CN114186696A - 一种ai训练教学的可视化***及方法 - Google Patents
一种ai训练教学的可视化***及方法 Download PDFInfo
- Publication number
- CN114186696A CN114186696A CN202111486664.XA CN202111486664A CN114186696A CN 114186696 A CN114186696 A CN 114186696A CN 202111486664 A CN202111486664 A CN 202111486664A CN 114186696 A CN114186696 A CN 114186696A
- Authority
- CN
- China
- Prior art keywords
- training
- model
- training model
- mode
- uploaded
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种AI训练教学可视化***,包括可视化客户端、服务器端、训练端,可视化客户端、服务器端与训练端两两之间均通过网络通信连接,训练端用于训练得到模型文件,服务器端存储有包括训练模型数据、训练结果数据;可视化客户端包括模型加载模块、渲染模块、动作执行模块、类型选择模块和模式选择模块;可视化客户端用于加载、渲染并执行训练模型并呈现当前用户的第一训练模型的训练效果;同时本发明还提供应用于上述***的AI训练教学可视化方法,通过该***与方法,将训练模型的训练效果可视化的展示使用户直观了解AI训练模型的训练效果,使AI教育不再枯燥,并且在该过程中可以与其他用户的训练模型进行对抗,增加AI教育的趣味性。
Description
技术领域
本发明涉及AI教育技术领域,具体而言,涉及一种AI训练教学的可视化***及方法。
背景技术
人工智能不仅是一门研究领域,其也是一项能扩展各个领域的应用技术,尤其是大数据、云计算的发展和相关的计算和存储容量的进步导致人工智能在技术方面取得了巨大的突破,其中尤其是机器学习技术尤为突出。
机器学习主要涉及算法的创新,创新的算法可以发现模式并根据复杂的数据进行预测,并且不需要人工再编程或操作其运作;使用机器学习,计算机可以学会分析数据、识别模式并以最少的人工干预作出决策,改技术目前已在诸如自然语言处理、自动驾驶汽车和机器人等领域取得了较大的技术进展;可以预测的是,在未来人工智能将会为人们的生活带来巨大的变革,人们对人工智能的学习需求将不断增加。
当下,已有相当多的人投身进入人工智能领域,其中不乏有参与培训班的新人以及企业培养的新人,对于这些新人而言,机器学习模型的训练效果是反应他们的学习的重要指标,目前训练效果的主要展示方式还是依据数据来体现,这种训练效果展示方式十分的枯燥,不利于新人的直观观察训练效果,难以快速了解到AI参数对模型效果的影响;且这种方式只能通过枯燥的数据对比才能知晓谁的训练效果更好、算法更优异;基于以上,申请人提出一种可视化的训练效果展示方式,避免新人在学习初期,因枯燥的数据而降低学习的兴趣,同时这种可视化的展示方式也期望能够实现多个模型对比,解决只能用数据对比的枯燥方式。
发明内容
本发明的目的在于提供一种AI训练教学的可视化***及方法,其通过将模型训练的效果可视化的进行展示帮助AI初学者直观的了解其完成的AI训练模型的训练效果,使AI教育不再枯燥,并且在该过程中可以与其他人的训练模型进行对抗,增加AI教育的趣味性。
本发明的实施例通过以下技术方案实现:
第一方面,提供一种AI训练教学可视化***,包括可视化客户端以及服务器端,所述可视化客户端、服务器端与训练端两两之间均通过网络通信连接;
所述服务器端存储有包括训练模型数据、训练结果数据;
所述可视化客户端用于渲染训练模型并呈现AI训练效果,所述可视化客户端包括模型加载模块、渲染模块、动作执行模块、类型选择模块和模式选择模块;所述模型加载模块用于加载当前用户上传的第一训练模型与预存储于所述服务器端的第二训练模型、或渲染当前用户上传的第一训练模型与其他用户上传的第一训练模型,所述渲染模块用于渲染所述第一训练模型和第二训练模型,所述动作执行模块用于执行渲染后的当前用户上传的所述第一训练模型与第二训练模型或其他用户上传的所述第一训练模型进行对抗,以呈现当前用户的所述第一训练模型的训练效果;所述类型选择模块用于选择需要渲染的训练模型的类型;所述模式选择模块用于选择训练模型的对抗模式。
进一步的,还包括训练端,所述训练端用于训练得到模型文件,所述模型文件包括所述第一训练模型、第二训练模型。
进一步的,所述第二训练模型包括多个训练模型并具有多个类别,每个类别中包括多个训练效果等级不同的训练模型。
