前言：尋找寫作靈感？中文期刊網用心挑選的深度學習在學前教育資源平臺的應用，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
0引言
目前，隨著我國教育制度的改革，學前教育越來越重要，許多科研院所、教育機構等積極引入信息化技術，開發和構建了學前教育資源平臺，這些平臺能夠為教師、學生以及管理人員提供各類型資源，比如幼兒心理健康、兒童智力發展、幼兒創造力提升等多種知識內容。隨著平臺的長期運行，其積累了海量的數據信息，因此積極地提高學前教育資源利用率就顯得非常重要[1]。深度學習是一種數據挖掘和分析算法，其可以根據用戶需求，從海量的學前教育資源中為其推薦期望的學習資料，具有重要的作用和意義。
1深度學習技術
深度學習是一種多層次的卷積神經網絡，與傳統的神經網絡不同，其擁有兩個以上層次，比如卷積層、池化層和全連接層，增加了神經網絡的訓練和學習深度，這樣就可以更好地調整輸入輸出參數[2]。深度學習把Sigmoid函數作為卷及網絡的激活函數，這樣就使得特征映射之間具有位移不變性，位于同一平面上的神經元都可以共享權值，這就可以大大地減少對自由參數的設置。卷積神經網絡的每一個卷積層都跟著一個用來求取局部平均與二次提取的計算層，這樣就可以大大地減小特征分辨率[2]。深度學習已經為圖像分類、人臉識別、目標檢測等領域所接納。深度學習的權值具有共性特征，減少自由參數的訓練次數，因此便于用于高緯數據處理。深度學習是一種人工智能算法，因此也可以將其應用于網絡安全防御過程中，從而提高網絡安全防御性能，旨在解決當前網絡安全防御被動的問題，也可以積極、持續地改進網絡安全防御性能[3]。
2.1學前教育資源平臺應用分析
學前教育資源平臺功能很多，可以為用戶展示幼教咨詢、幼教資源、幼教培訓、家園共育等多種信息。幼教資源所屬的信息也很多，比如教學資源、管理資源、一園一品、名師名課和行業動態信息，教學資源信息中包含各類型的教案、課件、實錄和素材，這些內容又可以劃分為圖片、視頻、文本、音頻等資源，比如《小動物過冬》、《風箏DIY》和《多變的水》等，這些信息資源非常多，每一個學校都可以根據自己的需求開設不同的課程。管理資源可以為幼兒提供各類型的環境創設、衛生保健和教學參考資源，比如《兒童乘車安全存在的誤區》、《孩子午睡有哪些好處》和《兒童垃圾食品排名》等，幫助教師掌握兒童的管理信息。名師名課則可以錄制、上傳一些幼兒教師名師資源，以便能夠讓所有的幼兒分享名師教學資源。行業動態信息可以為不同的用戶及時地推薦一些幼教行業的最新信息，這些信息包括國家的學前教育政策信息、大型幼教機構的最新教學方法、著名幼兒教師的教學動態信息等，行業動態信息能夠讓用戶掌握更加前沿的知識，以便能夠在幼兒教學中提高教師學識水平和政策熟練程度。幼教培訓則可以結合幼兒教師進修和學習需求，制定一些嚴格的培訓課程，培訓幼兒教師一些先進的教學方法，讓幼兒教師更好地明白兒童的學習需求，為兒童講解其需要的知識內容，進一步提高幼兒教師的教學質量和教學水平。家園共育是幼兒園教育不可小覷的力量，每一個家庭都承載著提升幼兒園教育教學工作質量、與幼兒園共同施教促進幼兒全面發展的義不容辭的責任。家園共育則可以改變傳統的幼兒教育模式，充分的發揮家庭是幼兒園的重要合作伙伴的理念，本著互相尊重、平等合作的基本原則，邀請家長積極地參與幼兒教育，提高幼兒教育的水平，培養孩子的學會生存、學會做人、學會合作、學會交往的能力，充分利用家長資源，實現家園互動合作共育。學前教育資源平臺的應用非常廣泛，涵蓋的數量也非常多，這就給用戶搜索資源帶來了一定困難，為了解決這個問題，本文引入了深度學習技術，該技術可以挖掘和推薦用戶期望的資源，方便教師使用。
