基于FT_BP神经网络的学业预警模型

来源 :计算机应用研究 | 被引量 : 2次 | 上传用户：xiwang452

【摘要】

：

因传统高校学业预警模型依据数据科学性不足、算法容易陷入局部最优化等因素,导致预测结果准确率低下且预警滞后。针对此问题,提出一种结合Adam技术的监督微调FT_BP神经网络模型算法。该模型包括两个学习阶段,即预训练阶段和监督微调阶段。预训练阶段用于学习基础神经网络参数,而监督微调阶段是对前阶段所学知识的改进。实验采集了3 381名在校学生的行为因素、基础信息以及历史表现三类与学业密切相关的属性项。首

【作者】

：

任小华种兰祥杨建锋

【机构】

：

西北大学现代教育技术中心,西北大学信息科学与技术学院

【出处】

：

计算机应用研究

【发表日期】

：

2020年S1期

【关键词】

：

教育大数据数据挖掘神经网络算法 Adam算法学业预警模型

【基金项目】

：

陕西省2018年教育信息化研究项目(18JX004),西北大学2018年度本科教育质量提升计划项目(JX18030)

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

苏北新型工业化进程与产业结构调整对策

苏北是江苏省欠发达地区，要想振兴经济必须走新型工业化道路。本文首先分析了苏北当前的工业化进程，认为苏北处于工业化初期阶段；接着从欠发达地区、可持续发展、信息化和产业结

期刊

苏北新型工业化产业结构调整

Hydrothermal Synthesis and Crystal Structure of a One-dimensional Cadmium（Ⅱ） Complex

A metal-organic coordination polymer [Cd2(cbba)4(bix)2] n·nH2O (Hcbba=2-(4′-chlorine-benzoyl)-benzoic acid, bix=1,4-bis(imidazol-1-ylmethyl)-benzene) 1 ha

期刊

晶体结构水热合成一维单晶X-射线衍射镉苯甲酰基配位聚合物元素分析hydrothermal synthesis crystal structur

通过离体组织培养繁殖和扩繁向日葵自交系

期刊

向日葵自交系组织培养

基于LSTM与GARCH族混合模型的人民币汇率波动预测研究

深度学习算法在时间序列预测领域具有较大优势。基于深度学习中的长短期记忆模型(LSTM)构建了LSTM与GARCH族混合模型,以期融合新型深度学习模型和传统统计计量模型的各自优势,进而提高人民币汇率波动率预测的精度。选取2009—2018年的数据,对比分析了LSTM与GARCH族混合模型、单一LSTM模型和单一GARCH模型的预测结果。实验结果表明,LSTM与GARCH族混合模型要优于单一模型,单一

期刊

LSTM混合模型深度学习波动率预测

基于识别技术的财务风险防控键盘设计

随着网络技术的不断发展,计算机的使用率普遍增加。"互联网+"时代,企业和个人支付和转账大多通过网上银行进行操作,但在公司交易转账过程仍存在较大的安全隐患。智能财务风险

期刊

“互联网+”智能化财务风险防控键盘

队列长度动态加权公平调度算法在列车网络中的应用

在列车控制与网络服务(train control and service network,TCSN)中,根据列车网络的特点,在分析加权公平队列调度算法(weighted fair queuing,WFQ)的基础上,提出了一种基于队列长度的动态加权公平队列调度算法(dynamic weighted fair queuing based on queue length,DQLWFQ)。该算法根据不同业

期刊

列车控制与网络服务调度算法端对端时延丢包率

新生儿肺出血发病机制的研究进展

本义综述了新生儿肺出血的发病机制研究进展，主要为六个方面：（1）氧自由基学说；（2）肺表面活性物质异常；（3）高粘滞血症所致肺动脉高压；（4）内皮源性血管活性因子ET-1／NO分泌失凋；（5）肺泡毛细血管

期刊

新生儿肺出血发病机制综述

浅析破产债权的确认程序

本文以破产债权流程的顺利进行为前提,针对这一问题展开分析。首先对破产债权以及破产债权确认进行了介绍,随后阐述了破产债权确认环节存在的不足,最后从管理人和法院具有的

期刊

破产债权债权调查破产申报

从青海和日村的变迁看藏族石刻文化的传承

一、聚焦：高原石刻第一村$$和日村因“石刻”在雪域高原上享有盛名，有“石雕艺术之乡”和“高原石刻第一村”的美誉。$$和日村位于青海省黄南藏族自治州泽库县，是和日镇下辖的一

学位

基于BERT-BiLSTM-CRF的学者主页信息抽取

学者的个人主页提供了准确的学者信息,这些信息在专家推荐等方面有着非常重要的应用。传统的学者主页信息抽取方法过度依赖人工定义特征。为了减少对人工的依赖,提出一种基于神经网络的序列标注模型,自动挖掘文本中隐藏的特征。该模型利用BERT(bidirectional encoder representation from transformers)获得词的向量化表示,然后输入到双向长短期记忆网络中进行上下

期刊

序列标注BERT双向长短期记忆网络条件随机场

基于FT_BP神经网络的学业预警模型

与本文相关的学术论文