进一步的,所述对抗模式包括体验模式、练习模式、闯关模式、挑战模式以及比赛模式;体验模式下,所述可视化客户端加载、渲染并执行所述第一训练模型与指定训练效果等级的所述第二训练模型进行对抗;练习模式下,包括多个练习等级,选择不同的练习等级进行对抗时,所述可视化客户端加载、渲染并执行该练习等级对应的训练效果等级的所述第二训练模型与所述第一训练模型进行对抗;闯关模式下,包括多个关卡,所述可视化客户端加载、渲染并执行所述第一训练模型与所在关卡下对应的第二训练模型进行对抗,在某一关卡下,当所述第一训练模型的训练效果优于所述第二训练模型时,开启下一关卡,随着关卡的增加所述第二训练模型的训练效果等级对应提升;挑战模式下,可选择其他用户上传在所述服务器端的第一训练模型进行挑战,所述可视化客户端加载、渲染并执行当前用户上传的第一训练模型与其他用户上传的第一训练模型进行对抗;比赛模式下,由多个用户同时参与,并将所有用户分组进行对抗,所述分组的方式包括指定和随机,所述可视化客户端加载、渲染并执行两个用户的第一训练模型或两组用户的第一训练模型进行对抗。
进一步的,所述训练模型的类型根据所述训练模型对应的应用场景进行分类。
第二方面,提供一种AI训练教学可视化方法,应用于上述的AI训练教学可视化***,包括如下步骤:
S1.训练端训练获取第一训练模型、第二训练模型,并预先将所述第二训练模型上传至服务器端;
S2.用户上传第一训练模型,选择训练模型的类型以及***预设的多种对抗模式中的一种;
S3.选择用户上传的所述第一训练模型,可视化客户端加载、渲染并执行当前用户上传的第一训练模型以及所选训练模型的类型与对抗模式下的第二训练模型,或加载、渲染并执行当前用户上传的第一训练模型与其他用户上传第一训练模型;并以对抗的结果呈现第一训练模型的训练效果。
进一步的,所述预先将所述第二训练模型上传至服务器端包括,录入多个类别的第二训练模型,且各类型包括多个训练效果等级不同的第二训练模型。
进一步的,所述***预设的多种对抗模式包括体验模式、练习模式、闯关模式、挑战模式以及比赛模式;当选择体验模式、练习模式或闯关模式时,可视化客户端加载、渲染并执行当前用户上传的第一训练模型以及对应对抗模式下的第二训练模型;当选择挑战模式或比赛模式时,可视化客户端加载、渲染并执行当前用户上传的第一训练模型与其他用户上传第一训练模型。
进一步的,所有的对抗模式中均预设有对抗时间;所述比赛模式中,包括多名参与用户,通过***随机对参与用户进行分组或人为指定分组进行对抗。
第三方面,在第一方面的基础上再提供一种AI训练教学可视化***,包括训练端、移动终端以及服务器端,所述移动终端、训练端均与所述服务器端通过网络通信连接;
所述服务器端用于存储训练模型数据以及加载、渲染并执行训练模型数据;所述加载、渲染并执行训练模型数据包括加载当前用户上传的第一训练模型与预存储于所述服务器端的第二训练模型、或渲染当前用户上传的第一训练模型与其他用户上传的第一训练模型,渲染所述第一训练模型和第二训练模型,并执行渲染后的当前用户上传的所述第一训练模型与第二训练模型或其他用户上传的所述第一训练模型进行对抗,以呈现当前用户的所述第一训练模型的训练效果;
所述移动终端用于选择需要渲染的训练模型的类型以及对抗模式,并将所述服务器端的训练效果数据呈现给用户;
所述训练端用于训练得到模型文件,所述模型文件包括所述第一训练模型、第二训练模型。
本发明实施例的技术方案至少具有如下优点和有益效果:
通过将训练模型的训练效果可视化的进行展示帮助AI初学者直观的了解其完成的AI训练模型的训练效果,使AI教育不再枯燥,并且在该过程中可以与其他用户的训练模型进行对抗,增加AI教育的趣味性。
附图说明
图1为本发明提供的AI训练教学可视化方法的流程示意图;
图2为本发明提供的AI训练教学可视化***中的可视化客户端加载、渲染与执行的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
现有的AI教育十分的枯燥,初学者很容易在这种枯燥中放弃对AI知识的学习,尤其是对于自己所做的训练模型的训练效果难以直观的了解,导致初学者难以直观的将模型的改进与训练效果进行匹配。基于上述存在的问题,本申请期望通过一种可视化的且引入对抗的方式来进行训练效果的展示,以此增加初学者AI知识学习时的趣味性,使更多的初学者能够坚持进行AI知识的学习。需要说明的是,本申请用户上传的训练模型的应用场景应为***中具有的应用场景。
实施例1
提供一种AI训练教学可视化***,包括可视化客户端以及服务器端,所述可视化客户端、服务器端与训练端两两之间均通过网络通信连接;
所述服务器端存储有包括训练模型数据、训练结果数据;可以明确的是,该***产生的训练结果数据都将存储在服务器端中。
