0引言
目前，随着我国教育制度的改革，学前教育越来越重要，许多科研院所、教育机构等积极引入信息化技术，开发和构建了学前教育资源平台，这些平台能够为教师、学生以及管理人员提供各类型资源，比如幼儿心理健康、儿童智力发展、幼儿创造力提升等多种知识内容。随着平台的长期运行，其积累了海量的数据信息，因此积极地提高学前教育资源利用率就显得非常重要[1]。深度学习是一种数据挖掘和分析算法，其可以根据用户需求，从海量的学前教育资源中为其推荐期望的学习资料，具有重要的作用和意义。
1深度学习技术
深度学习是一种多层次的卷积神经网络，与传统的神经网络不同，其拥有两个以上层次，比如卷积层、池化层和全连接层，增加了神经网络的训练和学习深度，这样就可以更好地调整输入输出参数[2]。深度学习把Sigmoid函数作为卷及网络的激活函数，这样就使得特征映射之间具有位移不变性，位于同一平面上的神经元都可以共享权值，这就可以大大地减少对自由参数的设置。卷积神经网络的每一个卷积层都跟着一个用来求取局部平均与二次提取的计算层，这样就可以大大地减小特征分辨率[2]。深度学习已经为图像分类、人脸识别、目标检测等领域所接纳。深度学习的权值具有共性特征，减少自由参数的训练次数，因此便于用于高纬数据处理。深度学习是一种人工智能算法，因此也可以将其应用于网络安全防御过程中，从而提高网络安全防御性能，旨在解决当前网络安全防御被动的问题，也可以积极、持续地改进网络安全防御性能[3]。
2深度学习在学前教育资源平台中的应用
2.1学前教育资源平台应用分析
学前教育资源平台功能很多，可以为用户展示幼教咨询、幼教资源、幼教培训、家园共育等多种信息。幼教资源所属的信息也很多，比如教学资源、管理资源、一园一品、名师名课和行业动态信息，教学资源信息中包含各类型的教案、课件、实录和素材，这些内容又可以划分为图片、视频、文本、音频等资源，比如《小动物过冬》、《风筝DIY》和《多变的水》等，这些信息资源非常多，每一个学校都可以根据自己的需求开设不同的课程。管理资源可以为幼儿提供各类型的环境创设、卫生保健和教学参考资源，比如《儿童乘车安全存在的误区》、《孩子午睡有哪些好处》和《儿童垃圾食品排名》等，帮助教师掌握儿童的管理信息。名师名课则可以录制、上传一些幼儿教师名师资源，以便能够让所有的幼儿分享名师教学资源。行业动态信息可以为不同的用户及时地推荐一些幼教行业的最新信息，这些信息包括国家的学前教育政策信息、大型幼教机构的最新教学方法、著名幼儿教师的教学动态信息等，行业动态信息能够让用户掌握更加前沿的知识，以便能够在幼儿教学中提高教师学识水平和政策熟练程度。幼教培训则可以结合幼儿教师进修和学习需求，制定一些严格的培训课程，培训幼儿教师一些先进的教学方法，让幼儿教师更好地明白儿童的学习需求，为儿童讲解其需要的知识内容，进一步提高幼儿教师的教学质量和教学水平。家园共育是幼儿园教育不可小觑的力量，每一个家庭都承载着提升幼儿园教育教学工作质量、与幼儿园共同施教促进幼儿全面发展的义不容辞的责任。家园共育则可以改变传统的幼儿教育模式，充分的发挥家庭是幼儿园的重要合作伙伴的理念，本着互相尊重、平等合作的基本原则，邀请家长积极地参与幼儿教育，提高幼儿教育的水平，培养孩子的学会生存、学会做人、学会合作、学会交往的能力，充分利用家长资源，实现家园互动合作共育。学前教育资源平台的应用非常广泛，涵盖的数量也非常多，这就给用户搜索资源带来了一定困难，为了解决这个问题，本文引入了深度学习技术，该技术可以挖掘和推荐用户期望的资源，方便教师使用。
2.2深度学习在学前教育资源平台中的设计
