文摘
深化的经济发展过程中,整个人的精神和文化的需求增加,和素质教育受到越来越多的关注。钢琴教育是素质教育的一个重要组成部分。如今,钢琴教育也能够不断向前发展。钢琴作为乐器之王,是广泛应用于音乐学习。学习钢琴能锻炼意志力,开发智力,培养感情。与计算机软件以及硬件的发展,物联网技术和智能多媒体技术提供物质基础和先决条件钢琴教学。因此,如何评价的影响物联网智能钢琴教学和多媒体技术已经成为一个非常重要的话题。在此基础上,这项工作将BP网络与人工鱼群算法(AFS),提出了网络模型(IAFS-BP)钢琴的质量评价智能教学的背景下,物联网和多媒体。这个工作的具体内容如下:(1)针对AFS的缺点,iaf与变异算子,提出了动态视力和步长。(2)针对BP网络的缺点,iaf用于BP网络。 By using the IAFS algorithm in the training of the weights as well as thresholds, the training speed and training accuracy of the network are improved. (3) This work has carried out a comprehensive and systematic experiment to verify effectiveness and feasibility of IAFS-BP applied to quality assessment of piano intelligent teaching in the context of the IoT and multimedia.
1。介绍
钢琴是一种和声乐器。从历史发展的角度的钢琴,它有无数的优秀作品,以及独奏作品。这是人类的永恒的精神财富。如今,当人们在追求物质财富,精神财富逐渐受到大家的重视。随着时代的发展,人们意识到物质财富并不能使人高尚,和精神财富的增加将提高人们的精神境界,这是我们真正的财富。学习钢琴可以让我们体验,接触,理解人们一直在追求的精神财富。学习钢琴具有十分重要的意义。首先,钢琴教学有助于提高音乐感知、理解、和音乐思维。第二,钢琴教学有利于心理的健康发展、生理、和思考。因为钢琴表演需要积极运动每个十个独立的手指,它需要优秀的协调和协调整个身体。 Third, piano teaching helps to develop a good life style and spiritual quality. Fourth, piano teaching helps to improve psychological perception and self-regulation. During this period, the performer’s ability to correctly understand other people’s emotions is cultivated, and with the help of music, the ability to perceive other people’s emotions is improved. In a word, learning piano plays a role in promoting all-round development, improving people’s comprehensive ability level, and has important significance and effect on ability development and training [1- - - - - -5]。
