| 基于改进BP神经网络的M-learning学习质量评价 |
| |
| 引用本文： | 唐立,李六杏.基于改进BP神经网络的M-learning学习质量评价[J].淮阴师范学院学报(自然科学版),2019(1):35-40. |
| |
| 作者姓名： | 唐立 李六杏 |
| |
| 作者单位： | 安徽经济管理学院信息工程系 |
| |
| 摘 要： | 传统的BP神经网络算法在寻优过程中常陷入局部极小值而无法得到全局最优解,同时在大数据量训练时,运算时耗大,效率低.为了避免这些缺点,提出了并行GA-Adaboost-BP神经网络算法,用GA算法优化BP神经网络权值,避免陷入局部极小值.运用并行Adaboost算法,将大数据量分成若干个小数据量集,由Adaboost算法组合多个小数据集BP神经网络的输出,构建一个强预测器,这种分布式运算提高了大数据量训练效率.实验证明,用改进BP神经网络算法对大数据量M-learning学习质量评价进行预测,其精确度较高,预测稳定性较好,运算效率得到提高.
|
| 关 键 词： | BP神经网络算法 GA算法 Adaboost算法 M-learning |
Research on M-learning Learning Quality Evaluation based on Improved BP Neural Network |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
