卷积神经网络的主要思想范文篇1

深度学习卷积神经网络

过去几年里，深度学习卷积神经网络所取得的成就足以使它成为人工智能王冠上最光彩夺目的明珠。基于深度学习卷积神经网络的语音识别系统把语音识别的精度提高到了产品级的精度，从而为人类与计算机及各种智能终端之间提供了一种崭新的、更为便捷的交互方式。将深度学习卷积神经网络应用于图像内容及人脸的识别，科学家们取得了能够与人类视觉系统相媲美的识别精度。战胜韩国棋圣李世石的谷歌围棋软件AlphaGo能够取得如此辉煌的战绩，深度学习卷积神经网络也发挥了关键性的作用。接下来，我们对深度学习卷积神经网络的起源及其原理做一个简单介绍。

脑神经科学领域的大量研究表明，人脑由大约1011个神经细胞及1015个神经突触组成，这些神经细胞及其突触构成一个庞大的生物神经网络。每个神经细胞通过突触与其它神经细胞进行连接与信息传递。当通过突触所接收到的信号强度超过某个阈值时，神经细胞便会进入激活状态，并通过突触向上层神经细胞发送激活信号。人类所有与意识及智能有关的活动，都是通过特定区域神经细胞之间的相互激活与协同工作而实现的。

早于1943年，美国心理学家W.S.McCulloch和数学家W.A.Pitts就在他们的论文中提出了生物神经元的计算模型(简称M-P①模型)，为后续人工神经网络的研究奠定了基础。M-P模型的结构如图1(a)所示，它包含n个带有权重的输入，一个输出，一个偏置b和一个激活函数组成。n个输入代表来自下层n个神经突触的信息，每个权重W)代表对应突触的连接强度，激活函数通常采用拥有S-型曲线的sigmoid函数(参见图1(b))，用来模拟神经细胞的激活模式。

早期的人工神经网络大都是基于M-P神经元的全连接网络。如图2所示，此类网络的特点是，属于同一层的神经元之间不存在连接；当前层的某个神经元与上一层的所有神经元都有连接。然而，人们很快发现，这种全连接神经网络在应用于各种识别任务时不但识别精度不高，而且还不容易训练。当神经网络的层数超过4层时，用传统的反向传递算法(BackPropagation)训练已经无法收敛。

1983年，日本学者福岛教授基于Hubel-Wiese的视觉认知模型提出了卷积神经网络计算模型(ConvolutionNeuralNetwork，简称CNN)。早在1962年，Hubel和Wiesel通过对猫视觉皮层细胞的深入研究，提出高级动物视觉神经网络由简单细胞和复杂细胞构成(如图3所示)。神经网络底层的简单细胞的感受野只对应视网膜的某个特定区域，并只对该区域中特定方向的边界线产生反应。复杂细胞通过对具有特定取向的简单细胞进行聚类，拥有较大感受野，并获得具有一定不变性的特征。上层简单细胞对共生概率较高的复杂细胞进行聚类，产生更为复杂的边界特征。通过简单细胞和复杂细胞的逐层交替出现，视觉神经网络实现了提取高度抽象性及不变性图像特征的能力。

卷积神经网络可以看作是实现上述Hubel-Wiesel视觉认知模型的第一个网络计算模型。如图4所示，卷积神经网络是由卷积层(ConvolutionLayer)与降采样层(SamplingLayer)交替出现的多层神经网络，每层由多个将神经元排列成二维平面的子层组成(称为特征图，FeatureMap)。每个卷积层和上层降采样层通常拥有相同数量的特征图。构成卷积层x的每个神经元负责对输入图像(如果x=1)或者x-1降采样层的特征图的特定小区域施行卷积运算，而降采样层y的每个神经元则负责对y-1卷积层的对应特征图的特定小区域进行MaxPooling(只保留该区域神经元的最大输出值)。卷积运算中所使用的卷积核系数都是通过学习训练自动获取的。卷积层中属于同一个特征图的神经元都共享一个卷积核，负责学习和提取同一种图像特征，对应Hubel-Wiesel模型中某种特定取向的简单细胞。卷积层中不同的特征图负责学习和提取不同的图像特征，对应Hubel-Wiesel模型中不同类型的简单细胞。而降采样层y中神经元的MaxPooling操作等同于Hubel-Wiesel模型中复杂细胞对同类型简单细胞的聚类，是对人脑视觉皮层复杂细胞的简化模拟。