钢琴家现在可以使用物联网和多媒体技术更有效地教钢琴,由于计算机软件和硬件的进步改变了景观。有一个互联网连接和事情叫做物联网。适应时代,这也是一个组件的最新一代的信息技术。一方面,物联网是指一个网络系统,但是这个系统是基于互联网的增长和扩展。其核心内容和互联网技术起着基石的作用。另一方面,物联网还扩展了用户方面,项目和项目之间也是适用的。这是使之间的信息交流和沟通的事情。物联网在不断增长,许多新技术已经出现。此外,相应的技术领域的计算和物联网的感知也被开发和扩大。著名的世界第三波信息开发指的是物联网技术的发展。 IoT technology can be applied in life, which relies on the cooperation between objects, people and objects, and people. As a result, a network system that is larger and more complex than the Internet has been formed, and this system has also changed the relationship between people and things. This will not only have a greater impact on the existing way of life, but will also bring us great convenience and improve the efficiency of piano teaching [6- - - - - -10]。
其他类型的声乐,钢琴,和当代电子音乐等这些年来已经变得密不可分。在其整个历史中,音乐和电子技术的融合的结果。“多媒体”一词指的是计算机技术的集成与数字视频和音频源。多媒体技术有能力和精度来存储大量的钢琴教学材料,播放电影和音乐很明显,和帮助人们学习,理解,和欣赏钢琴更生动。多媒体是钢琴教材的集合,可用于教钢琴。作曲家采用不同元素编辑、合成并添加各种特效最终成为一个完整的钢琴曲,根据生产的需要。钢琴音乐的物理特征是数字化和存储在多媒体设备作为传播的一种手段。从数码钢琴音乐压缩,通过各种媒介发送,然后回放的时候已经收到。多媒体电脑能帮助学生更有效地学习钢琴结合视频和音频元素。还可以学习更彻底地与计算机进行交互和学生(11- - - - - -15]。
因此,物联网技术和多媒体技术已经成为现代钢琴智能教学不可或缺的一部分。在这种背景下,如何评估质量的钢琴智能教学在网络和多媒体技术已成为首要任务,可有效促进钢琴教学的健康快速发展。这项工作与神经网络相结合,提出了一个基于改进的IAFS-BP钢琴教学质量评估模型算法。这项工作的具体贡献如下:(1)针对AFS的缺点,iaf与变异算子,提出了动态视力和步长。(2)针对BP网络的缺点,iaf用于BP网络的学习过程。通过使用iaf算法权重和阈值的训练,提高网络的训练速度和训练精度。(3)这项工作进行了全面、系统的实验验证IAFS-BP用于质量评估的有效性的钢琴智能物联网的上下文和多媒体教学。
2。相关工作
文献[16)指出,由于家庭条件、生活习惯和爱好的钢琴学习者,他们有完全不同的性格。钢琴教师必须认识到每个学生的差异,以便真正教学生按照因材施教。文献[17)指出,教师应该学会鼓励学生更多鼓励学生的每一点成长。同时,计划由学生扮演指出错误。文献[18)指出,一些父母认为他们的孩子当他们看到别的孩子在钢琴学习的进步是如此之快,自己的孩子们留下的。一些老师对学生也缺乏耐心,不能耐心等待和培养学生的学习热情和自主权。如果事情就这样,学生将会对学习如何弹钢琴。对于这类学生,我们只能培养学生的兴趣钢琴耐心和热情,这样学生可以更积极地学习钢琴,他们也可以培养自己的情操。文献[19)指出,学生在成长阶段,和他们的思想仍在发展阶段。因为时代、环境和其他方面影响每个学生的个性完全不同的方式,如果采用刻板的教学模式,很难达到理想的教学效果。学生更认真的学习,理解能力强可以鼓励和称赞,和学生积极参与演讲可以口头表扬。如果教师能鼓励学生,给他们一些积极的指导,他们可以刺激他们的学习热情,使学生更好的完成学习任务。文献[20.)指出,认知理论引入钢琴教学应尊重个体差异,认知能力和注意钢琴老师和孩子之间的化学反应,家长和学生,学生和学生。文献[21)认为,钢琴教学经验可以分为四个方面:通过语言显示的情况,通过唱歌,创建情况模拟情况通过人体,通过性能和恢复情况,这有助于激发学生的学习和思维方法。
