论文部分内容阅读
由于学生英语写作成绩预测受诸多因素影响,具有高维、非线性特点,本文基于广义回归神经网络（GRNN）算法原理,构建了GRNN学生英语写作成绩预测模型,并与弹性BP算法改进的BP神经网络模型的预测结果进行对比分析。仿真结果表明：改进的BP神经网络模型的预测最大相对误差为3.23%,GRNN模型的预测最大相对误差仅为-0.72%,表明所建立的GRNN模型的预测精度高、泛化能力强、收敛速度快、调整参数少,验证了将GRNN应用于英语写作成绩预测方案的可行性。