[發明專利]一種基于神經網絡的智能實驗過程推薦方法及系統

有效

• 申請號: 201911355621.0
• 申請日: 2019-12-25
• 公開（公告）號: CN111191833B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 海克洪;黃龍吟
• 申請（專利權）人: 武漢美和易思數字科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/067;G06Q50/20;G06N3/0499;G06N3/084
• 代理公司: 武漢紅觀專利代理事務所(普通合伙) 42247
• 代理人: 陳凱

1.一種基于神經網絡的智能實驗過程推薦方法，其特征在于，包括：

獲取學生的綜合評價數據和學生歷史實驗課程中每個實驗的完成時間；

構建關于所述綜合評價數據和所述完成時間的數據樣本，從所述數據樣本中提取訓練樣本和測試樣本；所述綜合評價數據包括平時作業成績、平時作業難度、平時考勤成績、平時測試成績、平時測試難度、學習態度評價等級、學生層次評價等級；

構建神經網絡模型；

將所述訓練樣本輸入所述神經網絡模型，通過SGD以及BP算法對所述網絡模型進行訓練，得到學生實驗用時預測模型；

將所述測試樣本輸入所述學生實驗用時預測模型進行測試；

獲取學生上次實驗課程的最后一個實驗記錄，根據所述學生實驗用時預測模型對所述最后一個實驗后的每個實驗用時依次進行預測；

依次累計所述最后一個實驗后每個實驗的預測實驗用時，若所述最后一個實驗后的第N個實驗處的累計預測用時超出當前實驗課程的限定時間，且所述最后一個實驗后的第N-1個實驗處的累計預測用時小于所述限定時間，則將所述最后一個實驗后的N-1個實驗推薦給學生。

2.如權利要求1所述的基于神經網絡的智能實驗過程推薦方法，其特征在于，所述綜合評價數據還包括學生類別、課程類別、學期類別、班級類別，所述學生類別包括本科生或專科生，所述課程類別包括必修課或選修課，所述學期類別大一學期或大二學期，所述班級類別包括特色班或普通班。

3.如權利要求1所述的基于神經網絡的智能實驗過程推薦方法，其特征在于，所述平時作業成績、所述平時測試成績經過標準化處理，所述平時作業難度、所述平時考勤成績、所述平時測試難度經過歸一化處理。

4.如權利要求1所述的基于神經網絡的智能實驗過程推薦方法，其特征在于，所述構建神經網絡模型，包括：

初始化神經網絡并定義隱藏層單元個數，指定輸入大小；

使用ReLU激活函數，定義一Dropout層，指定丟棄10％的神經元；

定義神經網絡的輸出層，指定輸入層的神經元個數為1并指定使用sigmoid作為激活函數。

5.如權利要求1所述的基于神經網絡的智能實驗過程推薦方法，其特征在于，將所述訓練樣本輸入所述神經網絡模型，通過SGD以及BP算法對所述網絡模型進行訓練，得到學生實驗用時預測模型，包括：

將所述訓練樣本的特征值矩陣和權重矩陣相乘后輸入所述神經網絡模型進行前向傳播以得到預測值；

通過SGD以及BP算法對所述神經網絡模型進行反向傳播以更新所述權重矩陣；

對所述神經網絡模型進行多個輪次的訓練以多次更新所述權重矩陣；

根據多次更新后的所述權重矩陣構建所述學生實驗用時預測模型。

6.如權利要求5所述的基于神經網絡的智能實驗過程推薦方法，其特征在于，SGD算法為RMSProp，所述反向傳播的損失函數為交叉熵損失函數，評價函數為MAE。