在線學(xué)習(xí)社區(qū)學(xué)習(xí)者學(xué)業(yè)成績(jī)預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
發(fā)布時(shí)間:2021-09-07 01:33
近年來(lái),互聯(lián)網(wǎng)技術(shù)得到了飛速發(fā)展,推動(dòng)了在線學(xué)習(xí)社區(qū)的發(fā)展,使得教育更加公平化。越來(lái)越多的學(xué)習(xí)者選擇從在線學(xué)習(xí)社區(qū)獲取知識(shí),通過(guò)在線課堂、與他人通過(guò)Web短文本討論等方式進(jìn)行學(xué)習(xí)。但因?yàn)樵诰學(xué)習(xí)社區(qū)這種無(wú)人監(jiān)管的學(xué)習(xí)環(huán)境,大量的學(xué)習(xí)者因?yàn)檫@種學(xué)習(xí)環(huán)境和無(wú)法預(yù)測(cè)自己學(xué)業(yè)課程的學(xué)習(xí)情況,從而在學(xué)業(yè)課程上產(chǎn)生懈怠,導(dǎo)致最終課程考核不及格。因此,為了使學(xué)習(xí)者在學(xué)習(xí)社區(qū)中更加順利的“畢業(yè)”,大量的學(xué)者專(zhuān)家都積極致力于學(xué)習(xí)者學(xué)業(yè)成績(jī)預(yù)測(cè)方面的研究。但令人不滿(mǎn)意的兩個(gè)地方,(1)從先前專(zhuān)家、學(xué)者的研究中發(fā)現(xiàn),使用決策樹(shù)、樸素貝葉斯、支持向量機(jī)等比較陳舊的傳統(tǒng)機(jī)器學(xué)習(xí)方法的預(yù)測(cè)效果(預(yù)測(cè)準(zhǔn)確率)不如深度學(xué)習(xí)方法;(2)到目前為止,幾乎還沒(méi)有一個(gè)可直接使用的通用的預(yù)測(cè)工具,對(duì)學(xué)習(xí)者學(xué)業(yè)成績(jī)進(jìn)行分析預(yù)測(cè)。為了實(shí)現(xiàn)在線學(xué)習(xí)者學(xué)業(yè)成績(jī)預(yù)測(cè)系統(tǒng),本文在在線學(xué)習(xí)社區(qū)的背景下,針對(duì)在線學(xué)習(xí)者學(xué)業(yè)成績(jī)數(shù)據(jù)集的特點(diǎn),主要做了如下工作:首先,設(shè)計(jì)并實(shí)現(xiàn)在線學(xué)習(xí)環(huán)境,以獲得在線學(xué)習(xí)者學(xué)業(yè)成績(jī)數(shù)據(jù)集;接著,實(shí)現(xiàn)數(shù)據(jù)預(yù)處理功能,針對(duì)數(shù)據(jù)集的特點(diǎn),對(duì)數(shù)據(jù)進(jìn)行數(shù)值化、歸一化、降維等操作,將數(shù)據(jù)轉(zhuǎn)化成可直接計(jì)算且消除量綱差異;然后,...
【文章來(lái)源】:華中師范大學(xué)湖北省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:68 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1?Java?Web系統(tǒng)完整結(jié)構(gòu)圖??Web,JSP、Struts2、Action,
程指的是對(duì)系統(tǒng)中重復(fù)使用的通用功能進(jìn)行抽取,封裝成獨(dú)立的模塊,稱(chēng)之為“切??面”,并在系統(tǒng)業(yè)務(wù)流程執(zhí)行過(guò)程中準(zhǔn)確地插入到各個(gè)模塊的合適位置。Spring在??業(yè)務(wù)執(zhí)行過(guò)程中的主要作用流程如
2.4.1?BP神經(jīng)網(wǎng)絡(luò)??Rumelhart?和?McCelland?于?1986?年提出?BP(Back?Propagation)神經(jīng)網(wǎng)絡(luò)[38][40],??是一種最有效的多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。如圖2.4是簡(jiǎn)單的三層BP神經(jīng)網(wǎng)絡(luò),??包括輸入層(',七,…,')隱含層,…,Z>m)和輸出層(u2,...,jvn)。BP神經(jīng)網(wǎng)絡(luò)??的主要特點(diǎn)是信號(hào)前向傳播,而誤差逆向傳播。使用當(dāng)前層輸出的誤差e來(lái)估計(jì)直??接前導(dǎo)層的誤差,再使用直接前導(dǎo)層的誤差估計(jì)更前一層的誤差,一直循環(huán)反傳到??輸入層的下一層,這樣就能得到所有層的誤差,然后根據(jù)這個(gè)誤差來(lái)調(diào)節(jié)權(quán)重(如??圖2.4中的和7a)和闡值(如圖1中的&和,使得輸出結(jié)果最接近真實(shí)值。??正是因?yàn)椋拢猩窠?jīng)網(wǎng)絡(luò)是誤差逆向傳播的,所以才會(huì)成為應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)??之一。???權(quán)修正???-??隱含層??第一層權(quán)重?第2層權(quán)重?BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??閾值義??
本文編號(hào):3388587
【文章來(lái)源】:華中師范大學(xué)湖北省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:68 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1?Java?Web系統(tǒng)完整結(jié)構(gòu)圖??Web,JSP、Struts2、Action,
程指的是對(duì)系統(tǒng)中重復(fù)使用的通用功能進(jìn)行抽取,封裝成獨(dú)立的模塊,稱(chēng)之為“切??面”,并在系統(tǒng)業(yè)務(wù)流程執(zhí)行過(guò)程中準(zhǔn)確地插入到各個(gè)模塊的合適位置。Spring在??業(yè)務(wù)執(zhí)行過(guò)程中的主要作用流程如
2.4.1?BP神經(jīng)網(wǎng)絡(luò)??Rumelhart?和?McCelland?于?1986?年提出?BP(Back?Propagation)神經(jīng)網(wǎng)絡(luò)[38][40],??是一種最有效的多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。如圖2.4是簡(jiǎn)單的三層BP神經(jīng)網(wǎng)絡(luò),??包括輸入層(',七,…,')隱含層,…,Z>m)和輸出層(u2,...,jvn)。BP神經(jīng)網(wǎng)絡(luò)??的主要特點(diǎn)是信號(hào)前向傳播,而誤差逆向傳播。使用當(dāng)前層輸出的誤差e來(lái)估計(jì)直??接前導(dǎo)層的誤差,再使用直接前導(dǎo)層的誤差估計(jì)更前一層的誤差,一直循環(huán)反傳到??輸入層的下一層,這樣就能得到所有層的誤差,然后根據(jù)這個(gè)誤差來(lái)調(diào)節(jié)權(quán)重(如??圖2.4中的和7a)和闡值(如圖1中的&和,使得輸出結(jié)果最接近真實(shí)值。??正是因?yàn)椋拢猩窠?jīng)網(wǎng)絡(luò)是誤差逆向傳播的,所以才會(huì)成為應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)??之一。???權(quán)修正???-??隱含層??第一層權(quán)重?第2層權(quán)重?BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??閾值義??
本文編號(hào):3388587
本文鏈接:http://www.sikaile.net/kejilunwen/ruanjiangongchenglunwen/3388587.html
最近更新
教材專(zhuān)著