为了降低在网络教学中,由于学生自主学习行为的多样性和技术平台存在的差异性,导致传统评价方法难以准确给出评价反馈的问题,引入LMBP(Levenberg-Marquardt Back Propagation)算法,构建了一个能够利用权重化的评价指标对学生的学习表现...为了降低在网络教学中,由于学生自主学习行为的多样性和技术平台存在的差异性,导致传统评价方法难以准确给出评价反馈的问题,引入LMBP(Levenberg-Marquardt Back Propagation)算法,构建了一个能够利用权重化的评价指标对学生的学习表现进行量化分析的自动评价模型。确定网络教学在线学习的评价指标权重,筛选出关键评价指标,并合理分配权重值,降低数据的无序性。基于LMBP算法构建自动评价模型,通过模型的运算,自动计算出每个学生的在线学习评价分数,降低评价的滞后性,实现客观、准确的评价。实验结果显示,模型计算得到的各项指标权重值在0.96以上,拟合度高于0.98,评价分数高于97分,可以实现网络教学的有效评价。展开更多
为精确反映数字式涡流传感器的输入输出特性,为其非线性补偿提供可靠依据,对传统BP(BackPropagation)神经网络进行改进,利用LMBP(Levenberg-Marquart Back Propagation)神经网络和RBF(Radial BasisFunction)神经网络对涡流传感器的输入...为精确反映数字式涡流传感器的输入输出特性,为其非线性补偿提供可靠依据,对传统BP(BackPropagation)神经网络进行改进,利用LMBP(Levenberg-Marquart Back Propagation)神经网络和RBF(Radial BasisFunction)神经网络对涡流传感器的输入输出特性曲线进行拟合,并将两者拟合结果进行对比研究。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、收敛速度更快且具有更高的拟合精度,为工程实际中一维数据的拟合方法选择提供了依据。展开更多
文摘为了降低在网络教学中,由于学生自主学习行为的多样性和技术平台存在的差异性,导致传统评价方法难以准确给出评价反馈的问题,引入LMBP(Levenberg-Marquardt Back Propagation)算法,构建了一个能够利用权重化的评价指标对学生的学习表现进行量化分析的自动评价模型。确定网络教学在线学习的评价指标权重,筛选出关键评价指标,并合理分配权重值,降低数据的无序性。基于LMBP算法构建自动评价模型,通过模型的运算,自动计算出每个学生的在线学习评价分数,降低评价的滞后性,实现客观、准确的评价。实验结果显示,模型计算得到的各项指标权重值在0.96以上,拟合度高于0.98,评价分数高于97分,可以实现网络教学的有效评价。
文摘为精确反映数字式涡流传感器的输入输出特性,为其非线性补偿提供可靠依据,对传统BP(BackPropagation)神经网络进行改进,利用LMBP(Levenberg-Marquart Back Propagation)神经网络和RBF(Radial BasisFunction)神经网络对涡流传感器的输入输出特性曲线进行拟合,并将两者拟合结果进行对比研究。仿真结果表明,在训练样本数量相等且中小规模网络的条件下,采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、收敛速度更快且具有更高的拟合精度,为工程实际中一维数据的拟合方法选择提供了依据。