上世纪90年代初期，贝尔实验室的YannLeCun等人成功应用卷积神经网络实现了高精度手写数字识别算法，所提出的系列LeNet，都达到商用级识别精度，被当时美国邮政局和许多大银行用来识别信封上的手写邮政编码及支票上面的手写数字。然而，受制于90年代计算机有限的内存和弱小的运算能力，LeNet网络采用了较浅的网络结构，每层使用的特征图数目也很少。尽管它在小规模图像识别问题上取得了较好的效果，但与传统机器学习算法(如SVM，AdaBoost等)相比，优势并不十分明显。此外，由于卷积神经网络拥有很高的自由度，设计出一款性能优异的网络需要灵感并配合丰富的经验积累，是一项极具挑战性的工作。因此卷积神经网络在被提出后的很长一段时间里并未得到足够的重视和广泛的应用。

2012年，加拿大多伦多大学GeoffreyHinton教授的团队提出了一个规模比传统CNN大许多的深度卷积神经网络(简称AlexNet)。该网络拥有5个卷积与降采样层、3个全连接层，每个卷积与降采样层拥有96384个特征图，网络参数达到6000多万个。利用AlexNet，Hinton团队在国际上最具影响力的图像内容分类比赛(2012ImageNetILSVRC)中取得了压倒性胜利，将1000类图像的Top-5分类错误率降低到15.315%。在这次比赛中，获得第二、三、四名的团队均采用了传统机器学习算法。三个团队的Top-5图像分类错误率分别是26.17%、26.98%和27.06%，相差不到1个百分点，而他们的成绩和第一名相比却低了超过10个百分点，差距十分明显。当前，深度卷积神经网络(DeepCNN)相对传统机器学习算法的优势还在不断扩大，传统学习方法在多个领域已经完全无法与DeepCNN相抗衡。

机器学习算法的基本原理及其本质

在几千年的科学探索与研究中，科学家们提出了许多描述自然界及人类社会中各种事物与现象的数学模型。这些模型主要可以被归纳为以下三大类别。

归纳模型：由少数几个参数(变量)构成，每个变量都具有明确的物理意义。这类模型能够真正揭示被描述对象的本质及规律，许多数学和物理定律都是典型的归纳模型。

预测模型：用一个拥有大量参数的万能函数来拟合用户所提供的训练样本。万能函数的参数一般不具备任何物理意义，模型本身往往只能用来模拟或预测某个特定事物或现象，并不能揭示被描述事物或现象的本质及内在规律。当代的大多数机器学习算法都是构建于预测模型之上的。例如，单隐层全连接神经网络所使用的数学模型是：

上式中，x代表神经网络的输入，代表神经网络的参数集，M是隐层神经元的个数。这个数学模型如同一个橡皮泥，可以通过变换它的参数集被塑造成任何形状。给定一个训练样本集，其中分别代表训练样本i以及人工赋予该样本的标签(标签表示样本的类别或某种属性)，通过利用T进行训练，我们就能够得到一个优化的参数集，使神经网络能够很好地拟合训练样本集T。当新的未知样本x出现时，我们就能够利用训练好的神经网络预测出它的标签y。显而易见，神经网络的参数集规模与神经元的数目及输入x的维数成正比，所有参数没有任何物理意义，模型本身也不具备揭示被描述对象的本质及内在规律的能力。

直推模型：没有明确的数学函数，利用所采集的大数据预测特定输入的标签。此类模型认为针对某个事物或现象所采集的大数据就是对该事物或现象的客观描述。大数据的规模越大，对事物或现象的描述就越全面和准确。当新的未知样本x出现时，我们可以在大数据中找到x的K近邻，根据K近邻的标签或属性来决定x的标签或属性。显而易见，由于不需要定义明确的数学模型，与其它模型相比，直推模型最简单直接，但因为依靠大数据来决定未知样本的标签，直推模型往往需要较高的计算量及使用成本。同样，直推模型也不能被用来揭示事物或现象的本质及内在规律。

应当指出，随着互联网用户数量的不断增长以及互联网技术的快速进步，利用互联网获取内容或用户大数据变得越来越简单廉价，利用直推模型来预测某个事物或现象也变得越来越普及。例如，许多互联网搜索引擎利用每个网页的用户点击率来改进搜索网页的排序精度，就是直推模型在互联网内容搜索领域的一个成功应用。

综上所述，机器学习算法的本质就是选择一个万能函数建立预测模型。利用用户提供的训练样本对模型进行训练的目的，就是选择最优的参数集，使模型能够很好地拟合训练样本集的空间分布。通过训练得到的预测模型，实际上把训练样本集的空间分布提取出来并编码到其庞大的参数集中。利用这个训练好的预测模型，我们就能够预测新的未知样本x的标签或属性。当今大多数机器学习算法都是基于这个原理，谷歌公司的AlphaGo也不例外。

