期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
混合课程场景下学生成绩预测模型可迁移性研究
1
作者 罗杨洋 韩锡斌 宋玉强 《清华大学教育研究》 北大核心 2024年第3期150-160,共11页
在混合课程中收集学生学习过程数据,构建学生成绩预测模型,可辅助教师动态调整教学策略。目前混合课程场景下,学生成绩预测研究很少应用于实践的瓶颈问题之一是预测模型难以从构建场景中迁移到其他场景。本文梳理了混合课程学生成绩预... 在混合课程中收集学生学习过程数据,构建学生成绩预测模型,可辅助教师动态调整教学策略。目前混合课程场景下,学生成绩预测研究很少应用于实践的瓶颈问题之一是预测模型难以从构建场景中迁移到其他场景。本文梳理了混合课程学生成绩预测模型迁移时,影响预测结果准确率的因素,包括构建预测模型的结果准确率,具体场景下混合课程训练样本的特征,机器学习算法数据处理方式及目标课程的特征。使用A校两学期所有混合课程数据构建了成绩预测模型并将其迁移应用到B校的案例课程中连续观察三学年后发现:(1)使用样本规模较大,特征值的完整性和数据可变性较强的数据获得的成绩预测模型具有较强可迁移性,研究显示“高活跃型”混合课程符合这些特征;(2)增量学习方法和批量学习方法都可构建具有较高预测结果准确率(超过70%)的成绩预测模型,增量学习方法更有助于成绩预测模型的迁移应用;(3)在模型迁移应用时,增量学习数据处理算法构建的模型可得到更高的预测结果准确率,且应用目标课程与“高活跃型”混合课程的学生在线行为数据分布相似时,预测结果准确率较高。上述研究发现为混合课程场景下学生成绩预测模型的迁移提供了实证基础和基本思路。 展开更多
关键词 学习成绩预测 混合课程 预测模型迁移 机器学习 在线学习行为
原文传递
基于支持向量机的材料热处理性能预测模型研究 被引量：5
2
作者 吴良 陈铮 《材料热处理学报》 EI CAS CSCD 北大核心 2007年第6期152-155,共4页
介绍了支持向量机(SVM)技术中的支持向量回归模型,并结合实例运用SVM技术构建了42CrMo钢热处理力学性能预测的数学模型。研究表明,在小样本条件下,应用SVM技术构建数学模型的最大预测相对误差为4.78%;而且随着检验精度的提高,模型的预... 介绍了支持向量机(SVM)技术中的支持向量回归模型,并结合实例运用SVM技术构建了42CrMo钢热处理力学性能预测的数学模型。研究表明,在小样本条件下,应用SVM技术构建数学模型的最大预测相对误差为4.78%;而且随着检验精度的提高,模型的预测精度保持基本不变,泛化能力明显优于用人工神经网络的BP模型。认为在材料热处理领域应用SVM技术构建预测力学性能的数学模型,能较好地解决小样本和模型预测精度间的矛盾。 展开更多
关键词 支持向量机(SVM) 预测模型 热处理 泛化能力
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部