所述可视化客户端用于渲染训练模型并呈现AI训练效果,所述可视化客户端包括模型加载模块、渲染模块、动作执行模块、类型选择模块和模式选择模块;所述模型加载模块用于加载当前用户上传的第一训练模型与预存储于所述服务器端的第二训练模型、或渲染当前用户上传的第一训练模型与其他用户上传的第一训练模型,所述渲染模块用于渲染所述第一训练模型和第二训练模型,所述动作执行模块用于执行渲染后的当前用户上传的所述第一训练模型与第二训练模型或其他用户上传的所述第一训练模型进行对抗,以呈现当前用户的所述第一训练模型的训练效果;所述类型选择模块用于选择需要渲染的训练模型的类型;所述模式选择模块用于选择训练模型的对抗模式。
需要说明的是,所述动作执行模块用于执行渲染后的当前用户上传的所述第一训练模型与第二训练模型或其他用户上传的所述第一训练模型进行对抗,即动作执行模块用于执行渲染后的当前用户上传的所述第一训练模型与第二训练模型进行对抗,或用于执行渲染后的当前用户上传的所述第一训练模型与其他用户上传的所述第一训练模型进行对抗;其对抗的结果即可反应第一训练模型的训练效果。
在该方法中,服务器并不需要对训练模型进行加载、渲染与执行,训练模型的加载、渲染与执行工作由可视化客户端来实现,其主要适用于对算力要求不高的训练模型,当然可以知晓的是,可视化客户端可以是一个可移动的终端或设备。
另,在本***中,还包括有训练端,所述训练端用于训练得到模型文件,所述模型文件包括所述第一训练模型、第二训练模型;该训练端可以是用户或开发者的个人电脑。
所述第二训练模型包括多个训练模型并具有多个类别,每个类别中包括多个训练效果等级不同的训练模型;所述训练模型的类型根据所述训练模型对应的应用场景进行分类,如足球比赛场景、赛车场景等的游戏化应用场景,另外在具体的应用场景中,还包括多个训练效果等级不同的训练模型,可以根据需求,将训练效果等级进行区分,比如分为1到5个等级,或根据情况进行更细致更多的等级划分。
所述对抗模式包括体验模式、练习模式、闯关模式、挑战模式以及比赛模式;体验模式下可视化客户端加载、渲染并执行所述第一训练模型与指定训练效果等级的所述第二训练模型进行对抗;同时在体验模式下,可以根据当前初学者所处的阶段设置指定训练效果等级的第二训练模型与初学者上传的第一训练模型进行对抗,以足球比赛场景为例,通过对抗,进球数越多代表模型的训练效果更好。
需要说明的是,后续的举例均以足球比赛场景为例,后续便不再赘述。
练习模式下,包括多个练习等级,选择不同的练习等级进行对抗时,可视化客户端加载、渲染并执行该练习等级对应的训练效果等级的所述第二训练模型与所述第一训练模型进行对抗;比如包括5个或10个练习等级,可以选择开放前1-3个练习等级供初学者用户选择,后续的练习等级需要第一训练模型的训练效果优于前一个练习等级的第二训练模型时才会解锁供用户选择。
闯关模式下,包括多个关卡,可视化客户端加载、渲染并执行所述第一训练模型与所在关卡下对应的第二训练模型进行对抗,在某一关卡下,当所述第一训练模型的训练效果优于所述第二训练模型时,开启下一关卡,随着关卡的增加所述第二训练模型的训练效果等级对应提升;可以知晓的是,闯关模式与练习模式有一定的相似处,但闯关模式需要从第一关开始,并且只有在第一训练模型的训练效果优于当前关卡的第二训练模型时才能进入下一关卡。
挑战模式下,可选择其他用户上传在所述服务器端的第一训练模型进行挑战,可视化客户端加载、渲染并执行当前用户上传的第一训练模型与其他用户上传的第一训练模型进行对抗;此处可以知晓的是,在本***中,用户上传的第一训练模型都会存储在***中,以便新的用户对其进行挑战,需要说明的是,每个用户在本***中都可获得独立的账号,账号中会记载用户上传的训练模型以及对抗记录。
比赛模式下,由多个用户同时参与,并将所有用户分组进行对抗,所述分组的方式包括指定和随机,可视化客户端加载、渲染并执行两个用户的第一训练模型或两组用户的第一训练模型进行对抗;可以知晓的是,该模式下,可以根据参与的人数来人为制定或执行相应的比赛赛制,如当有8个用户时,将所有用户分为两组,每组4个用户,此时,可以再将每组中的4个用户分为两个小组,每个小组进行对抗选出胜者,每组中的胜者再对抗,选出两次对抗都获胜的用户,在与另一组中的两次对抗都获胜的用户进行对抗,选出最终的获胜者;或两组之间相互对抗,选出获胜的组,再在组内部进行对抗,选出最终的获胜者;当然用户人数的不同可以执行不同的赛制;通过这种比赛的方式,使得AI学习的趣味性大大增加,从而使AI知识的初学者避免枯燥,进而能够持续的进行AI知识学习。
实施例2
为一种AI训练教学可视化方法,应用于实施例1或其他实施方式的AI训练教学可视化***,包括如下步骤:
S1.训练端训练获取第一训练模型、第二训练模型,并预先将所述第二训练模型上传至服务器端;具体包括,录入多个类别的第二训练模型,且各类型包括多个训练效果等级不同的第二训练模型;可以理解的是,此处第二训练模型通常由***开发人员或AI教学老师训练获取并上传。
