一种基于无线技术的教育网络管理设备制造技术

本发明专利技术公开了一种基于无线技术的教育网络管理设备，涉及信息技术教学技术领域，本发明专利技术包括安装在教师电脑与若干学生电脑之间的网教育网络管理系统，管理系统包括管理模块、采集模块、处理模块以及预警模块；采集模块主要用于获取学生步骤截屏图像Bi，处理模块将学生步骤截屏图像Bi与正确步骤截屏图像组[A1、A2、...、An]中的图像Ai(1≤i≤n)依次进行相似度匹配，若图像Bi与图像Ai是否相同，若相同则标记该学生实操步骤正确，若图像Bi与图像Ai不相同，则判断图像Bi与图像Ai+1是否相同，均相同则判断该学生实操步骤正确，若不相同，则每次判断不相同后向预警模块发出预警结果。本发明专利技术为一种基于无线技术的教育网络管理设备，辅助教学，提高教学效果。提高教学效果。提高教学效果。

【技术实现步骤摘要】
一种基于无线技术的教育网络管理设备


[0001]本专利技术涉及信息技术教学
，特别涉及一种基于无线技术的教育网络管理设备。

技术介绍

[0002]网络管理就是指监督、组织和控制网络通信服务以及信息处理所必需的各种活动的总称，其目标是确保计算机网络的持续正常运行，但是随着科学技术的发展，人们开始使用网络管理设备应用于教育机构，具体在初高中的计算机教学过程中需要用到管理设备对学生电脑进行监管，实现辅助教学。
[0003]但是现有的初高中信息技术课程教学过程中，教学方法如下，首先教师将本节课需要学习的内容进行课前演示，例如如何只做动态PPT，如何用函数公式处理EXCEL表格，具体的，信息技术老师会对本节课教学内容进行展示，展示完成后，将素材发送给每名学生，每名学生拿到教学素材后，开始进行实操，此时老师通过现有的教育网络管理设备，通过教学电脑获取学生电脑桌面显示，主动查看学生桌面显示，根据学生桌面显示判断学生实操进度，或者检查实操步骤是否正确，往往教师会定期抽查，使得信息技术老师通过现有的教育网络设备无法自动实时监测全部学生实操步骤是否正确，因此有必要提出一种新的解决方案。
[0004]现有的教育网络设备只能实现教师电脑与学生电脑之间相互发送素材和作业，现有的教育网络设备中教师电脑通过教育网络设备获取学生电脑桌面显示，使得现有的教育网络设备存在无法自动监管学生电脑、无法自动监测学生实操步骤进展以及无法自动判断学生实操步骤进展是否出错的缺点，为此，我们提出一种基于无线技术的教育网络管理设备。
专利
技术实现思路