针对某个事物或现象所采集的训练样本，是对该事物或现象的直观描述，蕴藏着大量与之相关的先验知识。例如，ImageNetILSVRC国际图像内容分类比赛所提供的训练样本集拥有1000类、总共一百多万张彩色图像。每一类都对应自然界中的一种常见物体，如汽车、飞机、狗、鸟，等等，包含大约1000张从不同场景及不同角度拍摄的该种物体的彩色图像。利用这个训练样本集训练出来的深度卷积神经网络，实际上是将每类物体的共性特征及个体差异等进行信息提取与编码，并记忆到其庞大的参数集中。当新的未知图像出现时，神经网络就能够利用已编码到参数集中的这些先验知识，对输入图像进行准确的识别与分类。

同样，谷歌公司在训练AlphaGo时，收集了20万个职业围棋高手的对局，再利用AlphaGo不同版本间的自我对弈生成了3000多万个对局。3000多万个围棋对局包含了人类在围棋领域所积累的最为丰富和全面的知识与经验。当新的棋局出现时，AlphaGo利用被编码于其庞大参数集中的这些先验知识，预测出胜率最高的一步棋，以及这步棋所产生的最终胜率。由于AlphaGo针对3000多万个对局进行了学习与编码，它对每一步棋的胜负判定甚至比九段棋手还要准，人类棋圣输给AlphaGo也就不足为奇了。

人类智能的本质与特性

对于人脑及其高度复杂的智能，人类至今还所知甚少。关于“智能”这个名词的科学定义，学术文献中就存在着许多个版本。即使是少数几个被深入研究的认知功能(如人脑的视觉认知功能)的工作机理，也还存在着各种各样的假说和争议。在这里，我们列出若干较具代表性、认可度相对较高的关于人脑智能的假说及阐述。

人类智能的本质是什么？这是认知科学的基本任务，也是基础科学面临的四大难题(Simon)中最后、最难解决的一个。每门基础科学都有其特定的基本单元，例如高能物理学的基本粒子，遗传学的基因、计算理论的符号、信息论的比特等。因此，“人类智能的本质是什么”这个问题在某种程度上取决于“什么是认知基本单元”。众所周知，适合描述物质世界的变量并不一定适合描述精神世界。因此，认知基本单元是什么这个问题，不能靠物理的推理或计算的分析来解决，根本上只有通过认知科学的实验来回答。大量实验结果显示，认知基本单元不是计算理论的符号，也不是信息论的比特，而是知觉组织形成的“知觉物体”。例如，实验表明，当人的视觉系统注意一只飞鸟的时候，它所注意的是整只鸟(即一个知觉物体)，而不是鸟的某个特性(形状、大小、位置等)。尽管在飞行过程中鸟的各种特征性质在改变，但它是同一个知觉物体的性质始终保持不变。诺奖得主Kahneman认为，知觉物体概念的直觉定义正是在形状等特征性质改变下保持不变的同一性。中科院陈霖院士领导的团队在发展了30多年的拓扑性质知觉理论的基础上，提出大范围首先的知觉物体拓扑学定义：知觉物体的核心含义，即在变换下保持不变的整体同一性，可以被科学准确地定义为大范围拓扑不变性质。应当指出，上述大范围首先知觉物体的概念，与人工智能领域广为认同与采纳的由局部到整体，由特征到物体，由具体到抽象的认知计算模型是完全背道而驰的，因而在人工智能领域并没有得到足够的重视及应用。

大量认知科学领域的实验研究表明，人类智能具有以下几个特性。

人类智能的目标不是准确。人类智能并不追求在精神世界里客观准确地再现物理世界。上帝设计人类智能时，不假思索地直奔“生存”这一终极目标而去：用最合理的代价，获取最大的生存优势。人类大脑的平均能耗大约只有20瓦，相对于庞大的计算机系统来说只是九牛一毛。尽管人脑的重量只有1400克左右，约占人体重量的2.3%，但它的血液供应量却占到了全身的15.20%，耗氧量超过全身的20%，对于人类已经接近其生理可以负担的极限。在这种资源极其有限的条件下，人脑通过以下几种方式实现了最有效的资源调配，由此来保障最有意义的生理和智能活动。

第一，主观能动的选择性。精神世界不是对物理世界的简单映射，而是非常扭曲和失真的。体积相对较小的手指、舌头等重点区域，在感觉运动中枢里却占据大部分的皮层区域。同样，在视觉上只有对应中央视野的视网膜具有很高的空间、颜色分辨率，而更广泛的外周视野只对物体的突然出现或消失，以及物体的运动更敏感。人类视觉处理的通常方式是，外周视野的显著变化会在第一时间被捕获，做出应激反应，然后再把中央视野移动到目标上进行后续的处理。

