一种RBF神经网络改进算法在高校学习预警中的应用

• 作者: 宋楚平 李少芹 蔡彬彬
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 学习危机 指标权重 神经网络 学习预警
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 数据工程
• 页码范围: 39-44
• 页数: 6页
• 分类号: TP3
• 字数: 6482字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.007

摘要

高校学生的学习危机问题日趋严重,传统的管理手段和预警方法在新的学情面前显得力不从心.针对学习危机多成因和分类的特点,提出将改进的RBF神经网络用于该问题的求解.通过教师和专家对影响学习危机的因素进行分析和抽取,使用AHP层次分析法计算这些因素的权重,按权重大小重新修正主要影响因素.为获得全局最优解和提高收敛速度,利用遗传算法对传统RBF网络的权重向量进行全局搜索以得到最优模型.应用结果证明:该模型相比传统模型,在收敛速度和误差精度方面都有较大的提升,计算结果有较高的正确率和识别能力,能较好满足学习预警的实际要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡彬彬	江苏工程职业技术学院建筑工程学院	40	27	3.0	4.0
2	宋楚平	南京科技职业学院信息工程学院	6	6	1.0	2.0
3	李少芹	南京科技职业学院信息工程学院	1	0	0.0	0.0