基于深度学习的学业状态预测模型研究
针对传统学业状态预测模型不能达到高校预测精度及学籍检测的管理需要,本文利用深度学习的思想,模拟大脑神经元传递信息方式构建数学模型,在对多层前馈神经网络进行改进,在其隐藏层中引入模糊理论,通过模糊推理,提升神经网络模型的训练学习能力,同时在神经网络中引入多种群遗传算法的选择交叉及变异运算,提高网络的全局及局部搜索能力,优化神经网络的参数,避免了神经网络过早收敛的问题,从而有效的将模糊数学、神经网络及遗传算法结合,构建了基于深度学习的学业状态预测模型.通过对预测结果的分析,验证了该模型的正确性及可用性,可以帮助高校管理层实时掌握学校每个学生的学业状态,对异常学生进行必要的管理,为人学校人才培养服务.
高等院校 学业状态 预测模型 深度学习
王兴芬 孙彦超
北京信息科技大学教务处 北京 100192
国内会议
上海
中文
597-603
2017-10-20（万方平台首次上网日期，不代表论文的发表时间）