人类通过知觉组织的选择性注意机制，直接感知输入信号中的大范围不变性质，而忽略大量的局部特征性质。大量视而不见的现象，在实验室研究中表现为注意瞬脱、变化盲视等等。比如，尽管可以清晰地分辨出霓虹灯中的色块颜色、形状各不相同，甚至在空间和时间上都不连续，人脑仍然把这些色块看成是同一个物体，从而产生运动的感觉。研究表明，这种运动错觉本质上不是运动，其生态意义在于对知觉对象进行不变性抽提。另一方面，人脑会主动把忽略的部分补充回来。而通过经验知识，上下文关系等补充回来的信息，难免有错。所谓错觉就是精神世界和物理世界的错位。这些错觉的生态意义在于在有限资源条件下，快速直接地形成稳定的感知。这种机制既是人类天马行空的联想能力和创造力的源泉，同时也是各种精神心理疾患的生物学基础。

第二，模块化的层次结构和分布式表征。当前认知科学越来越依赖于脑成像技术的发展。功能模块化假设认为，大脑是由结构和功能相对独立、专司特定认知功能的多个脑区组成。这些模块组成复杂的层次结构，通过层次间的传递和反馈实现对输入信号的主动调节。大量脑成像的研究实验也支持了这一假设，特别是视觉研究发现了非常详细而复杂的功能模块及其层次结构。另一方面，分布式表征的假说认为，认知功能的神经机制是相对大范围的分布式脑状态，而不是特定脑区的激活与否。当前研究认为，人脑是模块化和分布式表达共存的自能系统。

第三，反应性活动和内生性活动。人脑不是一个简单的刺激—反应系统，大量的内生性活动甚至比反应性活动还多。人脑在所谓的静息状态下的耗氧量与任务状态下相比差别很小。然而几乎所有的经典认知科学研究都是建立在刺激反应实验范式的基础之上。这种实验范式是让实验对象在特定的条件下完成特定的认知任务，收集并分析实验对象的行为或生理反应，通过对实验数据的充分比照，建立人脑某种活动模式或认知机理的假设。内生性活动因其往往只能通过内省的方式进行研究，而被长期排除在认知科学的研究主流之外。随着脑成像技术的发展，功能连接成为分析静息态大脑自发活动的有力工具。特别是默认网络的发现，创立了强调内生性活动的全新脑功能成像研究范式。默认网络被认为涉及警觉状态、自我意识、注意调控以及学习记忆等心理认知过程，已被广泛应用于社会认知、自我、注意、学习、发育、衰老机制的研究，有力推动了各种脑生物指标的完善和脑疾病的治疗，这些疾病包括阿尔兹海默病、帕金森病、抑郁症、精神分裂症和自闭症等等。

因此，整合现有研究中有关分布式表达和内生性活动的最新研究成果，可能会带来对人脑活动模式(人类智能的物质基础)一种全新的理解。

人类智能的本质不是计算。人类智能体现在对外部环境的感知、认知、对所观察事物或现象的抽象、记忆、判断、决策等。然而，这些智能并不是人类所独有。许多高等动物，如狗、猴子、猩猩，也或多或少具有类似的能力。同时，计算并不是人类智能的强项。真正将人类与其它动物区分开来的，是人类的逻辑推理能力、想象力、创造力以及自我意识。人类利用这类能力能够想象并且创造出自然界中不存在的东西，如汽车、飞机、电视、计算机、手机，互联网。这类能力是推动人类社会不断发展与进步的源泉，是生物智能的圣杯。

而对代表生物智能最高水平的上述能力，人类目前还所知甚少，对其机理的研究还处于启蒙阶段。研究表明，这些能力不是依靠计算得来的，而似乎是与联想记忆及人类丰富的精神世界有关。基于脑信号的分析实验发现，人脑的海马回、海马旁回、杏仁核等脑区中存在着大量专司特定联想记忆的神经细胞。例如，上述脑区中存在单个或一小簇神经细胞，会被与美国前总统克林顿相关的所有刺激信号所激活，无论刺激信号是关于克林顿的图片，还是Clinton这个英语单词，还是克林顿本人的语音回放。显然，这些神经细胞并不是被某个模态的特定特征所激活，它们所对应的是克林顿这个抽象概念。此外，脑成像研究表明，围棋专业棋手相对于业余棋手更多的是依赖联想记忆系统，而非逻辑推理来下棋。实际上，围棋界训练棋手的最常用方法就是将高手对局中的关键部分拆解成许多死活题，棋手通过大量死活题的解题训练来提高自己联想记忆的经验和效率。

