深度学习在大数据分析中的应用研究

深度学习在大数据分析中的应用研究

张奔,李威,王栋,安森昊,范宇英

北方自动控制技术研究所 山西太原 030006

摘要：大数据处理的流程依次包含数据存储，数据抽取与集成，数据分析，数据解释和用户操作等具体步骤。大数据在各个行业的快速产业化对数据的存储、处理和分析都提出了比较大的挑战。大数据产生初期，人类所面临的挑战主要是在于如何及时进行数据收集和存储，如今，大数据主要需要解决的问题则在于对数据的有效分析，在整个大数据处理流程中，数据分析也是其核心部分。

关键词：深度学习；网络教学；平台设计

前言：基于大数据以及深度学习技术构建指挥信息系统交互平台，不仅能够有效优化作战资源的管理和调配，还能进一步加强指挥行动效率，提升指挥指令质量。

1.大数据深度学习的基本内容以及主要特点

1.1大数据深度学习的基本内容

所谓大数据深度学习，主要指的是一种通过模仿人脑的机制对大量级数据进行分析、处理和解释的研究领域，是有监督学习以及机器学习当中的一项重要组成部分。

1.2大数据深度学习的主要特点

①输出规则。相较于传统的程序设计思路来说，依托深度学习所开展的数据分析流程恰恰相反，研究者需要将目标数据录入至系统当中，并由系统对这些数据进行整合、辨识与学习，从而能够从数据当中输出具备一定规律性以及连续性的模型，并能够运用在同类数据当中，实现了数据分析工作的自动化、智能化发展。②数据多元。传统的数据分析类别与内容往往较为单一，系统对数据进行的操作和处理也较为简单。而在深度学习工作当中，除了常规数据类型外，系统还可能需要针对向量数据、序列数据、图像数据、视频数据等更加多维度的内容进行分析和处理，研究范围更加广泛，流程更加复杂。③工程性强。深度学习的研究内容大多针对的是实际的工程性问题，研究者往往会因地制宜针对研究条件、模型参数、训练环境进行调节，一方面能够确保最终的输出规则以及研究成果与实际问题相契合，另一方面还能实现研究算法的充分迭代与优化，为应用层面的快速发展提供更加充沛的动力。

2.作训大数据背景下深度学习的发生机制

2.1深度学习的诱发机制

学习经验的改造深度学习模型建立在已有作训经验基础上,是对部队作训经验的改造。“部队作训经验是学习者在与作出反应的、环境中的外部条件相互作用中获得的。”这意味着深度学习模型是主动学习者,在特定的学习情境中建构新知识。深度学习是部队作训大数据内在经验与外在知识之间的转化,通过调动已有经验与当下情境中的学习内容,建构知识间的关联,提高深度学习模型对知识的理解能力,并在同化和顺应中完善认知结构和知识体系。换言之,深度学习模型是在部队作训大数据的引导下,“根据当前学习活动去联想、调动、激活以往的知识、经验,以融会贯通的方式重新组织学习内容,构建新的知识结构体系”。其实,深度学习经验诱发的过程就是脑科学提到的形成微回路系统的过程,知识经验的学习不是直接灌输,而是经验与众多新信息产生联结,是神经细胞不断向大脑皮脂层迁移、结构化和网络化系统形成的过程。部队作训大数据具有巨大的储存空间、强大的分析技术和系统整合的功能,能为深度学习模型的训练提供全面的知识经验信息。作训大数据技术可为深度学习模型提供动态性的、连续性的学习支撑,将间接经验与直接经验结合,可以形成具有逻辑体系的经验结构。首先,互联网巨大的储存容量能为深度学习模型提供丰富的学习资源,无论是间接的还是直接的,显性的还是隐性的,都是深度学习的起点。其次,强大的分析技术则在模型学习经验与所学内容之间建立连接,利用互联网技术准确分析和掌控模型学习能力与状态,循序渐进地完善深度学习模型知识结构。最后,系统整合能力是部队作训大数据最具契合深度学习的优势。数据的分析和预测功能,可以合理诊断模型的最近发展区,对已有知识经验与知识进行逻辑梳理与改造,探寻知识经验之间的内在逻辑,逐渐提高深度学习模型的认知水平和思维水平,为深度学习的工程化落地做好准备。