文献[22)指出,物联网的概念是通过接口连接用户和周围的环境,使他们成为一个有机的整体,从而实现建设一个社交网络。文献[23)首先阐述了物联网产业的具体内容,强调传感器的重要性。各领域产业链的发展需要依赖对象的信息传感设备集成到网络,以促进设备行业的有效监管,所以它已经成为物联网的父亲。文献[24]从不同方面阐述了物联网产业的发展。物联网供应链是一个动态的、不断发展的过程,它形成一个动态的整体通过聚合网络和对象。因此,信息交换,不受时间限制的,及时性是持久的。这使不同行业数据在他们想要随时随地监控的流程。文献[25主要集中在两个主要方面的安全法规。它认为安全是全球关注的重点在物联网行业,它是不可避免的进行安全分析物联网操作界面。和它需要匹配相应的法律来确保合法合规的物联网产业发展的方向。文献[26)指出,韩国认为车辆的网络建设的一个重要领域,SK电讯,最大的移动运营商在韩国,还与许多汽车公司建立了合作关系,推出了各种互联网的汽车产品。可以进行汽车的智能监控,物联网的应用于互联网的车辆。文献[26)指出,智能城市也是物联网的应用领域,最突出的是智能社区的建设。美国建立了世界上第一个智能建筑。建筑的健康,光,电,与物联网的安全都意识到。文献[27)提出,英国投资的很多研究基金和政府补贴在2015年物联网的研究,研究领域包括八领域,如交通、能源和环境。
文献[28)认为,多媒体技术是现代技术的集成等计算机技术和信息技术。将多媒体技术运用于教学有助于丰富教学内容和教学形式。文献[29日)认为多媒体教学可以深化和优化教育过程。深化反映在教育内容,优化是反映在教育方法。借助多媒体,教学材料和教学材料的深化可以实现。与此同时,它还可以改变传统教学方法与多媒体的帮助,实现教学方法的优化。文献[30.)认为,多媒体教学和课堂的深度集成可能提供一个新的学习环境。它与教学结构实现有机联系。文献[31日)认为,多媒体教学有许多优势,但有必要注意缺点在应用多媒体教学的过程。因此,在使用多媒体教学过程中,有必要采用不同的应用频率和应用方法结合不同的实际情况。只有这样,学生对学习的热情可以充分调动。
3所示。方法
如何评估质量的钢琴智能物联网教学背景下,多媒体技术是一个重要的话题。这项工作提出了改进IAFS-BP算法来解决这个问题。
3.1。BP网络
BP学习算法的学习方法中存在的问题提出神经网络改进的新方法,大大促进了远期神经网络相关的研究工作。深入研究神经网络,人工神经网络在生活中越来越多的应用于解决实际问题,和80% -90%的人使用BP神经网络。BP神经网络可以模拟非线性数学模型和实现他们的映射。它广泛应用于目标识别、状态监测、机器学习和微量元素测定。
主要通过以下几方面来研究BP网络:(1)提高激活功能:BP算法采用乙状结肠函数作为激活函数。当输入太大或太小,输出将进入饱和区,和误差相对较大,导致算法不收敛。添加一个陡度因素激活函数来提高算法的nonconvergence问题。(2)重量优化,一般通过提高数值优化方法,标准的梯度下降法,或数值近似方法来改善神经网络权重:就业的算法如遗传算法、粒子群算法、模拟退火方法改善数值优化是普遍的做法。(3)网络拓扑:BP网络由输入层、隐层和输出层。没有明确声明计算隐藏层在实际应用程序中,这通常是由经验或试验决定。
有三层BP网络:输入、隐层和输出层。隐藏层可能包含许多层次。有三层BP网络。无关的函数需要两个或两个以上的隐藏层,但在其它情况下只有一个隐藏层是必要的。任何函数都可以使用BP网络映射。隐藏层的数量和每个隐层节点的数目必须确定在创建网络的拓扑结构。图1描绘了一个典型的BP网络图。输入层的输入节点传输的非线性信号隐藏节点隐藏层。输出层的输出节点检查和权重后的输出结果信息已经通过隐藏层处理。在这一层的输出节点网络只在前一层节点的影响。
输入和输出层之间,隐藏层作为网络的内部模式。特征提取对输入数据执行的隐藏层和传送到输出层,它可以区分从其他输入数据输入数据。在BP网络,最初的网络权值是随机分配,通过不断调整,他们成为输入模式特性,可以表达。
确定隐层节点的数量,输入和输出层节点的数目必须考虑,以及需要解决的问题的本质。必须遵循下列条件来确定隐层节点的数量。至关重要的是,在隐藏层节点的数目小于样本计数。网络隐层节点,包括比样本的泛化能力较弱,没有在真实的应用程序中使用。用于神经网络学习训练样本的数量比网络中链接权重的数量,为了准确反映网络的意义。选择一个最佳的隐层节点数时创建一个神经网络模型是至关重要的。网络的性能会受到影响,如果在隐藏层节点的数目太小,它会经常达不到要求。增加隐层节点的数量将在网络上产生重大影响的学习周期,导致更多的过度拟合。常用的方法 在哪里输入层节点,输出层节点,然后呢是一个常数。