机器智能与人类智能的优势与劣势

当代的计算机拥有强大的存储与运算能力。伴随着计算技术的不断发展与进步，这些能力的增长似乎还远没有到达尽头。早在1997年，IBM的“深蓝”超级电脑就战胜了国际象棋冠军卡斯帕罗夫。但这次胜利在人工智能领域并没有产生太大的反响，原因在于，“深蓝”几乎纯粹是依靠强大的运算能力遍历所有的可能性，利用“蛮力”取胜的。“深蓝”所遵循的，就是“人工智能即是计算加记忆”这个简单法则。由于围棋的搜索空间比国际象棋大很多，“深蓝”的这种制胜策略针对围棋是行不通的。与“深蓝”相比，AlphaGo的最大进步就是从“计算加记忆”进化到“拟合加记忆”法则。它利用深度卷积神经网络这个万能函数，通过学习来拟合两千多年来人类所积累的全部经验及制胜模式，并将其编码到神经网络的庞大参数集中。对于当前棋局的任何一个可能的落子，训练好的神经网络都能够预测出它的优劣，并通过有限数量的模拟搜索，计算出最终的获胜概率。这样的战略不需要对棋局的所有可能性做遍历搜索，更像人类棋手所使用的策略。然而，由于AlphaGo对每个落子以及最终胜率的预测，是建立在围棋界两千多年来所形成的完整知识库之上的，它的预测比人类最优秀的棋手更准确。与其说李世石输给了机器系统，不如说输给了人类棋艺的集大成者。由此推断，AlphaGo取胜也是情理之中的事。

与机器相比，人类智能的最大优势当属它的逻辑推理能力、想象力、创造力及其高效性。人脑功耗只有20多瓦，处理许多感知及认知任务(如图像识别、人脸识别、语音识别等)的精度与拥有庞大内存、运算速度达到万亿次的超级电脑相比却毫不逊色。尽管机器智能很可能在不远的将来在类竞赛中全面超越人类，但现有的机器学习框架并不能模拟出人类的想象力和创造力。因此，在当前情况下，机器智能全面超越人类智能的预测是不会成为现实的。

卷积神经网络的主要思想范文篇2

【关键词】使用网络；中学生；身心健康

当今，互联网在我国呈超高速发展之势，其社会影响力日益凸显。这一先进传播工具既能造福人类，也会带来有悖社会文明的负面因素。中学生正处于求知欲旺盛时期，如何以健康的心理状态迎接挑战，积极地将网络这个时代的产物引入到有益于自己的学习和生活中来，这已成为一个迫在眉睫的问题。为了了解中学生使用网络及网络成瘾情况，探讨使用网络状况对中学生心理健康状况的影响，本文通过对中学生使用网络的情况进行调查，了解网络对中学生学习、人际交往、道德、身体健康等方面的负面影响，探讨其成因并提出合理化建议，旨在使网络成为中学生健康成长和学习、生活的良师益友，真正为中学生服务。

一、研究对象与研究方法

1.研究对象。泉州市第十五中学生为研究对象，初一、初二、初三年段各100人，年龄13-15周岁。

2.研究方法。一是问卷调查法。对上述300名中学生进行问卷调查，共发300份问卷，回收300份，回收率100%，有效问卷300份，有效率100%。二是访谈调查法与经常上网的部分中学生访问交谈，了解有关情况。三是分析法。对调查结果，结合与本研究有关的文献资料，进行分析研究。

二、结果与分析

1.中学生使用网络的基本状况。调查结果显示：调查对象中有281人有上网的经历，占调查人数93.7%。可以看出，互联网在中学生日常生活中扮演着重要的角色，他们已经成为网民的重要组成部分。

2.使用网络的主要目的和使用网络的地点。调查显示，中学生使用网络的目的有32%（96人）玩游戏；18%（54人）找人聊QQ；17%（51人）查找学习资料；12%（36人）关注新闻；11%（22人）收发E-mail，10%的人选择下载软件。上网地点方面，43%（129人）使用手机，20%（60人）在网吧，21%（63人）在家里，16%（48人）在学校。互联网为中学生提供了便捷的信息获取渠道，为他们的学习提供了方便，一些学生利用互联网来做作业，收集学习资料等等，但有相当比例的学生将网络用于娱乐用途，耗费了大量的时间和精力。

3.每周平均使用网络的时间及对网络的感受。调查结果发现，中学生每周平均上网4小时以下的有43%；4-10小时的有29%；10小时以上的有8%。绝大多数中学生能够合理安排上网时间，将每周上网时间控制在4小时内，但仍有少部分学生长时间沉溺于网络世界。48%的中学生认为网络是虚拟的，凡事不可当真，而20%持相反意见，认为网络是真实世界的反映，不容置疑。介乎于其间的44%则认为真真假假，取舍全靠自己，也有少数的（12%）认为无论虚拟与真实，网络都只是一个情绪发泄的垃圾场。