S2.用户上传第一训练模型,选择训练模型的类型以及***预设的多种对抗模式中的一种;其中,对抗模式包括体验模式、练习模式、闯关模式、挑战模式以及比赛模式;当选择体验模式、练习模式或闯关模式时,可视化客户端加载、渲染并执行当前用户上传的第一训练模型以及对应对抗模式下的第二训练模型;当选择挑战模式或比赛模式时,可视化客户端加载、渲染并执行当前用户上传的第一训练模型与其他用户上传第一训练模型;其中,在所述比赛模式中,包括多名参与用户,通过***随机对参与用户进行分组或人为指定分组进行对抗。
S3.选择用户上传的所述第一训练模型,可视化客户端加载、渲染并执行当前用户上传的第一训练模型以及所选训练模型的类型与对抗模式下的第二训练模型,或加载、渲染并执行当前用户上传的第一训练模型与其他用户上传第一训练模型;并以对抗的结果呈现第一训练模型的训练效果。
需要说明的是,所有的对抗模式中均预设有对抗时间。
实施例3
一种AI训练教学可视化***,包括训练端、移动终端以及服务器端,所述移动终端、训练端均与所述服务器端通过网络通信连接;
所述服务器端用于存储训练模型数据以及加载、渲染并执行训练模型数据;所述加载、渲染并执行训练模型数据包括加载当前用户上传的第一训练模型与预存储于所述服务器端的第二训练模型、或渲染当前用户上传的第一训练模型与其他用户上传的第一训练模型,渲染所述第一训练模型和第二训练模型,并执行渲染后的当前用户上传的所述第一训练模型与第二训练模型或其他用户上传的所述第一训练模型进行对抗,以呈现当前用户的所述第一训练模型的训练效果;
所述移动终端用于选择需要渲染的训练模型的类型以及对抗模式,并将所述服务器端的训练效果数据呈现给用户;
所述训练端用于训练得到模型文件,所述模型文件包括所述第一训练模型、第二训练模型。
在该实施例中,移动端无需对训练模型进行渲染,渲染的工作由具有较强计算能力的服务器来执行,因此对移动端的计算能力要求较低;当然,此处的移动端同样可以替换为其他的固定设备,如PC端。可以理解的是,在该模式下,同样由开发者或AI教学老师将第二训练模型上传至服务器端,用户只要在训练端将第一训练模型上传至服务器端后,就可以便捷的通过移动端来进行操作,使服务器端加载、渲染并执行相应的训练模型,然后服务器端将训练结果数据发送至移动端,用户便可通过移动端便捷且无地域限制的查看自己上传的第一训练模型的训练效果。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种AI训练教学可视化***,其特征在于,包括可视化客户端以及服务器端,所述可视化客户端、服务器端与训练端两两之间均通过网络通信连接;
所述服务器端存储有包括训练模型数据、训练结果数据;
所述可视化客户端用于渲染训练模型并呈现AI训练效果,所述可视化客户端包括模型加载模块、渲染模块、动作执行模块、类型选择模块和模式选择模块;所述模型加载模块用于加载当前用户上传的第一训练模型与预存储于所述服务器端的第二训练模型、或渲染当前用户上传的第一训练模型与其他用户上传的第一训练模型,所述渲染模块用于渲染所述第一训练模型和第二训练模型,所述动作执行模块用于执行渲染后的当前用户上传的所述第一训练模型与第二训练模型或其他用户上传的所述第一训练模型进行对抗,以呈现当前用户的所述第一训练模型的训练效果;所述类型选择模块用于选择需要渲染的训练模型的类型;所述模式选择模块用于选择训练模型的对抗模式。
2.一种AI训练教学可视化***,其特征在于,还包括训练端,所述训练端用于训练得到模型文件,所述模型文件包括所述第一训练模型、第二训练模型。
3.根据权利要求1所述的AI训练教学可视化***,其特征在于,所述第二训练模型包括多个训练模型并具有多个类别,每个类别中包括多个训练效果等级不同的训练模型。
4.根据权利要求3所述的AI训练教学可视化***,其特征在于,所述对抗模式包括体验模式、练习模式、闯关模式、挑战模式以及比赛模式;体验模式下,所述可视化客户端加载、渲染并执行所述第一训练模型与指定训练效果等级的所述第二训练模型进行对抗;练习模式下,包括多个练习等级,选择不同的练习等级进行对抗时,所述可视化客户端加载、渲染并执行该练习等级对应的训练效果等级的所述第二训练模型与所述第一训练模型进行对抗;闯关模式下,包括多个关卡,所述可视化客户端加载、渲染并执行所述第一训练模型与所在关卡下对应的第二训练模型进行对抗,在某一关卡下,当所述第一训练模型的训练效果优于所述第二训练模型时,开启下一关卡,随着关卡的增加所述第二训练模型的训练效果等级对应提升;挑战模式下,可选择其他用户上传在所述服务器端的第一训练模型进行挑战,所述可视化客户端加载、渲染并执行当前用户上传的第一训练模型与其他用户上传的第一训练模型进行对抗;比赛模式下,由多个用户同时参与,并将所有用户分组进行对抗,所述分组的方式包括指定和随机,所述可视化客户端加载、渲染并执行两个用户的第一训练模型或两组用户的第一训练模型进行对抗。
5.根据权利要求1所述的AI训练教学可视化***,其特征在于,所述训练模型的类型根据所述训练模型对应的应用场景进行分类。