两个输入信号正向传播和误差信号反向传播BP网络的学习方法的关键部件。输入信号是通过输入层到隐层路由,在加工之前转移到输出层。在BP网络层节点只响应他们的前层节点的状态。指导误差信号传播过程如果实际输出与期望的输出。如果一个错误发生在训练,它被称为一个错误的信号。信号发送回的差异以某种方式隐藏层,随后输入层。误差信号的神经元在不同层可以检索返回的错误在这些层的神经元。因此,在每一层神经元的相关参数的调整,以达到优化目的网络。
采取不同的平方误差函数,误差可以表示为 在哪里是真正的标签,然后呢是输出。
参数更新 在哪里是网络的重量,是偏见。
3.2。人工鱼群
在AFS,每个鱼被称为解决方案的算法。通过多个人工鱼的合作与交流,与食物浓度最高,即全局极值,共同存在。AFS的算法,首先初始化一群人工鱼,人工鱼更新其状态通过执行觅食行为等行为。经过多次迭代,人工鱼发现最好的价值。在该算法中,每个人工鱼将根据自身的状态和其他人工鱼,和人工鱼的每个移动相当于完成一次迭代的算法。
鱼的觅食行为是几个例子不断移动的方向更大的食物。计算一个随机状态的健身价值的假鱼的视野,根据鱼的当前状态和健身价值。这是一个更适合国家假鱼相比,基于健身的前一个值。选择一个随机状态和健身价值的假鱼比较。如果需求仍不满足,再次执行行动,直到条件满足下一步或搜索的次数。如果人工鱼不满足的条件下一步搜索的次数内,人工鱼将在最大随机游泳在一个方向上的步长,和人工鱼将达到一个新的国家。 在哪里是随机函数,是视觉,步长。
群集行为意味着个人将涌向的地方,那里有很多鱼,和个人将搬到邻近的鱼的中心学校不会造成交通拥堵。为了确定一组的健身价值,从中心开始。这表明如果条件得到满足,中心位置比现有的人工鱼,和该地区并不拥挤。为了避免觅食,人体模特的鱼游向中心。
议论趋势表明,奉行鱼周围最好的状态。否则,寻找人工鱼的数量在其视野。如果条件得到满足,它意味着最优个体的状态比人工鱼的当前状态和地区并不拥挤,旅行和人工鱼的方向最优个体发现;否则,觅食行为。
应该选择哪个行为的执行行为的实际运动人工鱼应该根据具体问题进行了分析。一般来说,行为比植绒行为,议论和聚集行为胜于觅食行为。因此,人工鱼可以执行tail-following行为首先,如果tail-following行为不会使人工鱼更好还是会造成交通拥堵,集群行为执行。执行聚集行为仍然没有使人工鱼得到更好的国家或地区会造成拥挤,然后执行觅食行为。每个人工鱼将尝试执行迭代前议论和群集行为,选择能使人工鱼的行为容易搬到一个更好的位置作为自己的执行行为。如果两个行为不能使人工鱼的方向移动一个更好的状态,觅食行为选择下一个人工鱼的行为。
将设立一个公告牌跟踪目前最大的人工鱼。一旦一个假鱼运动,它使用适应度函数来确定它的健身价值,然后把它比作最好的人工鱼状态。取代人工鱼在公告栏的人工鱼在一个更好的条件,把人工鱼和相应的值到一个新的位置。找到最佳值,继续搜索,直到算法完成和最终的公告牌显示最好的价值。一种有效的优化方法是通过人工鱼群算法的上述行为。算法被切断时,大部分的人工鱼收集附近的几个局部极值,且相对更多的人工鱼往往聚集在全局极值。
3.3。改进的AFS
当人工鱼聚集在一个相对平坦的区域,这部分的人工鱼很容易下降随机游动过程没有目的。此外,一些鱼也很容易陷入局部极值的附近,这很容易导致算法收敛时间长,且搜索性能退化。为了应对这种情况,添加一个变异算子。当性能没有提高在搜索过程中,变异的变异算子起到作用的人工鱼组。在AFS,公告板记录最优个体状态中发现的算法,它可以确定是否通过价值改变搜索结果已得到改进。如果该值在公告栏不会改变多个迭代后,变异操作可以在这个时间。后的状态最优个体保存在公告栏,其他人工鱼被初始化。通过这种方式,可以保留最好的个人和其他人工鱼可以阻止做无用的工作。这使得鱼跳当地最优解在某种程度上,找到全局最优解。
