哪里代表模式的数量,代表了训练样本的数量。为分类问题,输入向量的概率属于的类别是

只有一个子网的参数调整,和其他子网的参数是固定的。重量更新完成后,下一个模式所属的网络调整,直到所有模式调整。辅助层只用于联合微调根网络,并将网络训练完成后被取消。

3.3。多维心理模型理论之间的关系和公共英语教学

老师和学生之间沟通的认知语境包括公共英语教学。在交流,教师和学生是平等作为演讲者和听众,分别。教学活动的交际效果允许教师和学生分享一个多维的心理模型。主的身体在公共英语教学模式是教学集体,从事正式和非正式的知识交流与多维的内部和外部的心理模型。增加的影响案例教学、资源互补的专业,学校,校外的位置和网络渠道集成。这个打开之前锁定知识渠道,鼓励隐性知识的传播和转移。一方面,英语教师应该能够指导学生基本的英语,另一方面,他们应该能够指导学生在各种专业。我们应积极建立一支专门的教师为了提高质量和工作效率,减轻教师专业教学的压力。在过去,只有少数学生学习方法,和大多数的这些方式是通过他们的老师。具体来说,教师应该为学生建造相关的心理模型,修改这些模型根据新信息,不断补充和整合他们的学习。 The public teaching department or the foreign language institute is primarily in charge of the traditional multidimensional psychological model, and the public foreign language teaching and research office is primarily in charge of carrying out the related teaching work. The multidimensional psychological model unlocks the knowledge network that has been impenetrable. Students can master the most recent management, finance, economy, and legal knowledge and comprehend the most recent trends in international business activities by being exposed to new heterogeneous knowledge from the outside environment. In addition to helping to avoid knowledge locking and provide the necessary outside knowledge for the creation of collective knowledge, it can also aid in removing the case teaching bottleneck.

过程中实施改革,改革集团经常讨论如何最好地推进英语教学改革,识别时出现问题,提出解决方案,通过相互交流,选择最实用的解决方案并成功地抵抗他们的分工与合作为了成功推进英语教学改革。为了提高英语教师的专业性,同时应该实现具体的培训和教育。另一方面,敦促教师继续教育和学习,特别是通过远程学习或通过研究生课程同时还能全职工作。此外,我们还可以加强英语教师在学校和人才带头在整个教学团队,引进优秀英语教学人才。教师可以使用多维心理模型把班级分成小组,小组成员在公共英语教学。的学生是最好的组织团体由每组选为组长。团队中的每一位成员都由组长给定一个特定的任务,他也监控他们是如何完成的。确保完成集团和组织类演示,教师只需要定期定位组长。一旦学生的作业已经完成,老师应该诚实、客观地评估他们的表现,并分配分数就是明证。如今的学生有更强的个性,因为他们是在大学里。 The growth of the Internet has allowed students in the modern age to quickly find out a lot of information, though it might be superficial. To guide, modify, deepen, and connect them into a shared model between teachers and students, teachers in public English instruction should first understand the basic and dispersed knowledge structure of students’ prior relevant knowledge.

4所示。分析和讨论的结果

为了验证模型的多通道融合特征提取能力,本文中的方法和NUS-object用于测试每个单模的辨别能力,结果如表所示。为了评估多通道融合的歧视能力特征提取模型,本文首先给出了分类精度应用不同的算法来获得的实验数据集,如表所示1和2。

实验结果表1和2表明,与其他算法相比,该方法的分类精度最好在图像分类的数据集。NUS-WIDE-object数据集,不难发现功能使用文本形态的分类精度高于使用图像形态。6模式的数据集的特征都来自图像。拼接特征向量可以由支持向量机分类器分类和PCA +支持向量机,和得到的分类精度高于单一功能。多核学习方法得到的分类精度较低。然而,本文提出的模型的分类精度仍然是最高的几种方法之一。

良好的功能不仅要有良好的辨别能力,而且保持尽可能多的信息在维度最低的原始数据,所以本文也测试了特征降维原始多通道数据的模型的能力。获得实验数据的分类精度结果如图所示3。