6.一种AI训练教学可视化方法,应用于权利要求1-5任一项所述的AI训练教学可视化***,其特征在于,包括如下步骤:
S1.训练端训练获取第一训练模型、第二训练模型,并预先将所述第二训练模型上传至服务器端;
S2.用户上传第一训练模型,选择训练模型的类型以及***预设的多种对抗模式中的一种;
S3.选择用户上传的所述第一训练模型,可视化客户端加载、渲染并执行当前用户上传的第一训练模型以及所选训练模型的类型与对抗模式下的第二训练模型,或加载、渲染并执行当前用户上传的第一训练模型与其他用户上传第一训练模型;并以对抗的结果呈现第一训练模型的训练效果。
7.根据权利要求6所述的AI训练教学可视化方法,其特征在于,所述预先将所述第二训练模型上传至服务器端包括,录入多个类别的第二训练模型,且各类型包括多个训练效果等级不同的第二训练模型。
8.根据权利要求6所述的AI训练教学可视化方法,其特征在于,所述***预设的多种对抗模式包括体验模式、练习模式、闯关模式、挑战模式以及比赛模式;当选择体验模式、练习模式或闯关模式时,可视化客户端加载、渲染并执行当前用户上传的第一训练模型以及对应对抗模式下的第二训练模型;当选择挑战模式或比赛模式时,可视化客户端加载、渲染并执行当前用户上传的第一训练模型与其他用户上传第一训练模型。
9.根据权利要求8所述的AI训练教学可视化方法,其特征在于,所有的对抗模式中均预设有对抗时间;所述比赛模式中,包括多名参与用户,通过***随机对参与用户进行分组或人为指定分组进行对抗。
10.一种AI训练教学可视化***,其特征在于,包括训练端、移动终端以及服务器端,所述移动终端、训练端均与所述服务器端通过网络通信连接;
所述服务器端用于存储训练模型数据以及加载、渲染并执行训练模型数据;所述加载、渲染并执行训练模型数据包括加载当前用户上传的第一训练模型与预存储于所述服务器端的第二训练模型、或渲染当前用户上传的第一训练模型与其他用户上传的第一训练模型,渲染所述第一训练模型和第二训练模型,并执行渲染后的当前用户上传的所述第一训练模型与第二训练模型或其他用户上传的所述第一训练模型进行对抗,以呈现当前用户的所述第一训练模型的训练效果;
所述移动终端用于选择需要渲染的训练模型的类型以及对抗模式,并将所述服务器端的训练效果数据呈现给用户;
所述训练端用于训练得到模型文件,所述模型文件包括所述第一训练模型、第二训练模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111486664.XA CN114186696A (zh) | 2021-12-07 | 2021-12-07 | 一种ai训练教学的可视化***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111486664.XA CN114186696A (zh) | 2021-12-07 | 2021-12-07 | 一种ai训练教学的可视化***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114186696A true CN114186696A (zh) | 2022-03-15 |
Family
ID=80603742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111486664.XA Pending CN114186696A (zh) | 2021-12-07 | 2021-12-07 | 一种ai训练教学的可视化***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114186696A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115239535A (zh) * | 2022-08-12 | 2022-10-25 | 北京思明启创科技有限公司 | 课程闯关教学方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-07 CN CN202111486664.XA patent/CN114186696A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115239535A (zh) * | 2022-08-12 | 2022-10-25 | 北京思明启创科技有限公司 | 课程闯关教学方法、装置、电子设备及存储介质 |
CN115239535B (zh) * | 2022-08-12 | 2024-04-05 | 北京思明启创科技有限公司 | 课程闯关教学方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shute et al. | Measuring problem solving skills via stealth assessment in an engaging video game | |