2.2深度學習在學前教育資源平臺中的設計
學前教育資源平臺存儲的資源非常多，這些資源通常是無序的、雜亂的，雖然符合一定的組織原則，但是人們利用數據仍非常復雜，因此，學前教育資源平臺在引入深度學習設計時，首先需要針對平臺的信息進行預處理，預處理可以在構建模型的過程中，將視頻數據、圖像數據、文本數據或音頻數據進行分類，同時還可以按照結構化組織原則，將數據劃分為關系數據、對象數據等，將這些數據資源集成在一起，同時還可以根據用戶的需求，臨時添加一些過濾措施，這些措施可以過濾一些噪聲數據，提高數據的一致性和可靠性。其次，平臺還可以對數據進行整合，整合完畢之后就可以將其錄入到深度學習算法中，可以提高數據利用的時效，縮短數據處理時間[4]。深度學習在學前教育資源平臺中包括六個層次，分別是輸入層、卷積層C1、池化層S1、卷積層C2、池化層S2和全連接層，輸入層可以接收用戶的邏輯業務請求，這些請求主要是數據的搜索，然后針對這些數據進行預處理，實現對數據模型的構建和預處理操作，然后將這些數據傳輸到中間層，也即是卷積層和池化層。輸入層的主要作用就是對原始的學前教育資源數據進行預處理。卷積層一般包含兩個操作，其一是進行局部的關聯，將每個神經元看作是一個過濾器；其二是進行窗口滑動，過濾器對局部的網絡數據進行計算。卷積層的關鍵作用就是獲取學前教育資源數據的局部特征，每一卷積層都可以作為一個特征提取層，并且可以減少參數的設置數量，提高卷積準確度。卷積層可以采用的核函數非常多，比如Sigmoid函數，適用于學前教育資源數據挖掘和分析。在挖掘學前教育資源的過程中，由于Sigmoid函數擁有很強的收斂性，因此可以在很短的時間內獲取數據挖掘結果，避免過度擬合現象發生，可以大幅度提高教育資源挖掘準確度。池化層的主要作用是用來壓縮學前教育資源數據和參數的數量，減小過擬合。在卷積層提取的學前教育資源數據特征基礎上，池化可以計算某一個局部的卷積特征平均值，也可以計算最大值或最小值，減小卷積層特征的維數，這樣就可以持續降低分類器的計算復雜度，減輕分類器的負擔，也可以避免分類器過度擬合。全連接層可以輸出分類結果，起到了一個分類器的作用，能夠將訓練好的模型輸出出來，這樣就可以提取學前教育資源的特征。全連接層輸出的挖掘結果，也即是用戶期望的知識，比如如果一個中班的教師經常搜索中班的教學知識，深度學習在挖掘到相似的課程及內容時就及時地推薦給教師，教師可以更加準確地定位這些資源，提高幼兒教學的便捷性和可靠性。
3結束語
學前教育資源平臺引入深度學習技術，可以提升對學前教育資源的利用效率。深度學習可以對視頻數據、圖像數據以及普通文本數據等進行處理，進一步提高學前教育資源平臺的數據組織和發現能力，同時將結果輸出到顯示器上，實現可視化的幼兒教育數據處理操作服務。深度學習也是當前計算機重要技術之一，可提高大數據平臺服務處理效能，保證學前教育資源平臺的處理速度和自動化水平。深度學習是學前教育資源數據分析的關鍵技術之一，目前利用卷積神經網絡可以構建大數據分析和推薦模型，同時動態地實現算法的更新和處理，保證算法能夠準確地實現幼兒教學資源加工，提高學前教育資源應用精準程度。
參考文獻：
[1]廖俐.“深度學習”在高職學前教育語言類課程中的應用與探索[J].計算機產品與流通,2018(11):158.
[2]寇媛媛.基于深度學習的在線教學推薦系統設計與研究[J].西安職業技術學院學報,2017(3):11-14.
[3]魏利,黃慧敏,錢鳴靜.教育領域中的深度學習研究熱點和研究趨勢分析[J].數字教育,2018,20(02):28-33.
[4]陳晉音,王楨,陳勁聿,等.基于深度學習的智能教學系統的設計與研究[J].計算機科學,2019(B06):550-554.
作者:秦立山