4.学校和家长对使用网络的引导。调查显示46%的家长是约束孩子上网的；8%的家长则是不管不问；46%的家长要求正确使用，避免不健康的东西。网络是一把双刃剑，大量的网络信息极大丰富了他们的学习方式、生活方式和课余生活，但是这些信息良莠不齐，思想单纯的中学生难辨真伪，极易受到网络负面影响。如果学校和家长对中学生正确的引导，使用网络还是起积极作用的。

5.使用网络对中学生身心健康的影响。据调查显示，79%的中学生认为长时间上网对身体有不良的影响，11%的学生认为没有影响。玩电子游戏后感到眼睛痛的占81%；脖子酸痛的占68%；头晕的占62%。76%的学生觉得长时间上网会产生睡眠障碍，睡中多梦等现象，58%的学生因长时间使用网络接触电脑导致视力下降。

6.使用网络对中学生学习能力的影响。因特网上的资源可以帮助中学生找到所需的学习材料，甚至是合适的学校和老师。据我们的问卷调查发现：网络上有不少中学生认为“我们是赞成使用网络的，作为学生我们不仅需要缓解学习压力，更需要不断地补充课外知识。”不可否认，我们当中的多数人上网是为了更好地学习。从这个意义上来说，学生使用网络是有好处的。但是，网络传播的形象化（图、文、音、像），强化了显示“看”的接受方式，而淡化了学生“想”的思维方式。经本次调查显示发现：常“泡”在网上的学生，其写作文、分析问题、评论和欣赏能力，要比接受传统学习的差一些。调查发现80%的中学生认为使用网络对提高学习成绩有帮助，15%认为没有作用，5%认为有副作用。在制作网页和小游戏方面，28%的学生回答会，72%的学生回答不会。49%的中学生表示在没人监控的情况下，不能自觉利用网络学习。11%的学生承认曾逃课去学校周边的网吧上网。

三、结论与建议

1.结论。一是互联网在中学生日常生活中扮演着重要的角色，调查对象中有93.7%有上网的经历；上网的主要目的依次是玩游戏、聊QQ、查找资料；上网时间基本控制在4小时内；46%的家长约束孩子上网。二是有79%的学生认为长时间的上网对身体有不良影响；80%的中学生认为使用网络对提高学习成绩有帮助。三是网络的信息化特征催生了中学生的现代化观念的更新，如学习观念、效率观念、全球意识等，它使中学生不断接触新事物、新技术，接受新观念的挑战。

2.建议。一是传播积极、先进的网络文化，引导中学生身心健康发展。网络文明的建构需要道德自律、法律约束与技术保障这三方面的合力，即需要道德、法治及技术三个层面的一体化。同时加大网络德育教育力度，大力加强以中华民族优秀文化为主体的正面网络内容的生产和传播，占领网络思想教育阵地，不断提供适合中学生阅读的内容，满足他们对信息资源的渴求。通过努力改进思想政治教育，扬网络之长、避网络之短来开辟网络德育的新天地，引导中学生身心健康发展。二是学校和家长要教育引导学生树立正确的使用网络观念。教师应多为学生树立榜样，激发他们进取的精神，教会学生必要的使用网络常识，指导和教育他们正确的使用网络，安全使用网络，科学使用网络，高尚使用网络。家长要引导孩子树立正确的择友观，引导他们参加社会活动，加强对他们的精神关怀，让网络在中学生身心成长中发挥积极作用。三是对中学生进行安全上网的教育，消除中学生对互联网的神秘心理。掌握网络的使用和有关知识，能使其消除网络的神秘感，了解互联网作为应用工具的实质，“网络心理障碍”的发生几率就会大大减少。教师和家长要引导、教育中学生学会筛选有用信息，提高抵制信息污染的能力，使中学生不仅成为电脑的使用者，更要做网络世界的建设者和真正的主人。四是加强网络安全管理，完善网络秩序。利用已建立的校园网络阵地，构筑我们自己的网络文化。

参考文献：

[1]孙银聪.中学生安全教育读本.海潮摄影艺术出版社

[2]俞国荣.试谈网络与中学生心理健康[EB/OL]