鱼人工蜂群算法具有更高的全局探索能力和可以快速收敛,如果所选的愿景是大。需要执行大量的数学为了占大量的artifactual鱼将被发现。算法的收敛慢下来,如果选择的视野很小。虽然高步长有助于加快收敛,很容易错过最好的可能的解决方案和收敛精度低。算法的精度可以提高通过使用一个更小的步长,但这将产生负面影响的方法的收敛速度。在这种情况下,可以构建动态视力和步长,虽然算法运行时,视野和步长逐步减少。本地搜索和收敛精度算法可以增加通过建立一个动态的视觉和步长。 在哪里 , ,和设置参数。
与动态视觉和步长,人工鱼可以在搜索早期快速收敛的视野和步长在早期阶段。减少视觉和时间步可以缩小搜索的范围在以后的阶段,这减少了计算时间和提高了搜索精度。
鱼可以逃脱搜索的局部最优结果通过引入变异算子。提出了建立动态视力和步长算法。在早期,假鱼有更大的视野和步大小,这样他们就可以迅速聚集在附近的极端的收敛点。更好的搜索精度,算法的视野和步长在后期降低。因此,一种改进的人工鱼群算法变异算子,提供动态视力和步长。iaf的管道是如图2。
初始化鱼群是第一步,紧随其后的是分配一个随机值人工鱼在可行域,确定试验迭代的最大数量,确定次人工鱼的最大数量记录在公告栏没有改变,和确定人工鱼的愿景和步长。第二阶段,每个人工鱼的健身价值计算根据适应度函数,和一个小用最小的健身价值选择和人工鱼放在一个公告牌。建立一个动态视力和步长是第三步的过程。通过尝试和分组议论行为,人工鱼然后选择任何行动使鱼更容易进入一个更好的位置的执行。应该使用如果不是觅食行为。人工鱼在公告栏后将状态相比,这是一个重复在第五阶段。它记录的相关信息人工鱼在公告栏如果自己的状态比人工鱼在公告栏。第六步是确定变化的条件。如果突变条件满足,去第七步;否则去第八步骤。 The seventh step is to perform the mutation operation. The eighth step is to determine the termination condition. In the ninth step, the algorithm terminates and the optimal solution found is output.
3.4。IAFS-BP网络
BP网络的学习算法采用梯度下降方法,这是容易落入极端值,导致学习速度慢,最后很难找到全局极值。一个算法称为AFS基于群体智慧。应对问题的BP网络容易受到当地极端值,具有良好的全局搜索能力。iaf增强了算法的全局搜索和收敛速度。收敛速度和BP神经网络的训练精度可以提高利用iaf算法训练网络的权值和阈值。
三层BP网络,优化参数的神经网络能够转换为人工鱼,因此每个人工鱼可以表示为 在哪里和网络的重量,和是网络的阈值。
个体差异或总结人工鱼的BP网络构成,和目标优化的BP网络的状态变量人工鱼。改进人工鱼群算法的适应度函数是基于不同的实际输出值与期望值之间的网络,这是由输入样本的输入层。人工鱼群的方法是用来训练BP网络的权值和阈值。搜索结束时,网络的输出误差精度达到一个理想的水平,现在的搜索网络最优网络。适应度函数是 在哪里总样本,在输出层神经元。
4所示。实验和讨论
4.1。数据集和评价指标
这项工作使用一个白手起家的数据集来评估质量的钢琴在物联网智能教学和多媒体环境。生成数据集分为训练集和测试集,具体信息如表所示1。每一块数据的输入特性是一个能量指数,具体信息如表所示2,和相应的标签分为5质量水平。
这项工作中使用的评估精度和召回;计算如下:
4.2。评价网络培训
在神经网络中,网络的训练是非常重要的。只有当网络可以逐渐收敛它可以用于后续的测试。验证IAFS-BP方法的收敛性提出了工作,培训和性能损失首先分析。实验结果数据中所示3和4。
随着训练的进行,增加和精度减少损失。当训练达到60迭代,两个数据指标往往收敛,和随后的变化很小。这表明IAFS-BP方法可以有效地训练。
4.3。方法比较
进一步验证有效性IAFS-BP算法应用于评价钢琴智能教学质量在物联网和多媒体环境中,这是与其他评价方法相比。比较方法包括逻辑回归、决策树、支持向量机。实验结果见表3。
与其它评价方法相比,IAFS-BP可以实现最高的性能。与表中表现最好的支持向量机方法相比,精度提高3.8%和3.6%召回得到改进,分别。
