作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分析了传统的自适应考试模型存在的不足,在此基础上利用粗糙集筛选出了和自适应考试模型密切相关的因子:作业指数、课堂活跃指数和教学方式,并分别计算出了各个因子的重要性为0.300 0、0.333 3、0.133 3;然后再利用BP神经网络对筛选出的因子进行训练,进过300次的迭代训练获得了稳定的BP网络结构,误差率小于3.9%.最后采用训练好的BP神经网络改进了自适应考试模型.经实际和模拟数据检验改进后的模型相对于改进前测试效率提高了将近50%.
推荐文章
基于粗糙集和BP神经网络的空气质量评价方法
粗糙集
BP神经网络
评价
属性约简
训练
基于灰色粗糙集与BP神经网络的设备故障预测
灰色关联分析
粗糙集
BP神经网络
约简
故障预测
基于粗糙集神经网络的燃煤发热量预测模型
粗糙集
约简
神经网络
发热量
粗糙集与BP神经网络对配电网故障的诊断
配电网
故障诊断
粗糙集
人工神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 粗糙集和BP神经网络对自适应考试模型的改进
来源期刊 中南林业科技大学学报 学科 工学
关键词 粗糙集 BP神经网络 自适应考试 影响因子
年,卷(期) 2011,(8) 所属期刊栏目 计算机科学与信息工程
研究方向 页码范围 211-216
页数 分类号 TP389.1
字数 4405字 语种 中文
DOI 10.3969/j.issn.1673-923X.2011.08.038
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王传立 中南林业科技大学计算机与信息工程学院 19 151 6.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (24)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (5)
二级引证文献  (7)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
粗糙集
BP神经网络
自适应考试
影响因子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中南林业科技大学学报
月刊
1673-923X
43-1470/S
大16开
湖南长沙市韶山南路498号中南林业科技大学期刊社
1981
chi
出版文献量(篇)
5497
总下载数(次)
4
总被引数(次)
61941
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导