Resumen

Con la continua aplicación de la industria del arte en diversos campos, cada vez más personas optan por aprender sistemáticamente los conocimientos de la industria del arte. En la carrera de arte, la pintura de imágenes es uno de los contenidos importantes de la carrera de arte. Se estudia cómo mejorar la calidad estética de los estudiantes y la calidad profesional integral, en la que el aprendizaje de contenidos del arte de la pintura de imágenes es la clave. Por lo tanto, hemos llevado a cabo una exploración técnica y un análisis de resultados basado en el algoritmo genético de mutación gaussiana para optimizar la aplicación de la red neuronal en la enseñanza del arte de la pintura de imágenes. Utilizamos el algoritmo genético de mutación gaussiana para estudiar la tecnología de la plataforma de enseñanza en la nube optimizada por la red neuronal. En comparación con el algoritmo tradicional, el algoritmo propuesto en este trabajo tiene una eficiencia computacional más divertida, siendo capaz de evaluar y mejorar integralmente la calidad estética de los estudiantes y la calidad profesional integral. El algoritmo genético de mutación gaussiana puede mejorar eficazmente la capacidad de búsqueda de conocimientos de la plataforma y la velocidad de ejecución de la plataforma de enseñanza. En la futura investigación en el campo de la industria del arte, la red neuronal optimizará la tecnología de la plataforma de enseñanza en la nube, que ha sentado una base sólida para mejorar la calidad estética y la calidad profesional integral de los estudiantes.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:calidad profesional integral, tecnología de plataforma en la nube, arte de pintura de imágenes, mutación gaussiana, calidad estética, algoritmo genético, red neuronal, industria del arte, estudiantes, eficiencia computacional divertida
• Keywords:comprehensive professional quality, cloud platform technology, image painting art, gaussian mutation, aesthetic quality, genetic algorithm, neural network, art industry, students, funny computational efficiency