隨著互聯(lián)網(wǎng)的迅速發(fā)展以及大數(shù)據(jù)等現(xiàn)代技術(shù)的逐漸成熟,教育和技術(shù)的融合不斷加深,在線學(xué)習(xí)不僅使得學(xué)習(xí)者可以在任何時間、任何地點進(jìn)行學(xué)習(xí),還提供豐富多樣的學(xué)習(xí)資源和良好的交互體驗,已經(jīng)成為一種備受歡迎的新型教育方式,目前制約在線教育發(fā)展的首要問題是如何根據(jù)學(xué)生的個體差異進(jìn)行針對性教學(xué)�？紤]到認(rèn)知風(fēng)格是反映學(xué)生個體差異的重要概念之一,且認(rèn)知風(fēng)格和成績呈強(qiáng)相關(guān)性,所以本文利用人工神經(jīng)網(wǎng)絡(luò)算法分析學(xué)習(xí)者的測驗成績變化量,達(dá)到自動測量學(xué)習(xí)者認(rèn)知風(fēng)格的目的,并將其引用到在線學(xué)習(xí)系統(tǒng)中。系統(tǒng)可以記住學(xué)習(xí)者的認(rèn)知風(fēng)格,為其提供認(rèn)知風(fēng)格類型一致的學(xué)習(xí)資源,學(xué)習(xí)者在這個針對性教學(xué)過程中就得到了一種基于“個性化”的服務(wù)。本文首先論述了認(rèn)知風(fēng)格的概念、常用模型和測量方法,然后對機(jī)器學(xué)習(xí)的常用分類方法進(jìn)行分析對比,最終選擇人工神經(jīng)網(wǎng)絡(luò)算法用于在線學(xué)習(xí)者認(rèn)知風(fēng)格分類研究。然后,梳理了基于認(rèn)知風(fēng)格的在線教學(xué)內(nèi)容呈現(xiàn)方法。主要論述了人工智能技術(shù)和虛擬現(xiàn)實技術(shù)支撐下教學(xué)視頻的基本呈現(xiàn)方法、在線學(xué)習(xí)的認(rèn)知風(fēng)格分類、基于認(rèn)知風(fēng)格的在線視頻呈現(xiàn)方法,以為本系統(tǒng)中個性化教學(xué)資源的建設(shè)做準(zhǔn)備。其次,提出了利用人工神經(jīng)網(wǎng)絡(luò)算法分析學(xué)... 

【文章來源】：渤海大學(xué)遼寧省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

西瓜問題的一棵決策樹

渤海大學(xué)碩士學(xué)位論文10尤其是能夠自適應(yīng)樣本數(shù)據(jù)，即使樣本中有噪聲或者非線性時，神經(jīng)網(wǎng)絡(luò)也能正常的工作。到目前為止，神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于神經(jīng)專家系統(tǒng)、模式識別、預(yù)測等領(lǐng)域。（1）神經(jīng)元模型神經(jīng)元模型是神經(jīng)網(wǎng)絡(luò)中最基本的成分，它的三種基本元素分別是突觸權(quán)值、加法器、激活函數(shù)。人工神經(jīng)網(wǎng)絡(luò)的權(quán)值可以取正值或負(fù)值，但有一定的范圍。加法器又稱閾值，用于求輸人信號被神經(jīng)元的相應(yīng)突觸加權(quán)的和。激活函數(shù)用以限制神經(jīng)元輸出的振幅。圖2-2M-P神經(jīng)元模型圖2-2給出了M-P神經(jīng)元模型。在該模型中，神經(jīng)元收到其他神經(jīng)元傳遞的輸入信號Xi，輸入信號通過神經(jīng)元k的突觸權(quán)值Wki（下標(biāo)k指正在研究的神經(jīng)元，下標(biāo)i指權(quán)值所在的突觸的輸入端）進(jìn)行傳遞，神經(jīng)元將接收到的總輸入值與神經(jīng)元的閾值θ對比后由激活函數(shù)f計算產(chǎn)生神經(jīng)元的輸出Yk。該神經(jīng)元的輸出為：)（2-1）（2）激活函數(shù)的類型激活函數(shù)的作用是將輸出信號限制到允許范圍內(nèi)的一定值，常用的激活函數(shù)有以下幾種：1）閾值函數(shù)閾值型激活函數(shù)是神經(jīng)網(wǎng)絡(luò)中最簡單的一種激活函數(shù)，常用的有兩種，圖2-3（a）是硬限幅傳遞函數(shù)，圖2-3（b）是對稱硬限幅傳遞函數(shù)。前者x大于等于0時，輸出值為1，反之則輸出0；后者x大于等于0時，輸出值為1，反之則輸出-1。

渤海大學(xué)碩士學(xué)位論文10尤其是能夠自適應(yīng)樣本數(shù)據(jù)，即使樣本中有噪聲或者非線性時，神經(jīng)網(wǎng)絡(luò)也能正常的工作。到目前為止，神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于神經(jīng)專家系統(tǒng)、模式識別、預(yù)測等領(lǐng)域。（1）神經(jīng)元模型神經(jīng)元模型是神經(jīng)網(wǎng)絡(luò)中最基本的成分，它的三種基本元素分別是突觸權(quán)值、加法器、激活函數(shù)。人工神經(jīng)網(wǎng)絡(luò)的權(quán)值可以取正值或負(fù)值，但有一定的范圍。加法器又稱閾值，用于求輸人信號被神經(jīng)元的相應(yīng)突觸加權(quán)的和。激活函數(shù)用以限制神經(jīng)元輸出的振幅。圖2-2M-P神經(jīng)元模型圖2-2給出了M-P神經(jīng)元模型。在該模型中，神經(jīng)元收到其他神經(jīng)元傳遞的輸入信號Xi，輸入信號通過神經(jīng)元k的突觸權(quán)值Wki（下標(biāo)k指正在研究的神經(jīng)元，下標(biāo)i指權(quán)值所在的突觸的輸入端）進(jìn)行傳遞，神經(jīng)元將接收到的總輸入值與神經(jīng)元的閾值θ對比后由激活函數(shù)f計算產(chǎn)生神經(jīng)元的輸出Yk。該神經(jīng)元的輸出為：)（2-1）（2）激活函數(shù)的類型激活函數(shù)的作用是將輸出信號限制到允許范圍內(nèi)的一定值，常用的激活函數(shù)有以下幾種：1）閾值函數(shù)閾值型激活函數(shù)是神經(jīng)網(wǎng)絡(luò)中最簡單的一種激活函數(shù)，常用的有兩種，圖2-3（a）是硬限幅傳遞函數(shù)，圖2-3（b）是對稱硬限幅傳遞函數(shù)。前者x大于等于0時，輸出值為1，反之則輸出0；后者x大于等于0時，輸出值為1，反之則輸出-1。


本文編號：2984157