4.4。评价变异算子
中使用的变异算子是IAFS-BP算法。验证有效性,这项工作比较评估性能有无变异算子。实验结果见图5。
在使用变异算子,IAFS-BP获得的精度和召回改进提高2.5% 1.8%,分别,这证明了策略的有效性和正确性。
4.5。评价动态视觉上
中使用的动态视觉IAFS-BP算法。验证有效性,这项工作比较评估性能和没有动态视觉。实验结果见图6。
使用动态视觉后,IAFS-BP获得的精度和召回改进提高1.9% 1.3%,分别,这证明了策略的有效性和正确性。
4.6。评价动态步
中使用的动态步IAFS-BP算法。验证有效性,这项工作比较评估性能和没有动态的一步。实验结果见图7。
使用动态步后,IAFS-BP获得的精度和召回改进提高1.6% 1.2%,分别,这证明了策略的有效性和正确性。
4.7。评价iaf
本工作使用iaf优化BP网络。验证有效性,这项工作比较传统BP算法的性能评估,AFS-BP算法,IAFS-BP算法。实验结果见图8。
评估性能通过传统的BP算法是最低的。AFS算法改进时,可以获得一定程度的性能改进。AFS提高时,评估性能可以进一步提高。这可以证明iaf算法的可靠性和有效性提出了这项工作。
5。结论
目前,学习钢琴的热潮不断高涨,越来越多的学生和家长能够认识到学习钢琴的重要性和它带来的优势。与物联网技术和多媒体技术,作为一种时尚和先进的教学方法,其最终目的是为了提高教学质量。物联网和多媒体教学方法有天然的优势,这是反映在教师更加灵活和多样化的教学方法。这也可以跟踪和管理学生的学习结果和处理及时,这是反映在学生的兴趣和学习的效率,更好的提高他们的能力。随着时间的推移,教师和学生之间形成一个良性循环,和教学的最终目标已经实现。在这种背景下,如何评估质量的钢琴智能物联网教学背景下,多媒体技术是一个重要的话题。这项工作提出了一种改进IAFS-BP算法来解决这个问题。这项工作的具体结果如下:(1)AFS将落入一个无效的搜索过程当搜索平坦的地区。AFS采用一个固定的视野和步长,并快速收敛的函数。但后来在搜索,大多数人工鱼聚集在附近的地区。 If the vision remains unchanged, the corresponding calculation amount will increase, and the step size will remain unchanged, which will prevent the artificial fish from moving in the optimal direction. This paper introduces an improved AFS algorithm. It can refine the search and improve search accuracy. (2) For network training, the BP algorithm not only takes a long time to train, but also tends to fall in local extreme values during training process. In this work, IAFS algorithm is used in BP network training. The improved IAFS-BP has better performance, such as global optimization ability, algorithm convergence speed, and search speed. (3) This work has carried out a comprehensive and systematic experiment to verify effectiveness of IAFS-BP applied to quality assessment of piano intelligent teaching in the context of IoT and multimedia.
数据可用性
在当前的研究中使用的数据集是可从相应的作者在合理的请求。
的利益冲突
作者宣称没有利益冲突。