学前教育资源平台存储的资源非常多，这些资源通常是无序的、杂乱的，虽然符合一定的组织原则，但是人们利用数据仍非常复杂，因此，学前教育资源平台在引入深度学习设计时，首先需要针对平台的信息进行预处理，预处理可以在构建模型的过程中，将视频数据、图像数据、文本数据或音频数据进行分类，同时还可以按照结构化组织原则，将数据划分为关系数据、对象数据等，将这些数据资源集成在一起，同时还可以根据用户的需求，临时添加一些过滤措施，这些措施可以过滤一些噪声数据，提高数据的一致性和可靠性。其次，平台还可以对数据进行整合，整合完毕之后就可以将其录入到深度学习算法中，可以提高数据利用的时效，缩短数据处理时间[4]。深度学习在学前教育资源平台中包括六个层次，分别是输入层、卷积层C1、池化层S1、卷积层C2、池化层S2和全连接层，输入层可以接收用户的逻辑业务请求，这些请求主要是数据的搜索，然后针对这些数据进行预处理，实现对数据模型的构建和预处理操作，然后将这些数据传输到中间层，也即是卷积层和池化层。输入层的主要作用就是对原始的学前教育资源数据进行预处理。卷积层一般包含两个操作，其一是进行局部的关联，将每个神经元看作是一个过滤器；其二是进行窗口滑动，过滤器对局部的网络数据进行计算。卷积层的关键作用就是获取学前教育资源数据的局部特征，每一卷积层都可以作为一个特征提取层，并且可以减少参数的设置数量，提高卷积准确度。卷积层可以采用的核函数非常多，比如Sigmoid函数，适用于学前教育资源数据挖掘和分析。在挖掘学前教育资源的过程中，由于Sigmoid函数拥有很强的收敛性，因此可以在很短的时间内获取数据挖掘结果，避免过度拟合现象发生，可以大幅度提高教育资源挖掘准确度。池化层的主要作用是用来压缩学前教育资源数据和参数的数量，减小过拟合。在卷积层提取的学前教育资源数据特征基础上，池化可以计算某一个局部的卷积特征平均值，也可以计算最大值或最小值，减小卷积层特征的维数，这样就可以持续降低分类器的计算复杂度，减轻分类器的负担，也可以避免分类器过度拟合。全连接层可以输出分类结果，起到了一个分类器的作用，能够将训练好的模型输出出来，这样就可以提取学前教育资源的特征。全连接层输出的挖掘结果，也即是用户期望的知识，比如如果一个中班的教师经常搜索中班的教学知识，深度学习在挖掘到相似的课程及内容时就及时地推荐给教师，教师可以更加准确地定位这些资源，提高幼儿教学的便捷性和可靠性。
3结束语
学前教育资源平台引入深度学习技术，可以提升对学前教育资源的利用效率。深度学习可以对视频数据、图像数据以及普通文本数据等进行处理，进一步提高学前教育资源平台的数据组织和发现能力，同时将结果输出到显示器上，实现可视化的幼儿教育数据处理操作服务。深度学习也是当前计算机重要技术之一，可提高大数据平台服务处理效能，保证学前教育资源平台的处理速度和自动化水平。深度学习是学前教育资源数据分析的关键技术之一，目前利用卷积神经网络可以构建大数据分析和推荐模型，同时动态地实现算法的更新和处理，保证算法能够准确地实现幼儿教学资源加工，提高学前教育资源应用精准程度。
参考文献：
[1]廖俐.“深度学习”在高职学前教育语言类课程中的应用与探索[J].计算机产品与流通,2018(11):158.
[2]寇媛媛.基于深度学习的在线教学推荐系统设计与研究[J].西安职业技术学院学报,2017(3):11-14.
[3]魏利,黄慧敏,钱鸣静.教育领域中的深度学习研究热点和研究趋势分析[J].数字教育,2018,20(02):28-33.
[4]陈晋音,王桢,陈劲聿,等.基于深度学习的智能教学系统的设计与研究[J].计算机科学,2019(B06):550-554.
作者:秦立山