Shute | Stealth assessment in computer-based games to support learning | |
Shute et al. | Melding the power of serious games and embedded assessment to monitor and foster learning: Flow and grow | |
Rohlfshagen et al. | Pac-man conquers academia: Two decades of research using a classic arcade game | |
CN113688977B (zh) | 面向对抗任务的人机共生强化学习方法、装置、计算设备及存储介质 | |
CN110489340B (zh) | 一种游戏地图平衡性测试方法、装置、设备及存储介质 | |
De Souza et al. | Data mining framework to analyze the evolution of computational thinking skills in game building workshops | |
Werner et al. | Using computer game programming to teach computational thinking skills | |
CN109847366A (zh) | 用于游戏的数据处理方法和装置 | |
Goodman et al. | AI and Wargaming | |
Patino et al. | Analysis of game and learning mechanics according to the learning theories | |
Tlili et al. | An educational game for teaching computer architecture: Evaluation using learning analytics | |
Oh et al. | Playing real-time strategy games by imitating human players’ micromanagement skills based on spatial analysis | |
CN114186696A (zh) | 一种ai训练教学的可视化***及方法 | |
Zammit et al. | The road to AI literacy education: from pedagogical needs to tangible game design | |
US20210241648A1 (en) | Systems and methods to provide mental distress therapy through subject interaction with an interactive space | |
Bulitko et al. | Towards positively surprising non-player characters in video games | |
CN116956005A (zh) | 数据分析模型的训练方法、装置、设备、存储介质及产品 | |
Nguyen et al. | Minimap: an interactive dynamic decision making game for search and rescue missions | |
Zhao et al. | Stealth assessment of problem-solving skills from gameplay | |
CN115175750A (zh) | 基于ai的游戏应用程序内容生成 | |
Fabricatore et al. | Gaming for sustainability: An overview | |
CN113256462B (zh) | 基于云计算的电竞教育*** | |
Shute et al. | Monitoring and fostering learning through games and embedded assessments | |
Devasani | Intelligent tutoring system authoring tools for non-programmers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |