基于BP神经网络与聚类分析的数学创新能力研究
发布时间:2023-05-03 21:03
通过研究和分析给出提高研究生数学学习能力的针对性建议,以改善目前研究生数学学习能力跟不上科研水平的现状.该研究通过BP神经网络得出能够全面衡量数学学习能力的客观指标,得出数学学习能力的评价得分,并利用SPSS软件进行影响因素与该指标的相关性检验,以得出显著影响研究生数学学习能力的因素.最后,根据调查对象的不同特征将研究生个体进行聚类,对每一类个体提升数学学习能力给出针对性建议.
【文章页数】:7 页
【文章目录】:
1 收集数据以初步确定影响因素
2 根据BP神经网络确定数学学习能力衡量指标
2.1 BP神经网络
2.2 基于BP神经网络的研究生数学学习能力评价模型
2.2.1 BP网络设计
(1) 输入层节点数
(2) 输出层节点数
(3) 隐含层节点数
2.2.2 BP网络学习算法
2.2.3 BP网络模型的应用
3 筛选数学学习能力的显著影响因素
3.1 相关性检验原理
3.2 相关性检验结果与分析
3.2.1 内部影响因素研究
3.2.2 外部影响因素研究
3.2.3 相关性分析的结论
4 以显著性影响因素为变量进行聚类
4.1 相关性分析确定聚类因素
4.2 组内平方和法确定聚类数目K
4.3 根据距离最近原则进行K-均值聚类
(1) 距离最近原则.
(2) 重新归类.
(3) 最终聚类输出结果.
4.4 聚类结果分析及相关建议
本文编号:3807279
【文章页数】:7 页
【文章目录】:
1 收集数据以初步确定影响因素
2 根据BP神经网络确定数学学习能力衡量指标
2.1 BP神经网络
2.2 基于BP神经网络的研究生数学学习能力评价模型
2.2.1 BP网络设计
(1) 输入层节点数
(2) 输出层节点数
(3) 隐含层节点数
2.2.2 BP网络学习算法
2.2.3 BP网络模型的应用
3 筛选数学学习能力的显著影响因素
3.1 相关性检验原理
3.2 相关性检验结果与分析
3.2.1 内部影响因素研究
3.2.2 外部影响因素研究
3.2.3 相关性分析的结论
4 以显著性影响因素为变量进行聚类
4.1 相关性分析确定聚类因素
4.2 组内平方和法确定聚类数目K
4.3 根据距离最近原则进行K-均值聚类
(1) 距离最近原则.
(2) 重新归类.
(3) 最终聚类输出结果.
4.4 聚类结果分析及相关建议
本文编号:3807279
本文链接:https://www.wllwen.com/jiaoyulunwen/yjsjy/3807279.html