摘要：线上学习与线下学习相比,不受时间和空间的限制,当前很多培训都采用在线的形式,但是相比线下,线上培训存在学习监管、学员身份认证方面的问题,比如如何确定当前在线听课的是否是学生本人,学习效果无法及时反馈给主讲教师,在保障培训质量方面需要投入更多的人力。本文以科创中心的在线学习平台为例,研究基于深度学习的人脸识别方法,使用Tensorflow深度学习平台提供的接口和方法实现人脸识别,并将该方法应用在在线学习平台,用于核对在线用户是否真实,应用于在线学习平台的学员身份认证、考勤、考试管理以及在线学习有效性监督等,减轻线上人工监督的工作量,进而提高在线学习对学生的规范监督管理,优化培训体验,保障培训质量。

摘要：传统机器学习分词的方法工作效率普遍偏低,因其基本依赖于人工设计的特征工程,且需要大量的人工验证特征的有效性。而基于神经网络深度学习算法出现后,实现了训练神经网络自动学习特征,这种方式极大减少工作量,同时提高提取特征工程的效率。本文根据一种基于长短时记忆神经网络与条件随机场模型结合的中文自动分词模型进行测试,结果表明分词准确率、召回率极高,更具通用性。