摘要
使用基于深度信念网络的算法对学生的学习曲线进行分析.深度信念网络将低层的输出作为上一层的输入,再将上一层的输出作为更高一层的输入,最后通过微调参数和权重偏置来增强DBNs的性能.深度信念网络相邻层级可拆分成独立的受限玻尔兹曼机,因此它是由多个受限玻尔兹曼机叠加而成的.采用有监督的深度信念网络特征训练方法,首先提取标准曲线的特征,然后利用深度信念网络提取每个同学的学习曲线特征,将每个学生的特征与标准曲线特征进行匹配识别.如相似度较高,则学生的学习情况较好;如相似度较低,则需要关注该学生的学习情况.疫情期间,很多课程都采用线上教学的方式,但是老师在进行线上教学时,由于无法看到学生在课堂教学时的反应,因此较难掌握学生的学习情况.采用分析学习曲线的方法可以及时掌握学生的学习情况.
NETL