Knowledge networks can be defined as social networks that enable the transfer of the knowledge, which is defined as the intellectual product formed as a result of the work of human intelligence, to be transferred to any other means of communication. A knowledge network represents a large number of people, resources and relationships between them, to create the highest value, primarily to accumulate and use knowledge through the process of generating and transmitting knowledge. General structure of knowledge networks; it consists of three basic stages: gathering, organizing and disseminating knowledge. The first step, knowledge collection, institutions and organizations to enter the network structure of the knowledge that is present. The organizing phase is the structuring of irregular and unstructured knowledge in the network structure according to certain standards and recording them regularly in the structure. Knowledge dissemination can be expressed as the transfer of organized knowledge in accordance with user knowledge and needs. The purpose of the training knowledge network is to ensure communication between the student, the teacher and the guide, and to store the knowledge that is formed in a course, to enable the system to be recorded in a systematic way, to disseminate it according to the needs of the users and to update the knowledge. A dynamic website and content management system have been developed for the training knowledge network. The training knowledge network has a flexible structure to support web technologies. By making production, management and publication of knowledge within the framework of specific needs, it provides knowledge network for different problems, producing different and tailored solutions. With the example of education knowledge network, a knowledge network that can be developed according to the innovative knowledge network structure is designed.


翻译:知识网络可界定为社会网络,使知识的转让成为社会网络,使知识的转让成为社会网络,这种知识网络的定义是,知识产品是人类情报工作所产生的知识产品,可转让到任何其他通信手段;知识网络代表大量人员、资源和它们之间的关系,以创造最高价值,主要是通过创造和传播知识的过程积累和使用知识;知识网络的一般结构;知识网络包括三个基本阶段:知识的收集、组织和传播;第一步、知识收集、机构和组织,以进入现有知识的网络结构;组织阶段是,根据某些标准在网络结构中构建非常规和无结构的知识,并定期记录这些知识;知识网络的传播可以表现为,根据用户的需要进行有组织的知识转让;培训知识网络的目的是确保学生、教师和指南之间的交流,并储存在课程中形成的知识,以便能够系统地记录系统,根据用户的需要加以传播,并更新知识;在网络结构中根据某些标准进行结构,并定期记录;知识传播知识网络;知识传播可以表现为根据用户的知识和需要进行有组织的知识转让;培训网络,在网络内发展一个灵活的网络和内容的网络,为培训提供具体的知识网络提供不同的知识网络;在培训的网络内建立不同的知识网络;通过建立不同的知识网络,以提供不同的知识网络提供它。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
93+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
102+阅读 · 2020年3月4日
Knowledge Distillation from Internal Representations
Arxiv
4+阅读 · 2019年10月8日
Arxiv
6+阅读 · 2019年9月4日
Arxiv
7+阅读 · 2018年8月28日
VIP会员
相关VIP内容
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
93+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
相关资讯
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Arxiv
102+阅读 · 2020年3月4日
Knowledge Distillation from Internal Representations
Arxiv
4+阅读 · 2019年10月8日
Arxiv
6+阅读 · 2019年9月4日
Arxiv
7+阅读 · 2018年8月28日
Top
微信扫码咨询专知VIP会员