卷积神经网络的主要思想范文篇3

[关键词]大学生思想政治教育社会价值个体价值

如何最大程度引领青年大学生的核心价值观，促使青年大学生成为先进文化的追随者、传播者、践行者、发展者[1]，“使之入脑、入心，并渗透到其感情、需求之中，形成良好的心灵品质，并化天性为德性，化知识为智慧，化情感为情操，化良知为良行”[2]，就必须准确把握当代大学生价值观的核心内容与时代机遇，实施科学而有效的思想政治教育评估，实现“在多元多样中立主导，在交流交融中谋共识”[3]P8的目标。思想政治教育评估是对影响思想政治教育效果各个要素的全面评估，既包括思想政治教育的主体，也包括思想政治教育的客体。鉴于思想政治教育主客体的动态性和特殊性，同时为了体现思想政治教育的个体价值与社会价值，实现价值同构的思想政治教育评估，本研究在评估维度的选择和确定时，根据主客体及其影响因素选取了个人维度、学校维度和社会维度三个方面作为本评估体系的三个维度，开展了学生、家庭和用人单位的三方面调查。

一、调查对象及内容分析

本次调查于2012年10月8日至12月20日进行，被调查对象覆盖了Y大学X学院各个专业在校学生，调查以调查问卷为主，个别访谈和学生座谈为辅。共发放问卷756份（大一至大三在校生），回收有效问卷742份，有效回收率为98.14%；针对大四已经参加实习的学生或已经就业的毕业生，向其工作或实习、实践单位共发放问卷120份，回收有效问卷106份，有效回收率为88.3%；随机抽取在校生和毕业生进行家庭调查，共发放问卷120份，回收有效问卷109份，有效回收率为90.8%。此次调查涉及到：政治信仰与思想觉悟、专业认知与日常学习、校园生活与内心感受、家庭和用人单位对学生思想政治素质评价等方面。问卷中问题设计科学合理，贴近学生实际，调研过程组织严密，接受调查的学生、单位和家庭成员积极配合，认真独立填写；调查结果基本上能够全面、客观、准确地反映学生的真实想法，具有一定的可信度。

二、大学生思想政治素质调查结果分析

1.校园生活和内心感受

对于课余时间的安排，用来上网的比例均为63.2%，其余方式各站10%左右，可见网络已经成为目前大学生业余文化生活的一个重要阵地，必须有针对性地开展网络阵地的思想政治教育，加强对校园网络舆论的引导和管理，促进全体学生的健康成长；要积极加强对网络思想政治教育研究、掌握网络传播的规律与特点，引导同学们合理分配学习与娱乐。对于业余时间的安排，不少学生选择在校内外兼职或打工，在他们中，24.8%的学生选择在校内勤工助学，在校外从事家教的比例为39.1%，26.5%的学生在企业或公司兼职，还有9.5%的学生在快餐店等场所打工。从上面的调查结果可以看出，在X学院，对于业余时间的安排上，大多数学生能够进行合理科学的安排，独立自主的意识不断增强，特别是很多办理了生源地贷款的学生表示，要利用业余时间参加校内外兼职挣生活费，减轻家庭负担，争取早日还清贷款。这表明，当代大学生责任感和适应社会环境的能力在提高。同时，那些靠上网打发业余时间时常感到不知所措的学生应该成为我们重点关注的对象，要积极鼓励他们勇于面对生活和压力，提升学习兴趣和专业能力，学会在竞争中生存。同时，对于在外兼职的学生，从事与本专业相关工作内容的占62%，这也说明了大学生的课外兼职趋于理性化，学校开展的职业指导取得了一定效果。

从X学院742名在校生的业余文化生活内容的安排来看，认为自己能够将读书学习和娱乐消遣合理安排的占到57.5%，专心读书学习较少娱乐的占20.8%，娱乐消遣为主的占到18.5%；特别是对于业余时间活动安排满意度的调查中，41.1%的同学认为时间安排一般，不满意或非常不满意的占到12.4%，这在一定程度上提醒我们在做好专业教学的同时，还要深入学生群体，真正了解他们的文化生活诉求，将专业竞赛、校园文体活动等丰富大学生业余文化生活的学生活动融入他们的业余生活，不断充实、丰富大学生的业余文化生活，让他们能够悦纳自己的学习生活。从被调查学生的休息时间来看，普遍都在晚上11点至12点之间，按照早上8点上课的时间来看，说明了多数学生睡眠不足8小时，熬夜的学生中多数又在上网或进行其他娱乐活动，这一定程度上反映出不少大学生沉溺于网络世界，一定程度上造成了他们学业倦怠，学习兴趣和专业能力下降，进而导致就业竞争力下降，就业出现问题后在反思自身的同时往往又会将问题归结为社会不公等外部因素。因此，我们在开展思想政治教育的过程中，需要对这部分学生群体给予充分的重视，以免他们走上社会后思想波动，造成不稳定因素。同时一部分学生认为大学就是开放的，生活也是自己的，对于夜不归宿等违反校纪校规的行为重视程度不够，这就提醒我们思想政治教育工作者要在做好正面教育引导和管理的同时，加强情感育人，增强学生对学校教育管理工作的认同感。

