【摘 要】
:
在线教育打破了时间和空间的限制,整合了优质学习资源,给不同需求的学习者提供了极大的便利。然而参与在线学习的人数规模庞大,学习方式灵活,使得教师难以掌握每个学生的学习情况,无法准确识别学习中存在风险的学生。成绩预测能够通过对学生相关数据的分析,实现对学习效果的评估,从而达到识别风险学生的目的。目前,成绩预测主要从传统机器学习和深度学习进行成绩预测算法的研究。在传统机器学习算法中,集成学习算法在成绩预
论文部分内容阅读
在线教育打破了时间和空间的限制,整合了优质学习资源,给不同需求的学习者提供了极大的便利。然而参与在线学习的人数规模庞大,学习方式灵活,使得教师难以掌握每个学生的学习情况,无法准确识别学习中存在风险的学生。成绩预测能够通过对学生相关数据的分析,实现对学习效果的评估,从而达到识别风险学生的目的。目前,成绩预测主要从传统机器学习和深度学习进行成绩预测算法的研究。在传统机器学习算法中,集成学习算法在成绩预测领域取得了不错的预测效果。然而成绩预测中已有的集成学习算法在数据集数据量大、特征维度高时,其效率和扩展性并不理想。在深度学习算法中,循环神经网络在成绩预测领域往往能够取得较好的预测效果。然而由于在线教育学习方式的灵活性,学生的学习行为往往不受时间的约束,因此从学生的学习行为序列中提取的时序信息并不能完全正确的反映学生的学习状况。针对上述问题,本文分别进行了研究,其具体内容如下:(1)针对基于传统机器学习的成绩预测中存在的问题,本文引入了LightGBM算法(Light Gradient Boosting Machine)来构建学生成绩预测模型,该成绩预测模型能够高效快速的处理大数据量、特征维度高的在线教育数据集。在公开的在线教育数据集上进行了大量实验,实验结果表明,与其他基于传统机器学习算法的成绩预测模型相比,该成绩预测模型不仅能够实现更为准确的学生成绩预测,并且在训练的速度上有显著的提升。(2)针对基于深度学习的成绩预测中存在的问题,本文提出了一种新的网络结构GDPN(GRU&DNN Prediction Network)来构建学生成绩预测模型。该成绩预测模型首先使用循环神经网络从学生学习的行为序列中提取学习行为的时序信息,其次使用深层神经网络从学生的整体学习行为数据中提取学习行为的整体信息,然后将使用连接层将两种信息进行连接,并使用一种简化的前馈神经网络注意力机制来快速有效的为提取到的信息赋予合适的权重。该成绩模型可以同时提取学生学习行为中的时序信息和整体信息,从而实现更为准确的成绩预测。在公开的在线教育数据集上进行了大量实验,实验结果表明,与其他基于深度学习的成绩预测模型相比,该预测模型在多种评价指标上均取得了较好的结果。
其他文献
劳动精神是民族精神和时代精神的生动体现,是中国共产党精神谱系的重要内容,将其融入高职院校思政课有助于落实“立德树人”根本任务,推动高职院校思想政治理论课改革创新。劳动精神与高职院校思想政治理论课目标一致、内容贯通、优势互补,这是劳动精神融入高职院校思政课的理论基础。高职院校思政课教师应深耕教学内容、丰富教学方法、立足多维实践、促进劳动精神全方位、高质量融入思政课教学。
目标检测旨在对图像中的目标进行类别判定并定位。近年来,基于深度学习的目标检测算法表现尤为出色,并应用到了人类的生活中,例如无人驾驶汽车,铁路部门人脸识别,住宅小区智能安防等,这些均表明目标检测算法在提高人类生活质量,维护社会秩序上起着越来越重要的作用。然而由于目标信息提取不足以及背景环境干扰等问题,目标检测仍然存在错检、漏检的情况,如何对目标进行更准确的检测,成为了一项具有挑战性的问题。因此,针对