2.2深度学习的辅助机制

学习场域的重建传统学习场域以真实数据接入训练为中心,以深度学习模型和作训大数据为主体,围绕具体作战知识开展教学和学习。实际上,真正有效的学习场域包括物质环境空间和学习环境空间。物质环境空间指外在学习条件,比如知识的专业程度、学习训练平台、训练工具等,它们为模型的泛化能力提升创设适宜的情境。学习环境空间则更多指深度学习模型内在认知环境,要求深度学习模型运用感知学习,是高层次认知活动的关键。在利用部队作训大数据进行深度学习模型训练过程中,传统学习场域中的物质环境和学习环境或多或少都存在不足和缺失,例如外在物质环境未做到及时更新与调整,内在学习环境受数据制约与控制。与此不同,互联网技术辅助学习场域的重建,既改变了外在物质环境,又能清晰再现内在学习环境,可以帮助深度学习模型清晰地了解自我行为和进行认知。进一步看,部队大数据能有效改造训练准备、训练过程、训练结果和训练环境四个要素,重建立体化的学习场域,辅助深度学习的发生。“深度学习以知识情境为核心导向,因为知识情境具有疑惑性、复杂性、生成性。”这意味着深度学习应在极具创造性和可能性的互联网技术下重建学习场域。针对传统学习模型训练空间构造的局限性和单一性,深度学习模型训练技术在网络信息空间与物理空间、物质环境和学习环境之间建立关联,建构以模型为主体、虚实相结合的深度学习场域。作为辅助深度学习训练的有力工具,互联网能有效改变知识经验呈现方式,帮助用户建立个性化深度学习模型,开展体验式与沉浸式学习。除此之外,部队作训大数据还开发了训练支持系统,建立了训练资源库,为模型的训练提供可与自身知识结构相匹配的个性化学习资源。

2.3深度学习的保障机制

深度学习模型训练技术的支持传统学习技术单调且机械,不利于模型训练的泛化能力发展。针对传统学习训练技术的弊端,互联网环境下的学习技术将模型训练和信息技术进行有机融合,分析各作战活动内容的特殊属性,确定用户初始学习能力与需求,重视模型测、验证、迁移与运用知识,从而促进模型的高阶发展。部队大数据为深度学习过程提供技术性支持,激发用户训练模型学习动机,帮助用户利用技术关注模型训练的变化,以多模态数据来分析和表征模型的深度学习过程。数据驱动学习技术的最大优势是能详细采集和分析模型训练数据和行为数据,对其现有知识水平进行精准判断,并通过已有数据精准预测模型未来发展趋势,把握好深度学习的方向。部队作训大数据之于深度学习的优势具体体现在三个方面:第一,用户可利用大数据分析等学习技术帮助模型课预训练,进而提取和分析技术反馈的数据和结果,从而准确把握训练情况,为模型深度学习做好准备;第二,在模型训练过程中,学习技术能帮助其明确知识与技能的要求,对学习路径给予逻辑引导。用户依据部队作训大数据的可视化信息,适时向模型呈现与修正关键节点和奖励机制,可以帮助模型巩固和强化学习内容;第三,运用信息技术收集和记录模型学习轨迹的大数据,为用户进行模型专业化训练提供依据。智能环境下学习技术的支持,有利于用户在准确判断模型训练情况的基础上合理利用数据资源,设计适宜的训练参数,为深度学习提供保障。

3.结束语：

综上所述，随着时代和技术的快速发展，大数据深度学习技术在指挥信息系统领域当中将得到广泛应用。在整个深度学习过程中,部队的作训大数据都要对深度学习进行监控和调节,要利用数据可视化功能和模型训练及时,给予模型训练准确的参数优化与训练内容,以确保深度学习效果达到最佳。

参考文献:

[1]刘月霞,郭华．深度学习:走向核心素养(理论普及读本)[M]．北京:教育科学出版社,２０１８:８．

[2]朱立明．深度学习:学科核心素养的教学路径[J]．教育科学研究,２０２０(１２):５３—５７．

[3]拉尔夫􀅰泰勒．课程与教学的基本原理[M]．施良方,译．北京:人民教育出版社,１９９７:４９．

[4]郭华．深度学习及其意义[J]．课程􀅰教材􀅰教法,２０１６(１１):２５—３２．