从图可以看出3,该模型提出了可以从原始高维特征中提取低维特征,有效整合各种原始的不同特性,和较低维度,同时保持较强的辨别能力。新加坡国立大学的数据集,该模型可以减少745 300维维特性,分类精度最高。本实验采用文献[8)、文学(10),这种方法研究多维的召回率在公共英语教学心理学。实验结果如图所示4。

从图可以看出4三种方法中,方法的召回率提出了最低,其次是文献[10),最后文献[8]。从图可以看出4实验的数量达到120时,文学的召回率(8文献[的]是87.48%,10)是83.56%,该方法的是63.25%。它表明,在小规模数据集,训练的模型在大规模的类似的数据集可以有效地帮助学习图像的底层特征,虽然微调可以使模型更好地适应特定的任务数据集,从而提高模型的性能和泛化能力。在这个实验中,文献[8)、文学(10),该方法用于研究F值的变化多维公共英语教学的心理学。实验结果如图所示5。

从图可以看出5实验的数量达到150时,文学的召回率(8文献[的]是98.25%,10)是93.25%,该方法的是70.15%。总的来说,本文提出的方法优于设计基准模型中三个评价指标,同时也显示了多峰性的优点。首先,实验验证的特征提取能力提出了异构多通道神经网络算法框架的特性,如表所示3和表4。

从实验结果表3和4,它可以清楚地看到,本文提出的算法明显优于其他方法。同时,通过使用多个数据形式获得的分类效果显然比只使用一个单独的数据获得的形态,这也证实了互补信息的有效利用提出了多通道数据的模型。然而,分类精度得到训练SVM分类器的精炼功能维度单独是高于其他方法,但略低于筛选获得的特性,表明该方法能有效去除冗余信息不丢失有用的信息。

为了验证提出模型模态选择的有效性,本文观察不同方法获得的模态重量信息。每个模式的重量,但其他方法将重量为每个特征维度。每个模式得到的权重在三个实验数据集通过文学的方法(8)、文学(10),这篇论文。实验结果如图所示6。

本文提出的方法可以成功地过滤掉噪音模式和无用的模式,由图如图所示6。该方法适用于三个实验数据集和每个模式分配适当的权重,将零权重分配给一些噪音模式和更高的权重模式与当前分类的任务。因为不同的数据模式异构,其他方法,相比之下,将不正确的权重分配给各种数据模式,我们可以用传统的方法来产生正确的结果只有通过成功删除这种异质性。决定如果模态分量不为零后获得重量为每个独立的模式。进行了一系列的实验,看看这个重量可以精确的描述了模式当前的学习任务的重要性。图7说明了分类精度随添加的各种模式。

从图可以看出7从网络中提取特征,甚至只有几个功能组需要达到较高的分类精度,也证实了多通道数据中的信息冗余的存在。然而,随着0-weighted功能组,分类精度基本上保持不变或略有波动,和这些群体的特点对当前分类任务没有影响。此外,本文提出的多通道神经网络提取,模式最初在噪音组没有影响分类的任务,但是没有负面影响,这再次证明了该模型的有效性。

5。结论

当前高等教育教学改革,简而言之,包括课程教学改革。作为教学的一个定义特征,高等教育课程一贯坚持的就业取向。本文多通道特征提取和基于多维模态选择算法深度学习心理学和公共英语教学从多元的角度提出了开发一个多维的心理模型,克服了传统方法的局限性。当进行了150次实验,该方法召回率为70.15%,而98.25%文学8 93.25%,文献11,分别。总的来说,本文提出的方法优于设计基准模型的三个评价指标,同时表现出多峰性的好处。的帮助下深度学习方法,多通道数据想象转化为模态独立抽象表示,和结构稀疏方法用于进一步选择特征维度的抽象表示。未来就业的大学生应该背后的推动力量在高等学校英语教学。只有通过系统的、全方位的改革和创新各专业英语教学可以更好的管理随着时间的推移,和指令的口径提高到为社会培养大量的人才。除了传统的案例教学,多维案例教学的基础上深入学习也使用。通过将更加强调多维案例教学,传统的案例教学没有被破坏了。 In order to ensure that case teaching is effective, teachers should fully utilize their positive roles in accordance with the business English teaching content, training objectives, and available resources.

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

作者没有任何可能的利益冲突。

确认

本研究支持的研究对中国大学生英语写作中词汇应用能力基于英语语料库,2020号ydq-15。