2.学校思想政治教育的家庭认同

大学生的思想政治教育效果如何，既关系到大学生个人的成人成才，也关系到他们家庭的和谐幸福。2012年9月至12月，我们共对Y大学X学院随机抽取的120名在校高年级学生和部分毕业生家庭发放了大学生思想政治素质调查问卷（家庭篇），截至2012年12月，共收到有效的反馈调查问卷109份。

通过与部分家长的面谈或电话沟通，我们了解到由于受自身文化程度的限制，很多家长认为自己的教育能力有限，在承担对大学生子女思想政治教育责任时受到局限。通过随机抽取并访谈的家长对大学生思想政治教育了解程度调查发现，比较了解的占57.1%，了解不多的占39.8%，非常熟悉的只占5.6%，还有不少家长选择了“从来没有了解过”，占总数的2.8%。同时多数家长认为孩子在接受高等教育后政治思想、道德品质、敬业精神、责任心、组织纪律性、吃苦耐劳精神都取得了一定进步，特别是组织纪律性和政治思想素质提升较为明显，这应该是与学校思想政治教育管理密切相关的，但同时只有不到半数的家长认为孩子的吃苦耐劳精神有所增强，可见目前高校对于大学生吃苦耐劳精神的培养确实存在不足。对于学校教育在大学生成人成才过程中的侧重点，多数家长认为人际沟通和交往能力（85.3%）、创新意识（82.4%）、组织管理能力（77.5%）应该得到充分重视，而社会责任感（53.7%）、团队精神（64.9%）、心理承受能力（66.1%）在调查中没有得到绝大多数家长的认同。可见在家长心中，工具性的思想政治教育内容得到了充分重视，而一些隐性的核心内容却被忽视，这在我们实际的工作中必须值得关注。对于大学生思想政治教育内容的重点，家长们把职业道德教育（89.8%）、诚信教育（86.3%）和集体主义教育（72.4%）放在前三位，理想信念教育作为大学生思想政治教育中最核心的意识形态部分，却仅仅占69.7%，可见传统的思想政治教育中的纯粹的意识形态教育已经让不少家长倦怠，他们更看重孩子在大学期间能够形成对今后职业发展产生积极作用的综合能力，这给我们高校思想政治教育工作者在继承传统的基础上做好大学生思想政治教育工作的同时，提出了如何提升大学生思想政治教育时代性和有效性的命题。

3.学校思想政治教育的社会认同

为进一步了解用人单位对Y大学毕业生的思想政治素质的满意度，特别是掌握用人单位和毕业生对大学生思想政治教育方面的意见和建议，2012年10月至12月，我们共对Y大学X学院96家毕业生就业单位和2009届、2010届和2011届的120名毕业生寄发了毕业生质量问卷调查。截至2012年12月，共收到有效的用人单位调查问卷106份。

本次调查活动共对Y大学75家用人单位进行了问卷调查，用人单位的类型有企业、机关和事业单位等，其中国有企业27家，三资企业13家，民营企业29家，机关、事业单位6家等。用人单位对Y大学毕业生质量从总体素质、政治思想、道德品质、敬业精神、责任心、组织纪律性、吃苦耐劳精神、人际沟通和交往能力、组织管理能力、社会责任感、团队精神、创新意识、心理承受能力等多个方面进行总体评价。结果显示用人单位对Y大学毕业生总体评价较高，这说明Y大学毕业生在工作后表现了较强的总体素质、敬业精神、合作精神和社会责任感；但通过调查分析也可以看出用人单位对X学院毕业生的组织纪律性、责任心等方面的表现还不是让他们非常满意。因此学校在以后的教育教学工作中应加强对学生这几方面素质的培养。同时许多用人单位建议学校加强职业道德、诚信教育，还有学生吃苦耐劳精神的培养和团队意识的养成，学生在学校的学习期间不仅要传授给学生专业知识和技能，也要使学生学会协同合作，艰苦奋斗、吃苦耐劳、克服困难的精神以适应未来的工作和生活。

围绕大学生的校园生活状态、家庭对学校思想政治教育的认可度和用人单位对毕业生思想政治素质的评价，构建出个人和社会的两个评估维度，基本实现了个人价值和社会价值同构下的大学生思想政治教育评估新方式，但鉴于思想政治教育内容的复杂性、效果的波动性和对象的能动性，要想构建出能够完全反映个体思想政治素质的社会评估体系，还需要进一步探索。

参考文献：

[1]杨晓慧.社会主义核心价值体系融入大学生思想教育政治教育全过程论析[J].东北师大学报（哲社版），2009（5）.