生物医学工程学科作为计算机跟生物医学的交叉学科,很早就开始使用计算机技术来辅助临床医学。其中生物医学图像的处理尤为重要,作为现代医学最常用的辅助诊疗手段,快速有效的处理生物医学图像成为了目前的研究热门,越来越多的研究者开始深入生物医学图像处理的研究。本文主要针对生物医学图像分割领域中的轻量化多尺度方法进行了深入的研究,主要的研究内容如下:(1)在轻量化多尺度的生物医学图像分割方法研究中,针对深度学
分组密码具有加解密速度快、容易标准化和安全性容易评估等优势,在网络信息安全领域中发挥重要作用。分组密码的差分密码分析是一种经典分析方法,其基本思想是寻找一条高概率差分路径(差分区分器),并由此构建密钥恢复攻击。如何自动化地构建新型差分区分器是目前的一个研究热点。本文基于深度学习,构建密码算法的差分神经区分器自动化搜索方法,并对简化轮SPECK32/64、SKINNY-64、PRESENT-80密码
在多Agent资源分配过程中,由于人们会不断地追求自身利益最大化,从而会出现欺骗性的策略行为,如并行分配制度下的操弄行为。并行分配制度是一种以非集中方式将多个不可分割物品在多个自利的Agent中分配的基本机制之一,在该分配机制下,所有参与分配的Agent可以不依赖其身份不敏感的策略,在剩余的物品资源中平等的申报他们最喜欢的物品。在最近的几年,关于Agent操弄的算法问题已经有许多相关研究,比如,判
本文基于某1000MW等级火力发电厂的50万吨/年规模烟气二氧化碳湿法捕集项目,针对湿法吸收工艺CO2气体含水率高、气量较大但压缩压力不高的特性,结合电厂发电、供热的运行限制,对CO2气体压缩系统压缩、液化及冷却工序所需的CO2压缩机、冷冻液化机等设备选型开展了比型研究分析,并对化工系统设备应用于电力生产单位的适应性进行了探讨。通过研究分析,燃煤电厂烟气CO2捕集装置设备的选型与石油化工单位的CO
背景:不同程度的骨质缺损常常使髋臼部分的翻修关节置换术变得复杂,对骨科医生来说也是一个不小的挑战。临床上有许多种解决方案,而非骨水泥巨杯(Jumbo杯)重建已被证明是一种可行且成功的方法。我们的研究旨在获取国人初次全髋关节置换臼杯大小,定义适合国人的Jumbo杯大小。翻修THA髋臼使用大的Jumbo杯是治疗许多腔隙性和节段性周围骨缺损的有效方法。但是,由于巨杯与原生髋臼相比直径增大,使用Jumbo
在各种二氧化碳捕获技术中,有机胺吸收是当下应用最广泛且最可靠的选择。将液化天然气冷能与二氧化碳压缩液化工艺相结合,一方面可以解决液化天然气冷能利用问题,另一方面也可以直接获得液化二氧化碳所需要的低温,降低能耗。提出一种将液化天然气冷能应用于化学吸收法捕集的二氧化碳压缩液化新工艺,采用有机胺吸收捕集到的高浓度二氧化碳原料气,运用Aspen Hysys软件,利用Peng-Robison状态方程,对工艺
侧信道分析可以通过密码设备运行过程中的功耗、时间等侧信息对密码算法进行分析,具有攻击效率高、实现成本低等优势。其中,最常用的方法是功耗分析。传统功耗分析方法存在泄漏模型与实测功耗相关性低、使用能量迹条数多等弊端。近几年,机器学习技术被引入功耗分析,用于加强泄漏模型的效果,优化特征提取等;与此同时,各种数据预处理方法也被广泛用于降低数据噪声,提高攻击效率。本文采用回归技术优化泄漏模型,提高功耗分析的
现实生活中有大量的医学图像,单纯依赖人眼进行分析,过于费时费力,而且专业医师之间存在个体差异性,可能会导致误诊、漏诊等情况的发生。深度学习技术的出现有效的缓解了上述问题。但是二维病灶边缘不明确导致分割精度低,三维分支状结构图像中存在细微分支不易于被准确识别等问题的存在,基于深度模型的分割效果并不十分理想。为解决上述问题,本文工作主要有以下两个方面:提出基于边缘注意校正(EHS)网络与深度监督相结合