[0005]本专利技术的主要目的在于提供一种基于无线技术的教育网络管理设备，可以有效解决
技术介绍
中现有的教育网络设备存在无法自动监管学生电脑、无法自动监测学生实操步骤进展以及无法自动判断学生实操步骤进展是否出错的缺点。
[0006]为实现上述目的，本专利技术采取的技术方案为：一种基于无线技术的教育网络管理设备，包括安装在教师电脑与若干学生电脑之间的网教育网络管理系统，所述管理系统包括管理模块、采集模块、处理模块以及预警模块；
[0007]所述管理模块中，教师通过管理员权限登录管理模块，将教学案例实操正确步骤运行结果进行分步截屏，获取若干正确步骤截屏图像，在根据步骤先后顺序对若干正确步骤截屏图像进行排序，得到正确步骤截屏图像组[A1、A2、...、An]，其中An为最后一步实操步骤完成图像；例如将课程案例实操步骤分为十步，每完成一步进行一侧截屏得到正确步骤截屏图像组[A1、A2、...、A10]，此处n＝10；
[0008]所述采集模块主要用于定时截屏学生电脑当前时刻电脑显示图像，形成学生步骤
截屏图像Bi(1≤i≤n)，同时所述学生步骤截屏图像Bi包含对应的学生信息以及时间信息，并将所述学生步骤截屏图像Bi发送至处理模块，例每时间间隔t＝150秒，进行一次学生步骤截屏；
[0009]所述处理模块获取学生步骤截屏图像Bi，并将学生步骤截屏图像Bi与正确步骤截屏图像组[A1、A2、...、An]中的图像Ai(1≤i≤n)依次进行相似度匹配，生步骤截屏图像Bi与正确步骤截屏图像Ai相似度匹配过程如下：所述处理模块建立卷积神经网络，所述卷积神经网络对图像Bi与图像Ai进行特征向量提取，得到图像Ai的特征向量Pa以及图像Bi的特征向量Pb，然后采用双线性相似性度量算法通过学习一个成对的相似性函数S，输入特征向量Pa以及特征向量Pb，输出图像Ai的特征向量Pa以及图像Bi的特征向量Pb的相似度，进而根据相似度，最终判断图像Bi与图像Ai是否相同，若相同则标记该学生实操步骤正确，若图像Bi与图像Ai不相同，则重复上述步骤判断图像Bi与图像Ai+1是否相同，均相同则判断该学生实操步骤正确，若存在不相同，则每次判断不相同后向预警模块发出预警结果，例如将第一截屏得到的图像B1与A1进行相似度比较，若两幅图结果判断为相同，则直接退出本次相似度对比，提示该学生第一步骤正常，若两幅图结果判断不相同，则对B1与A2进行相似度比较，若相同则提示该学生第二步骤正常，若两幅图结果判断不相同，则对B1与A3进行相似度比较，重复上述步骤，直至B1与A10，对比完成若不相同则判断该学生异常，向预警模块发出预警结果，使得本系统能够自动监测学生进行实操步骤，并将实操步骤不正确的学生自动发送至教师电脑，辅助教师快速解决对应学生的问题。
[0010]优选地，所述卷积神经网络包括卷积层，所述卷积层的特征提取利用自然图像的统计平稳性，被一个可学习的卷积核进行卷积，然后通过一个激活函数，得到输出特征图，每一个输出特征图是组合卷积多个输入特征图的值。
[0011]优选地，通过相似性函数S，判断特征向量Pa以及特征向量Pb的相似度运算过程如下：首先设定相似函数S，相似函数如下：S
w
(Pa,Pb)＝P
aT
WP
b
；W∈R
dxd
，其中：W是要学习的矩阵，此算法旨在学习利用双线性相似性度量表示稀疏特征，Pa假设三个样本为一组，分别是(Pa，Pa+，Pa
‑
)，其中：Pa+、Pa－是同一类样本，而Pa、Pa－是不同类的样本，该相似性函数S定义了一个间隔，使同类的相似度大于异类的相似度，如下：S
w
(Pa,Pa+)＞S
w
(Pa,Pa
‑
)+1，然后增加一个损失函数，该损失函数为铰链损失，如下：l
W
(Pa，Pa+，Pa
‑
)＝max{01，
‑
S
W
(Pa，Pa+)+S
W
(Pa，Pa
‑
)}，对于大量的样本，铰链损失函数如下为了使损失函数最小，再采用PA(PassiveAggressive)算法去迭代训练W，W最初赋值为W0，对于每次迭代，本文随机选择三个样本(Pa，Pa+，Pa
‑
)，解决下面的凸模型：l
W
(Pa，Pa+，Pa
‑
)≤ξandξ≥0，其中：‖
·
‖
Fro
是L2范数，在第i次迭代中，W
i
是权衡第一结果以及第二结果，第一结果是与前一次的W
i－1
相靠近，第二结果分是损失函数最小，利用参数c来控制第一结果以及第二结果，最后通过BSM算法进行双线性相似性计算，先始化W＝W0，设置迭代次数n，重复下面迭代过程，随机挑选三张图片Pa，Pa+，Pa
‑
，满足S
w
(Pa,Pa+)＞S
w
(Pa,Pa
‑
)+1，更新W
i
＝W
i－1
+λ
i
V
i
，其中，其中直到达到迭代次数n为
止，得到W矩阵，得到W后，通过式S
w
(Pa,Pb)＝P
aT
WP
b
；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无线技术的教育网络管理设备，包括安装在教师电脑与若干学生电脑之间的教育网络管理系统，其特征在于：所述教育网络管理系统包括管理模块、采集模块、处理模块以及预警模块；所述管理模块中，教师通过管理员权限登录管理模块，将教学案例实操正确步骤运行结果进行分步截屏，获取若干正确步骤截屏图像，在根据步骤先后顺序对若干正确步骤截屏图像进行排序，得到正确步骤截屏图像组[A1、A2、...、An]；所述采集模块主要用于定时截屏学生电脑当前时刻电脑显示图像，形成学生步骤截屏图像Bi(1≤i≤n)，同时所述学生步骤截屏图像Bi包含对应的学生信息以及时间信息，并将所述学生步骤截屏图像Bi发送至处理模块；所述处理模块获取学生步骤截屏图像Bi，并将学生步骤截屏图像Bi与正确步骤截屏图像组[A1、A2、...、An]中的图像Ai(1≤i≤n)依次进行相似度匹配，生步骤截屏图像Bi与正确步骤截屏图像Ai相似度匹配过程如下：所述处理模块建立卷积神经网络，所述卷积神经网络对图像Bi与图像Ai进行特征向量提取，得到图像Ai的特征向量Pa以及图像Bi的特征向量Pb，然后采用双线性相似性度量算法通过学习一个成对的相似性函数S，输入特征向量Pa以及特征向量Pb，输出图像Ai的特征向量Pa以及图像Bi的特征向量Pb的相似度，进而根据相似度，最终判断图像Bi与图像Ai是否相同，若相同则标记该学生实操步骤正确，若图像Bi与图像Ai不相同，则重复上述步骤判断图像Bi与图像Ai+1是否相同，均相同则判断该学生实操步骤正确，若存在不相同，则每次判断不相同后向预警模块发出预警结果。2.根据权利要求1所述的一种基于无线技术的教育网络管理设备，其特征在于：所述卷积神经网络包括卷积层，所述卷积层的特征提取利用自然图像的统计平稳性，被一个可学习的卷积核进行卷积，然后通过一个激活函数，得到输出特征图，每一个输出特征图是组合卷积多个输入特征图的值。3.根据权利要求2所述的一种基于无线技术的教育网络管理设备，其特征在于：通过相似性函数S，判断特征向量Pa以及特征向量Pb的相似度运算过程如下：首先设定相似函数S，相似函数如下：S
w
(Pa,Pb)＝P
aT
WP
b
；W∈R
dxd
，其中：W是要学习的矩阵，此算法旨在学习利用双线性相似性度量表示稀疏特征，Pa假设三个样本为一组，分别是(Pa，Pa+，Pa
‑
)，其中：Pa+、Pa－是同一类样本，而Pa、Pa－是不同类的样本，该相似性函数S定义了一个间隔，使同类的相似度大于异类的相似度，如下：S
w
(Pa,Pa+)＞S
w
(Pa,Pa
‑
)+1，然后增加一个损失函数，该损失函数为铰链损失，如下：l
W
(Pa，Pa+，Pa
‑
)＝max{01，
‑
S
W

【专利技术属性】
技术研发人员：王军刚，
申请(专利权)人：王军刚，
类型：发明
国别省市：